基于自回归与长短期记忆网络混合模型的热电偶动态补偿方法研究

热电偶在动态温度测量时由于热惯性存在动态误差。为补偿热电偶的动态误差,提出一种基于自回归与长短期记忆网络混合模型的补偿算法。该算法通过自回归模型对热电偶动态响应进行辨识,再由长短期记忆网络作为非线性补偿器校正动态误差。采用不同强度的高斯白噪声模拟噪声环境,仿真构建热电偶模拟测量数据集。在模拟测量数据集上对算法做验证。计算结果表明,该算法在不同噪声环境下均能有效地减少动态误差。搭建热电偶动态温度测量实验平台,以K型镍铬/镍硅热电偶为实验对象,取得实验测量数据集。实验和计算结果表明,经算法补偿后的热电偶动态响应得到改善,平均动态误差为0.0028,标准差为0.0102。

基于卷积网络的双热电偶动态温度测量方法

为了提高动态温度测量的精度,提出了基于卷积网络的双热电偶动态温度测量方法。采用不同强度的高斯噪声,仿真获得两支时间常数互异的热电偶在高低温双温度源激励下的理论测量值。将理论测量值视为时间序列,采用卷积网络中的卷积神经网络和时间卷积网络对其进行建模,重建真实温度。计算结果表明,基于时间卷积网络的测量方法的均方根误差(RMSE)更小、拟合优度(R^(2))更大。以两支K型镍铬镍硅热电偶为对象,给出了一个算例,实验结果也表明,基于时间卷积网络的测量方法优于基于卷积神经网络的,该测量方法的RMSE为0.0284,R^(2)为0.9940。

苯乙酮(衍生物)的α-溴化物绿色工艺研究进展

α-溴代苯乙酮类化合物是医药、农药重要的中间体。传统的溴化选择性低、对环境的污染大,为满足绿色化工的需要,研究人员开发了溴化铜、NBS、DBDMH等溴代试剂,并发展了以氧气等绿色氧化剂和溴离子作为溴源的氧化溴化法,取得了一定成效。本文综述了近年来苯乙酮衍生物的α-氧化溴化研究进展,总结了不同溴化剂对产率和反应的影响。