基于三步法—船舶二级脱硝系统的控制设计

选择性催化还原(SCR)是一种被广泛应用于船舶柴油机尾气排放NO_x的后处理技术，但SCR脱硝系统具有大惯性、非线性以及不确定性的特点，使得常规控制方案不能较好地实现SCR脱硝系统的控制。以船舶柴油机的SCR脱硝系统为研究对象，搭建船舶二级脱硝系统模型，并设计三步法非线性控制器来跟踪氨覆盖率目标值；分析经济、标准、超载等3种工况下的脱硝率和氨逃逸量。结果表明：基于提出的三步法—船舶二级脱硝控制器，可进一步提高脱硝率、降低氨逃逸量。     

基于区间约束GPC的船舶SCR脱硝系统多工况控制

不同工况下的船舶柴油机脱硝系统具有很强的非线性和时变性，常用的单一控制器难以准确控制，因此对船舶选择性催化还原（SCR）脱硝系统进行自适应控制研究尤为重要。从SCR的反应微分方程入手，建立船舶柴油机SCR脱硝系统的机理模型，并通过模型仿真的离线数据辨识建立不同工况下该系统的ARMAX模型；设计基于该模型的广义预测控制器以实现多工况的自适应控制。考虑到执行机构的使用寿命，加入区间约束算法，提出并设计带区间约束算法的广义预测控制（GPC）控制器。研究结果表明：与传统的GPC和模型预测控制（MPC）控制器相比，带区间约束的GPC控制器不仅能在变工况时保持较高的脱硝率，而且能显著减少执行器的动作次数，从而提高船舶柴油机SCR脱硝系统的使用寿命。     

船舶柴油机SCR系统尿素喷射控制仿真

选择性催化还原技术(selective catalytic reduction)是一种柴油机尾气排放后处理技术。针对船舶柴油机SCR系统非线性、难以建模以及难以控制的特点,分析系统内部的化学反应,根据能量和质量守恒确定各状态量满足的微分方程,建立SCR系统数学模型,并验证其特性。为了实现SCR系统的控制目标,即保证NH3逃逸量不超过限定值的前提下,尽可能提高NOX转化率,以NH3逃逸量为约束输出,NOX出口浓度为控制输出,氨喷射量为控制变量,设计了非线性模型预测控制器,实时计算系统所需尿素喷射量。实验仿真表明了非线性模型预测控制器的有效性,稳态工况和瞬态工况下NOX转化率分别达到了93.803%和91.760%,NH3逃逸量均低于10ppm ,满足Tier III标准对船舶柴油机尾气氮氧化物排放的限制。     

船舶柴油机尾气后处理SCR技术分析和应用

国际海事组织2008年10月批准了MARPOL附则Ⅵ的修正案,对NOX的排放实施严格限制,航运企业面临严峻的考验。通过对SCR(选择性催化还原)技术在船舶柴油机尾气处理工作原理的阐述,针对四冲程柴油机和二冲程柴油机的SCR系统结构不同,详细分析了SCR系统的工作流程和减排效果,并指出SCR技术的优点及必须重视的问题,预测分析了船舶柴油机应用SCR技术的前景。SCR系统可有效降低船舶NOX的排放量,并满足相关公约的要求,该技术配置在远洋船舶具有较好的应用前景。     

船舶二冲程柴油机SCR系统温度控制分析

针对SCR技术在船舶二冲程柴油机上的应用,分析某船6S46MC-C二冲程柴油机SCR系统的温度控制方法和工作特性。结果表明,扫气旁通法可以使二冲程柴油机不同负荷下的排气温度保持在SCR反应的最佳温度窗口内,有利于SCR系统的运行,可以使船舶二冲程柴油机NOx排放满足Tier III标准。     

基于BP和LSTM组合优化的船舶升沉运动预测

预测船舶升沉运动有助于增强波浪补偿系统的补偿效果,解决补偿系统滞后问题。为提高预测模型的预测精度,提出一种基于误差反向传播（BP）神经网络和长短时记忆（LSTM）神经网络组合优化的船舶升沉运动预测方法。以采用计算流体动力学（CFD）方法获取的船舶在规则波浪作用下的升沉运动和在突发性干扰下的升沉运动为对象,基于PYTORCH框架和LINGO软件,建立以加权方式组合优化BP神经网络和LSTM神经网络的预测模型。研究结果表明,无论是船舶在规则波浪作用下的升沉运动,还是船舶在突发性干扰下的升沉运动,BP-LSTM组合模型的预测精度均高于BP神经网络和LSTM神经网络,有助于提高补偿精度。     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

基于扩展卡尔曼滤波的船舶SCR脱硝系统状态估计

如今，选择性催化还原法(SCR)是船舶尾气脱硝的主流方法。为了实现SCR脱硝系统的闭环控制，准确获取系统各个状态变量的值十分重要。但是其中的氨覆盖率θNH3无法直接用传感器测量，即存在不可测的问题。并且，由于受到实际运行时的噪声影响，NH3和NOx浓度传感器的测量值并不精确。考虑到扩展卡尔曼滤波(EKF)算法能减弱噪声、实现状态变量的最优估计，设计了基于3状态SCR脱硝系统模型的EKF状态观测器。为了考察该观测器的性能，在船舶柴油机排气参数剧烈变化的工况下进行仿真试验。结果表明，该EKF观测器的估计值与参考值的吻合度十分良好。     

柴油机氮氧化物排放预测

为了减少柴油机SCR系统标定的试验量，基于NOx转化效率与氨氮摩尔比之间的关系以及法规中NOx比排放的计算规范，探讨预测发动机ETC测试时NOx比排放的方法，试验结果表明该方法比较准确，可以不通过白架试验获得SCR系统标定的效果。     

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证，备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析，构建一种基于灰色模型的多层前馈（BP）神经网络模型，并采用遗传算法（GA）进行优化。首先对船舶设备备件需求影响因素进行分析，通过灰色模型确定备件需求的关键指标，并将结果作为BP神经网络的输入层，从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现，基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明，使用GA优化可以提高灰色BP神经网络的预测精度，为船舶维修备件需求预测提供了一种新思路。     

某船用柴油机SCR系统匹配性能试验分析

针对某船用柴油机,在D2试验循环模式下进行原机和加装SCR系统后的性能对比试验,分析SCR反应器在无尿素喷射时对柴油机排气特性和经济性的影响,同时还分析按氮氨比为1∶1进行尿素喷射时SCR系统的工作性能。试验结果表明:柴油机安装SCR系统后,排气背压和排气温度均有所上升;经济性略有下降,额定工况下降低幅度在1%左右;虽然增压器后NOX排气浓度增大,但NOX质量流量下降幅度较大,额定工况下降幅度为12.3%,尿素基本喷射量标定计算应以加装SCR反应器后的柴油机排气参数为依据;NOX加权比排放由原机的12.63 g/k Wh降低到11.52 g/k Wh,降低了8.7%。按氮氨比为1∶1的比例进行尿素喷射时,SCR系统能满足Tire III的NOX排放限值要求。研究结果可为SCR系统设计和尿素喷射量的标定提供一定的指导依据。     

选择性催化还原技术在多功能水下作业支持船上的应用

氮氧化物(NOX)是船舶柴油机排放废气中危害环境的主要成分。通过研究船舶废气NOX的形成机理,结合当前国际海事组织的最新公约要求,对现有船舶柴油机NOX排放控制技术的效果进行对比,探讨选择性催化还原技术在多功能水下作业支持船上加以应用的方案,总结出选择性催化还原系统在设计与实船应用中值得关注的关键技术。     

船舶柴油机SCR技术经济性分析

利用具体数据对选择性催化还原技术的经济性进行分析,从而证明SCR技术不仅能有效减少船舶柴油机氮氧化物的排放,而且在消耗费用上也非常乐观。     

船舶管件加工智能生产线的设计与实现

传统管件加工车间依靠工人进行劳动密集型加工、储运,对生产过程数据和质量数据缺乏必要的管控手段和技术。通过梳理工艺流程,并将智能制造理念与传统管件加工生产线现有的制造模式深度融合,设计一条面向中小管件柔性加工的管法兰焊接加工无人生产线。通过现场运行调试,实现管法兰焊接生产线的可靠、稳定运行,提高焊接质量和生产效率,满足企业的预期要求。     

基于PSO-BP神经网络的船体分段任务包工时定额模型

为解决船体分段任务包工时定额的计算过度依赖线性公式而忽略工时定额与工艺参数之间的非线性关系的问题,提高工时定额计算的效率和精确度,将PSO-BP神经网络技术应用到船体分段任务包工时定额中。通过对影响船体分段中间产品额定工时的工艺参数进行分析,建立多输入单输出的PSO-BP神经网络模型,并应用实际数据对PSO-BP神经网络进行训练,测试仿真结果与实际值之间的误差在允许范围内。验证结果表明,采用PSO-BP神经网络建立船体分段任务包工时定额模型,能对任务包作业工时进行准确预测。     

某船用柴油机SCR系统混合器结构参数仿真优化

在某船用柴油机SCR反应器及尿素喷射系统结构参数优化的基础上,建立SCR混合器三维仿真模型,研究SCR混合器叶片角度和安装位置对SCR系统的混合均匀性、压力损失、NH₃逃逸、NOx转化率的影响。仿真结果表明：混合器叶片角度为15°、安装位置离喷嘴下游75mm时,可使催化剂进口截面的NH₃分布均匀性系数提高4.5%,NOx转化率提高6%。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

辐射沙洲潮流水道悬沙动力关系BP神经网络模拟研究

根据江苏辐射沙洲东大港水道4^#站位连续2个潮周期的流速、含沙量及水深的时序测量资料，取时序测量（计算）数据中的前21组数据为学习样本，后5组数据为检验样本，建立了该潮流水道的4种输沙BP神经网络动力模型。验证表明，运用BP神经网络模型可以建立精度较高的水体含沙量非线性动力关系，并可利用建立模型进行相应问题的预测计算。