浮式液化天然气生产储卸装置(floating liquefied natural gas system,FLNG)特种液货船作为开发海上天然气田的新式装置,极大的方便了对处于深海的气田的开发利用,该文以“Prelude”号FLNG作为母船,提出一种新型FLNG低温能量管理系统。...浮式液化天然气生产储卸装置(floating liquefied natural gas system,FLNG)特种液货船作为开发海上天然气田的新式装置,极大的方便了对处于深海的气田的开发利用,该文以“Prelude”号FLNG作为母船,提出一种新型FLNG低温能量管理系统。该系统主要利用液态空气作为媒介储存和释放能量,通过液态空气冷能与混合制冷循环相结合实现天然气液化过程,在提高LNG生产性能的同时集成了CO_(2)液化循环和电力的生产,通过CO_(2)液化和剩余冷能发电提高系统的输出性能,实现了FLNG船舶冷能的多级利用,也为FLNG船舶冷能利用提供新方法,新途径。所提系统相较于基准模型具有更好的性能,在7.04年可实现成本回收。最后采用多目标性能优化,进一步提高系统㶲效率达60.67%,同时降低约2.3%的成本。该FLNG低温能量管理系统有高效、低耗、稳收益、低碳化等特点,可更好优化海上LNG供应链,促进航运业“双碳”发展。展开更多
【目的】提高传统的单一类别煤矸分选机器人在面对形状、尺寸差异较大的矸石时的适应性,分析异构机器人工作特性,实现异构机器人协同分选。【方法】基于深度Q值网络(deep Q network,DQN)提出异构机器人协同分选模型;分析协同工作分选流...【目的】提高传统的单一类别煤矸分选机器人在面对形状、尺寸差异较大的矸石时的适应性,分析异构机器人工作特性,实现异构机器人协同分选。【方法】基于深度Q值网络(deep Q network,DQN)提出异构机器人协同分选模型;分析协同工作分选流程制定决策框架,根据强化学习所需,设计交互环境,构建智能体连续的状态空间奖惩函数,长短期记忆网络(long short term memory,LTSM)和全连接网络相结合,构建DQN价值和目标网络,实现强化学习模型在工作过程中的任务分配。【结果】协同分选模型与传统顺序分配模型相比,在不同含矸率工作负载下,可提高分选效益0.49%~17.74%;在样本含矸率为21.61%,传送带速度为0.4~0.6 m/s的条件下,可提高分选效率2.41%~8.98%。【结论】异构机器人协同分选方法可以在不同的工作负载下获得稳定的分拣效益,避免单一分配方案无法适应动态变化的矸石流缺陷。展开更多
文摘浮式液化天然气生产储卸装置(floating liquefied natural gas system,FLNG)特种液货船作为开发海上天然气田的新式装置,极大的方便了对处于深海的气田的开发利用,该文以“Prelude”号FLNG作为母船,提出一种新型FLNG低温能量管理系统。该系统主要利用液态空气作为媒介储存和释放能量,通过液态空气冷能与混合制冷循环相结合实现天然气液化过程,在提高LNG生产性能的同时集成了CO_(2)液化循环和电力的生产,通过CO_(2)液化和剩余冷能发电提高系统的输出性能,实现了FLNG船舶冷能的多级利用,也为FLNG船舶冷能利用提供新方法,新途径。所提系统相较于基准模型具有更好的性能,在7.04年可实现成本回收。最后采用多目标性能优化,进一步提高系统㶲效率达60.67%,同时降低约2.3%的成本。该FLNG低温能量管理系统有高效、低耗、稳收益、低碳化等特点,可更好优化海上LNG供应链,促进航运业“双碳”发展。
文摘【目的】提高传统的单一类别煤矸分选机器人在面对形状、尺寸差异较大的矸石时的适应性,分析异构机器人工作特性,实现异构机器人协同分选。【方法】基于深度Q值网络(deep Q network,DQN)提出异构机器人协同分选模型;分析协同工作分选流程制定决策框架,根据强化学习所需,设计交互环境,构建智能体连续的状态空间奖惩函数,长短期记忆网络(long short term memory,LTSM)和全连接网络相结合,构建DQN价值和目标网络,实现强化学习模型在工作过程中的任务分配。【结果】协同分选模型与传统顺序分配模型相比,在不同含矸率工作负载下,可提高分选效益0.49%~17.74%;在样本含矸率为21.61%,传送带速度为0.4~0.6 m/s的条件下,可提高分选效率2.41%~8.98%。【结论】异构机器人协同分选方法可以在不同的工作负载下获得稳定的分拣效益,避免单一分配方案无法适应动态变化的矸石流缺陷。