双基球扁药工艺优化仿真研究

目的优化双基球扁药成球工艺参数,解决由于目前双基球扁药理论研究不充分、控制模型不明确、生产工艺参数调控依靠人工经验所导致的药品成球后直径、弧厚偏差大的问题。方法利用BP神经网络在处理复杂非线性映射问题上的强大的能力,对成球关键工艺参数与成球质量指标进行建模,并应用成球工艺过程仿真数据对其进行训练,将训练得到的BP神经网络模型用于优化成球工艺参数。同时利用仿真数据进行检验模型的可靠性。结果训练后BP神经网络均方误差为0.001,成球直径误差率为1.27%,成球弧厚误差率为2.08%,成球质量参数误差均很小,可以满足工艺要求。结论该BP神经网络模型具有较高精度,适用于含能材料工艺优化,提出的成球工艺优化方法能有效降低成球试制成本,缩短生产周期。

增压站低频噪声识别与控制

目的解决天然气增压站低频噪声严重的问题,识别低频噪声源,并对低频噪声加以控制。方法结合压缩机组的实际工作情况及结构,首先利用频谱及1/3倍频程分析增压站机组的振动和噪声特性,初步确定压缩站机组低频噪声与机组振动的关系,进一步利用相干函数分析法分析振动与低频噪声的相干关系,判定低频噪声并不是由振动主要引起的。结果机组的主要噪声源为冷却器和压缩缸的进排气管,低频噪声污染主要是由于机组周期性吸排气时,管道和机组壁投射出的空气动力性噪声所造成的,而机组振源的剧烈振动不是产生低频噪声污染的主要原因。进排气管可产生高达80 d B(A)的全频带噪声,其中包含声压级可高达100 dB的次声,尤其以频率11 Hz和17 Hz为主,并且传播距离远,通透力强,对人员和环境危害大。结论首先依据进排气管为主要噪声源,其次结合压缩站实际情况,从压缩器机组整体的降噪设计及厂房治理的降噪设计两部分考虑提出相应的改进措施,从而为机组的降噪提供有效的方法。

含能材料生产系统排产中的瓶颈设备识别方法研究

目的识别含能材料生产车间中的瓶颈设备,对生产系统作出预警,为排产方案制定以及实际生产工作提供指导,改善生产系统的加工效率。方法针对传统瓶颈设备识别方法评价指标单一、识别过程复杂的问题,研究一种基于灵敏度分析和逼近理想解排序法(TOPSIS)融合的瓶颈设备识别方法。该算法首先确定作业指标与设备加工量关系的灵敏度矩阵,然后运用逼近理想解排序法,计算设备的综合瓶颈指数,通过比较各设备的综合瓶颈指数,识别出瓶颈设备。结果采用含能材料生产车间实际数据进行仿真实验,可以在生产系统运行之前识别出系统中的瓶颈设备。结论通过与其他方法进行对比分析,验证了研究的方法的有效性和优越性。