公共文化服务平台

国家自然科学基金(51066002E060701): 作品数：21 被引量：83H指数：7; 相关作者：李红娟王华王建军孟华熊文真更多>>; 相关机构：昆明理工大学信阳职业技术学院更多>>; 发文基金：国家自然科学基金NSFC—云南联合基金云南省科技创新强省计划项目更多>>; 相关领域：冶金工程自动化与计算机技术动力工程及工程热物理理学更多>>

基于R125工质热泵循环的理论分析: 2011年; 通过对热泵循环流程的分析,构建了带有回热器热泵的数理模型。理论分析了以R125为工质的热泵系统,并对R125及几种热泵工质在标准工况和变工况下的循环性能进行了系统的理论计算及分析。结果表明,在标准工况下,R125制热系数优于R22,是极有潜力的热泵替代工质。; 黄峻伟王华王辉涛李俊贤唐千喻; 关键词：热泵工质

An optimal method for prediction and adjustment on gasholder level and self-provided power plant gas supply in steel works被引量：2: 2014年; An optimal method for prediction and adjustment on byproduct gasholder level and self-provided power plant gas supply was proposed.This work raises the HP-ENN-LSSVM model based on the Hodrick-Prescott filter,Elman neural network and least squares support vector machines.Then,according to the prediction,the optimal adjustment process came up by a novel reasoning method to sustain the gasholder within safety zone and the self-provided power plant boilers in economic operation,and prevent unfavorable byproduct gas emission and equipment trip as well.The experiments using the practical production data show that the proposed method achieves high accurate predictions and the optimal byproduct gas distribution,which provides a remarkable guidance for reasonable scheduling of byproduct gas.; 李红娟王建军王华孟华

建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量被引量：12: 2013年; 针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性.; 李红娟王建军王华孟华

钢铁企业高炉煤气发生量预测建模及应用被引量：5: 2014年; 针对钢铁企业高炉煤气发生量的机理模型难以对其进行预测的问题,建立了基于Elman神经网络和最小二乘支持向量机相结合的预测模型。预测前利用概率神经网络对其进行分类,并对分类后的数据进行HP滤波处理,得到趋势序列和波动序列分别预测;预测后引入马尔科夫链的状态转移矩阵,对预测残差进行修正。组合建立的PNN-HP-Elman-LSSVM-MC分类预测模型,减少了训练时间,同时也提高了预测精度。根据企业实际数据应用模型,结果表明,所建模型不同工况分类准确,预测效果良好,为合理调度副产煤气提供操作依据。; 李红娟王建军王华孟华; 关键词：概率神经网络 HP滤波 ELMAN神经网络最小二乘支持向量机马尔科夫链

基于SVC-ENN钢铁企业副产煤气消耗量的预测建模被引量：2: 2013年; 针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进行测试分类准确率分别为90%,96.67%,98.33%;96.67%,95%,100%.根据分类结果建立模型进行预测,预测平均相对误差分别为0.8%,0.5%,0.9%;2.1%,0.8%,1.3%.所建模型分类准确,预测效果良好,适合副产煤气消耗量的预测.; 李红娟王建军王华孟华; 关键词：ELMAN神经网络支持向量分类最小二乘支持向量机

ORC直接接触式蒸发器传热性能研究被引量：7: 2013年; 为分析低温余热发电ORC直接接触式蒸发器内分散相在连续相中的传热性能,分别选用新型环保有机工质R245fa和THERMINOL66导热油作为分散相和连续相,进行ORC直接接触式蒸发器传热性能的研究,分析了初始传热温差、工质体积流量和导热油质量流量对ORC直接接触式蒸发器容积传热系数的影响.结果表明:容积传热系数随着传热时间的增加先呈增大趋势,然后逐渐减小并趋于平稳,但大于传热开始阶段的容积传热系数;在工质体积流量和初始传热温差为定值的情况下,为获得较大的容积传热系数,导热油质量流量应控制在较小的范围内.; 黄峻伟王辉涛王华徐建新葛众; 关键词：有机朗肯循环传热性能

蒸汽压缩式热泵的有限时间热力学分析及优化被引量：5: 2012年; 基于有限时间热力学理论,在保持无因次制热率RQ为定值的条件下,建立了使得无因次熵产率σs最小的最佳温差分布模型,并分析了热泵机组中用无量纲参数表征的冷热端传热温差x、y,外界高低温热源温差α和冷热端传热性能比β对系统性能的影响.结果表明:在不增加传热温差所造成的不可损失的前提下,可采用增加β的方法来提高制热率,如增大冷凝器面积或传热系数;在冷凝器与蒸发器传热性能及制热率确定的情况下,为减小不可逆损失应提高高温热源温度.; 黄峻伟王辉涛王华高宏宇刘军云葛众; 关键词：有限时间热力学热泵

基于HP-Elman-LSSVM模型钢铁企业自备电厂煤气供入量预测及优化调度被引量：12: 2013年; 钢铁企业自备电厂是副产煤气的主要缓冲用户,在消纳富余煤气、减少煤气放散、实现煤气平衡方面发挥着极为重要的作用。充分考虑自备电厂煤气供入量特点,建立了HP-Elman-LSSVM预测模型,并根据自备电厂能源利用的特点,建立拟合模型求解自备电厂锅炉的经济运行负荷,在此基础上对供入自备电厂的煤气进行优化调度。将该模型应用于具体企业,实现了钢铁企业自备电厂煤气预测和优化调度。模型应用表明:所建模型对自备电厂煤气供入量30、45、60个点的预测平均相对误差分别为1.9%、1.4%、1.4%,能有效解决实际生产中自备电厂煤气供入量预测不准问题。并通过煤气优化调度,自备电厂可大幅度提升蒸汽产率,应用企业每年可多产蒸汽约8.132 2万t,折合节约标煤9 443.955t。; 李红娟王建军王华孟华; 关键词：自备电厂优化调度

基于HP(2)-Elman模型的钢铁企业富余煤气预测及优化调度被引量：7: 2013年; 针对钢铁企业富余煤气的频繁波动对自备电厂能耗及煤气平衡影响严重,且难以通过建立机制模型进行预测的问题,依据HP滤波和Elman神经网络性质建立了HP(2)-Elman预测模型。并根据自备电厂能源利用的特点,建立拟合模型求解锅炉的经济运行负荷,在此基础上对富余煤气进行优化调度。模型应用表明:所建预测模型对煤气柜位预测平均相对误差小于2.8%,自备电厂煤气供入量30、45、60个点预测平均相对误差分别为1.7%、1.6%、1.6%。根据预测结果进行的优化调度可为煤气柜位调整及自备电厂锅炉负荷分配提供操作依据,一年按照330天计算,可多产蒸汽约100 495t,节能约11 670 481kg标煤。; 李红娟王建军王华孟华; 关键词：HP滤波 ELMAN神经网络优化调度

基于邻域粗糙集的网络入侵分类诊断组合模型研究被引量：4: 2017年; 网络入侵诊断直接影响网络正常运行和安全.针对入侵类型复杂,现有分类诊断模型精度有限的问题,提出一种基于邻域粗糙集的网络入侵分类诊断优化模型.首先,运用邻域粗糙集对网络入侵数据进行条件属性的约简,确定关键属性,然后将其作为训练输入构建相关向量机分类诊断模型,并同时运用遗传算法进行超参数优化,提高模型诊断精度和速度.通过KDDCup99数据集对优化模型性能进行检验,结果表明,组合预测方法精确度高于支持向量机、相关向量机和BP神经网络.组合模型诊断精度高、速度快,具有优异的综合性能.; 熊文真刘静瑞李红娟; 关键词：网络入侵相关向量机遗传算法

国家自然科学基金(51066002E060701)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(51066002E060701)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈