机器学习辅助高强铝合金挤压力和制品出模口温度快速预测与调控

挤压力和挤压制品出模口温度是影响铝合金挤压成本和制品质量的关键参数.本文基于有限元数值模拟数据,采用人工神经网络建模,研究了不同挤压工艺参数(坯料温度、工模具温度、挤压速度)下高强铝合金挤压力和制品出模口温度的变化规律,实现了挤压力-挤压行程曲线和制品出模口温度-挤压行程曲线的准确预测,预测误差分别为2.84%和1.30%.采用支持向量回归算法和输入变量筛选,实现了挤压过程峰值挤压力、制品出模口最高温度和最低温度的准确预测,预测误差分别为0.82%、1.18%和1.88%.基于上述预测模型,可在给定制品出模口目标温度时,采用遗传算法快速确定合适的挤压工艺参数,或者在坯料和工模具温度发生波动时快速确定合适的挤压速度.

基于LIBS光谱实现燃煤企业碳排放量高精度快速预测

准确预测煤炭的碳排放数据是实现中国“双碳”目标的重要基础。在煤炭入炉前完成碳排放量数据和煤质指标的精确、快速预测,将转变目前“先排放,后检测”的碳排放数据计算方式,对落实“双碳”战略意义重大。以煤炭碳含量和煤质指标的精准预评估为研究目标,通过自行搭建激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy,LIBS)系统和LIBS光谱统计分析,利用主成分分析-偏最小二乘(PCA-PLS)结合小样本算法对训练集进行回归训练,建立了一种煤炭的碳排放预测模型,并通过在新疆A电厂和山东B电厂中的实际应用,证明了LIBS系统在煤质指标分析中的可靠性。结果表明:所提出的预测方法与传统方法相比绝对误差最大为0.0256 t,表现出较好的碳排放预测能力。所提方法可以用于燃煤企业碳排放量的精准预测,为实现煤炭碳排放和煤质指标的预评估提供了一种较为高效的技术解决路径。

水泥固化海相软土劣化深度快速预测方法

劣化深度是评价固化土劣化程度较为简明的指标。基于常规腐蚀试验结果的幂函数形式固化土劣化深度预测方法具有实用性,腐蚀试验中腐蚀时间取值越长、劣化深度越深,预测结果越准确。固化土劣化是漫长的过程,利用高浓度腐蚀介质的加速腐蚀试验可缩短试验周期,实现劣化深度的快速预测。水泥固化海相软土的腐蚀试验结果表明,3倍浓度海水制备的腐蚀土腐蚀水泥土28 d的加速腐蚀试验与常规腐蚀试验腐蚀360 d的劣化深度存在线性关系,基于两者的等效关系并结合幂函数形式劣化深度预测式,提出水泥固化海相软土劣化深度快速预测方法,预测的劣化深度发展趋势与实测结果较为吻合。基于加速腐蚀试验结果的幂函数形式固化土劣化深度快速预测方法可行且具有实用性,研究思路对于类似劣化问题的研究具有一定的借鉴意义。

固体火箭发动机粘接界面剪切蠕变特性分析与快速预测模型

固体火箭发动机在立式贮存期间,受自重载荷影响,在侧壁粘接界面会产生剪切蠕变行为,威胁发动机的结构安全性和贮存寿命。为研究粘接界面剪切蠕变特性,对某型发动机剪切界面试验件进行了多种温度与应力下的剪切蠕变实验,获得其剪应变-时间关系,分析了粘接界面力学性能随温度与剪切蠕变载荷变化的响应和规律,最终构建了一种适用于线性粘弹性阶段的发动机粘接界面剪切蠕变快速预测模型。结果表明,该快速预测模型构建方式简单,且预测值与实验值相差低于10%,可以较好地预测线性粘弹性阶段粘接界面短期蠕变行为。

基于神经网络的热管反应堆多物理场耦合快速预测

本文基于热管反应堆多物理场耦合分析框架,提出了一种基于数据驱动型神经网络构建的快速预测方案。该方案利用神经网络部分代替分析框架中的数值计算模块,实现核-热-力多物理场耦合迭代过程的高效求解。以Megapower作为分析对象,搭建了相应的神经网络模型构建快速预测方案并对其进行相关参数的预测,与传统数值计算方法对比。快速预测产生的关键参数和数值计算的结果差异很小,其中,最大应力差值不超过2 MPa,燃料平均温度差值不超过3 K。相同计算环境中,相比于数值计算需要6 h的计算时间,快速预测仅需4 min,计算时间降低了95%以上。基于上述结果,认为基于神经网络的快速预测方案具有准确性高、速度快的特点。配合其灵活性及对训练数据量要求低、可针对性的优化模型等特点,认为基于神经网络的快速预测方案是应对堆芯优化等大规模计算需求场景的优选方案。

基于降阶模型的热过程快速预测方法研究

为了对热过程控制进行设计,常采用“热流耦合”的计算流体力学(CFD)方法对热过程进行模拟,为了得到合理的热控制方案,常需要反复的CFD分析,成本较高,而且不方便实时调整控制方案。为解决这一问题,基于Volterra级数降阶模型,提出了一种热过程快速分析预测的方法,为热过程控制策略制定及控制参数确定提供了一种工具。该方法根据在阶跃温度加热条件下热过程系统的响应,辨识Volterra级数降阶模型的核函数,构建系统温度与控制条件之间关系的降阶模型,进而快速计算不同控制过程下系统的温度响应。该降阶模型可以用来实时预测系统的加热过程和优化系统的热过程控制方法。算例的结果表明:采用Volterra级数降阶模型得到的系统温度响应与采用CFD方法得到的响应一致,且采用降阶模型方法进行热过程预测和控制优化的效率非常高。

滑翔可达域外边界快速预测

高空高超声速是下一代飞行器发展的重要方向,高空高超声速飞行器具备更快的响应速度、更强的突防能力因而生存能力更强,能够执行侦查、攻击和损伤评估等任务,成为航空大国重要的角逐方向,如图1所示的美国高空高超声速飞机SR-72。相较传统高超声速飞行器未来应用场景更加复杂灵活,因此智能化成为必然趋势。可达域是指飞行器在初始状态、过载、热流、控制量、末端状态等约束限制下能够到达的区域,可达域的计算是进行高超声速飞行器任务规划、高超声速武器防御必须具备的能力,因此实现可达边界的自主在线快速预测是实现飞行器智能化的重要一环,具有工程应用价值。

基于MK-SVM算法的大坝位移快速预测模型研究

大坝的位移趋势对其安全运行十分重要,而在非常规条件下快速得到大坝的预测模型的研究则相对较少。为使管理人员可以高效地掌握大坝位移的变化性态,基于多核支持向量机(Multiple-kernels support vector machine,MK-SVM)算法构建了一种快速实现大坝位移预测的模型,并讨论该模型参数的范围,利用相关评价指标计算度量模型的精度。由工程案例可知,该模型预测大坝变形的变化趋势与实测变形基本一致,模型预测精度可以满足工程运行需要。结论可为大坝管理人员提供有益借鉴。

基于备选矢量优化的永磁同步电机系统快速预测位置控制

针对永磁同步电机系统位置预测控制的传统价值函数中位置、转速、电流权重系数难以调整,且存在遍历法下控制电压矢量选择计算效率低的问题,提出一种基于备选矢量优化的有限控制集快速预测位置控制策略。首先预测带有电流、转速和位置信息的参考电压矢量,之后转化价值函数到电压量纲以省去权重系数,并将最大电流、转速限制项统一到电压量纲来实现对电流和转速的限制;之后通过求取参考电压矢量的位置进行备选矢量的优化选择,将备选电压矢量个数由8个缩减到3个,减少计算次数。最后,通过实验研究证明所提出的控制策略具有较好的动态响应速度和运动控制精度,且无需权重系数调整、计算次数节省约45%。

造纸法烟草薄片废水化学需氧量的快速预测

造纸法烟草薄片废水的COD高且波动大,采用传统国标检测方法(重铬酸钾比色法)操作复杂、耗时长,难以实现快速检测以指导污水处理工况的及时调整。针对此问题,提出了一种基于机器学习的COD快速预测方法。在对烟草薄片废水水质指标分析基础上,采用数理统计结合人工智能的方法对废水COD与悬浮物、pH、溶解氧和电导率等水质参数之间的关系进行分析,并建立COD预测模型。结果表明,线性回归、多项式拟合、正则化回归、回归树等模型的R^(2)为0.656~0.777,基于机器学习的极端随机森林模型的R^(2)最高,为0.861。同时显著性检验结果表明极端随机森林模型具有最小的失拟偏差和最精确的拟合效果,利用该模型对实际废水进行验证和预测,相对偏差在±12%以内,可实现对烟草薄片废水COD的快速预测。

基于机器学习的建筑火灾蔓延快速预测

为了迅速预演或重现火场,实时调整火场救援策略,并为建筑设计提供有利于消防工程的空间构成方案,利用火灾动力学软件(FDS)和机器学习技术,研究建筑火灾的关键影响因素。以单室火灾烟气溢出为案例,利用11种空间构成参数和7776组火灾工况,采用5类机器学习算法训练火场模拟结果数据,并完成算法效率评估。结果表明:机器学习算法适用于建筑空间这类离散型的参数学习与评估预测,它能够直观地给出各参数的权重,挖掘火灾动力学系统中的关键信息,实现火场数据可视化;其中,随机森林(RF)算法具有最高的预测效率,其最佳预测准确率可达91.82%。

基于神经网络的燃气–超临界CO_(2)联合循环变工况特性快速预测及优化

燃气–超临界CO_(2)联合循环清洁高效、结构紧凑,因系统部件中间容积较小,变负荷调节速率较高,具有良好的灵活性,通过其快速变负荷运行有利于大规模消纳可再生能源电量。该联合循环采用具有超–跨串级结构的超临界CO_(2)底循环实现燃机余热梯级利用。为解决其快速变负荷中循环特性快速预测及优化问题,该文提出基于面心立方设计和反向传播神经网络的变工况特性求解方法。采用粒子群优化算法确定该联合循环变负荷过程的最优滑压运行策略。结果表明:基于神经网络的循环变工况特性预测方法具有良好的精度,并有效缩短仿真计算时间。与流量比例调节法对比,最优滑压运行策略使循环变工况过程具有更优的循环效率及可行运行区间,可以快速准确地为燃气–超临界CO_(2)联合循环提供变工况运行参考。

一种基于有限测点数据的地面目标瞬态温度场快速预测方法

传统的地面目标红外辐射特性研究方法有理论建模分析法和外场测试法。由于大部分的理论建模计算量庞大,无法满足实时计算;外场测试往往成本较高,无法获得任意时刻地面目标整体的红外辐射特性。典型部位温度可以实时获得,但如何布置传感器使其更好地反映和预测整体的温度分布需要开展研究。文中引入本征正交分解(proper orthogonal decomposition,POD)方法对两种地面目标的温度场进行模态分析,建立两种地面目标的温度场降阶模型,利用降阶模型实现地面目标温度场的快速预测;将温度场的降阶模型与QR (orthogonal right triangular)分解算法结合,确定最佳传感器测量位置,实现对两种地面目标温度场的预测。研究结果表明,无论是POD温度场降阶模型还是通过QR分解算法得到的最佳传感器测量数据进行预测,二者的精度均较高,正方腔体的平均绝对误差均小于1.5 K,模型坦克的平均绝对误差均小于2.5 K。通过分解算法得到的最佳传感器测量数据进行预测效率更高,未来可利用该方法预测目标红外特性,从而支撑目标规避或伪装方案的制定。

基于PINN模型的导弹气动特性快速预测技术

随着内嵌物理机理神经网络(PINN)模型的兴起,PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测,借助工程算法,构建了导弹气动数据集,以此训练导弹气动特性预测模型,包含基于多任务学习的神经网络(MTLNN)模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集,对比了MTLNN模型和PINN模型的预测效果,结果表明:PINN模型的预测精度较高,且基本控制在1%以内。探究PINN模型的泛化能力,测试集选取导弹气动数据集包络范围之外的数据,PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理,模型对训练样本数量的依赖程度降低,可以进一步节约数据获取成本,为导弹优化设计提供有力工具。

靶标雷达特性快速预测与分析

含多次散射复杂靶标雷达特性的快速预估和分析是靶标设计优化的重要基础,同时也是电磁散射建模领域的重要研究课题之一。多次散射结构及其复杂散射机理导致靶标雷达特性仿真效率低下、特性分析困难。本文提出了一种CPU多核并行技术、GPU硬件加速技术和KD⁃Tree遍历技术相结合的靶标高频电磁散射加速方法,建立了带腔舰船、角反射器阵列与舰船等含多次散射复杂靶标的高频电磁散射模型,可以满足大型靶标进行快速评估的需求。本文进一步提出了多次散射距离像位置快速预测方法,通过多次散射射线分集结合射线路径相位理论预估,快速推导了多次散射等效视在中心的位置,揭示了含腔靶标的多路径散射机理与作用过程;并通过舰船目标的仿真与分析,建立了大型靶标多次散射形成的强散射贡献与其具体几何结构之间的映射关系。

高超声速进气道宽范围工作多场耦合效应及快速预测研究

为准确预测高超声速进气道气动热力环境及结构响应,开展了三个方面的研究。基于分区求解方法实现了气动力/热/结构三维多场耦合计算,并验证了该方法的正确性。研究了宽范围内来流马赫数和攻角对进气道多场耦合效应的影响。基于本征正交分解技术和径向基函数构建了进气道结构温度场、应力场及应变场的瞬态降阶模型。结果表明,进气道结构变形主要发生在模型的俯仰方向,当来流马赫数由4增加至7时,进气道压缩面气动热载荷增加,结构最大位移增加了4.78倍;当攻角由-2°增加至4°时,结构最大位移增幅为59.69%;设计工况下,降阶模型预测结果与多场耦合计算结果吻合较好,预测误差<0.80%。

自通风牵引电机离心风扇气动噪声的快速预测

为缩短自通风牵引电机风扇噪声的预测周期,同时保持较高的预测精度,引入代理模型技术,基于电机稳态流场结果快速预测电机风扇噪声的声功率级。首先通过网格无关性验证和风量测试校核自通风电机稳态流场仿真方法,并开展15种电机/风扇结构、多转速下共68组稳态流场计算;然后依据GB/T 25123.2-2018和GB/T 25123.4-2015测试电机相应工况下的噪声声功率级;并通过相关性分析和显著性检验从8种稳态流场数据结果中选出7种参数作为输入,以电机噪声声功率级作为输出,建立初始样本集;最后建立样本筛选规则,选出61组样本建立组合代理模型。经分析,建立的代理模型决定系数为0.993,交叉验证结果显示最大绝对误差为3.0 dB(A),平均绝对误差为1.0 dB(A),满足工程应用要求,可大幅降低电机离心风扇噪声预测周期。

沼渣好氧堆肥种子发芽指数快速预测可行性分析

种子发芽指数是衡量好氧堆肥植物毒性和腐熟度的重要参数。以沼渣和猪粪为主要原料,麦秸和蘑菇渣为辅料,利用自行研制的智能型好氧堆肥反应器系统开展了联合好氧堆肥试验,基于获取的种子发芽指数和基本理化指标数据进行了相关性和回归建模分析研究。试验结果表明:种子发芽指数与挥发性固体、总碳、总氮、半纤维素和木质素干基相对含量以及碳氮比均具有显著的相关性(R≥0.83,Sig.为0.000)。所构建的一元和二元线性预测模型均具良好的拟合度(R≥0.81,Sig.为0.000),其中,以总碳和总氮为二元变量的种子发芽指数快速预测模型(R=0.92,SEP为7.58)具有最好的预测能力。该研究为种子发芽指数的快速预测分析提供了方法学支撑。

热固性树脂包膜控释肥料肥效期的快速预测方法

采用静水溶出率的方法,在25℃、40℃、60℃、70℃、80℃和100℃条件下,探讨了控释肥料中养分累积释放率与温度的变化规律,以期建立控释肥料肥效期或养分释放期的快速预测方法.结果表明,从低温到高温的各种温度处理下,Scotta公司的Osmocote热固性树脂包膜控释肥料养分累积释放曲线都呈二次曲线,相关指数R2均大于0.996.温度与包膜控释肥料肥效期间呈极显著的负相关,并符合一元二次方程,相关指数R2大于0.993.在高温下培养3或8 h建立的预测预报回归方程,可以快速而准确地预测预报包膜控释肥料在常温下（25℃）的肥效期,预测值与实测值只相差2.4 d;而习惯上的微分溶出率法却相差29～42 d.表明用高温下的肥效期预测预报回归法可以在数小时内准确、迅速地预测控释肥料的肥效期.同时该方法可作为控释肥料在线生产质量控制和市场上控释肥料质量检验的候选方法.

聚合物驱后剩余油分布快速预测方法

由于聚合物驱后大部分油井高含水、油层驱替仍不均匀、油层内部尚有未洗层等原因，使得聚驱后剩余油的分布产状尚不甚清楚。与此同时，聚合物驱后的原油采出程度在50％左右，聚合物驱后剩余油仍具有相当的开采潜力。为此，以大庆长垣北部典型聚驱油藏为例，通过大量实际数据的对比运算，优选出适合聚驱的7种可采储量预测方法，分别研究了聚合物驱后34口单井及油藏剩余油平面分布规律。最终，根据水驱、聚驱两个开采阶段采出程度的对比分析结果，提出了4种聚驱后单井挖潜类型，划分了2种聚驱后油藏剩余油的平面富集区域。研究过程和结论可为聚驱后剩余油的快速预测以及聚驱后挖潜方案的合理制定提供方法及理论参考。