基于模型预测控制的双机组混合动力船舶能量管理研究

[目的]船舶柴电混合动力系统合理分配柴油机和电机输出功率,可大幅降低油耗和排放。针对传统混合动力能量管理策略的性能最优与运算实时的矛盾,提出采用模型预测控制（MPC）进行能量管理瞬时优化。[方法]首先,利用反向建模法搭建由双柴油发电机组、储能系统、岸电组成的客渡船混合动力系统能量流模型;然后,提出以油耗和电能消耗的总温室气体（GHG）排放为目标函数,在系统约束条件下可在线滚动优化求解的MPC能量管理算法,最终进一步进行了不同预测时域长度的灵敏度分析。[结果]仿真结果表明,MPC较传统规则控制方法可分别降低4.85%的燃油消耗量和3.54%的温室气体总排放。[结论]相比于传统的规则控制策略,MPC油耗低,温室气体排放少,且计算负荷较小,具有良好的实船应用潜力。     

碳捕捉系统在超大型气体运输船上的应用

针对LPG双燃料低速机驱动的超大型气体运输船进行配置船用碳捕捉系统可行性研究,完成EEDI计算方法研究、有效二氧化碳捕捉量分析、碳捕捉系统方案设计、装船方案设计以及对船舶设计的影响分析等,并基于碳税价格对于超大型气体运输船配置碳捕捉系统的经济性进行分析。     

基于PCA-SVM的远程路面凝冰预警系统

路面凝冰导致路面摩擦系数减小,极易引发交通事故。针对易结冰路段的行车效率和安全问题,设计了一种基于PCA-SVM的远程路面凝冰预警系统。首先,分析了凝冰预测系统的功能需求,设计并搭建了一种凝冰预警系统的软硬件框架;其次,利用主成分分析法(Principal Component Analysis, PCA)分析影响路面凝冰的气象因素,并选择主要的影响因素构建支持向量机(Support Vector Machine, SVM)凝冰预测模型,提出了一种路面凝冰预测算法;在此基础上,利用B/S架构与物联网通信机制实现了远程路面的凝冰预警系统,通过采集交通气象信息与路面状态信息,完成路面凝冰预测及预警信息发布。最后,对远程路面凝冰预警系统进行了测试与应用。     

LXK系列催化元件的稳定性

催化元件是国内外最常用的易燃易爆气体定量检测元件,其研究对保障煤矿,石油化工,城市燃气等行业的安全生产具有重要意义。催化元件最重要的性能是稳定性。本文重点研究了LXK系列催化元件的稳定性,包括快速回零特性和快速响应特性,长期储存特性,温度特性,长期稳定性,并提出了一种评价催化元件性能的新方法－氧化稳定性和还原稳定性,这种方法能够弥补当前国内标准的不足,可有效提高催化元件的质量。     

船用隐极无刷发电机混合通风和温度场仿真计算研究

该文针对船用隐极发电机混合通风风路的结构。建立多元二次非线性回路压降方程组,引入函数风阻使之降幂成为多元一次非线性方程组,以解算出各等效风路的空气流量;引入气体热流,构造非线性节点热流方程组,以解算出求解域中各节点的温度。     

多指标评估体系的主成分分析及应用实例

以地区限额以上工业主要评价指标体系为例，讨论了主成分分析在多指标评估体系中的应用，显示了主成分分析在简化指标体系、突出主要因素方面的作用。     

基于K近邻与主成分分析的短时交通流预测

为有效预测高速公路短时交通流,提出一种将K近邻(KNN)法和主成分分析(PCA)法相结合的KNN-PCA法。工作流程为:1)采用KNN法筛选出与当前状态相似的多条交通流(即近邻); 2)将所有相似交通流延拓至待预测时刻,并将其表达为矩阵形式后进行PCA以得到主成分; 3)将当前交通流延拓至预测时刻并将其表达为少数起主要贡献主成分的线性组合; 4)采用最小二乘法直接得到这些主成分的组合系数估计值; 5)基于组合系数估计值,将这些主成分再次线性组合后,直接提取预测时刻的交通量。基于高速公路实测交通流进行数据分析,应用结果表明,KNN-PCA法原理清晰,计算简单,具有良好的预测能力,能很好地预测短时交通流的变化趋势。     

气体辅助注射成型技术在汽车注塑件生产中的应用

介绍了气体辅助注射成型技术的基本原理和工艺特点,以捷达轿车保险杠和解放载货车把手件为例,说明了气辅技术在汽车注塑件生产中的具体应用。     

我国节能与新能源汽车发展战略与对策

1我国面临的挑战和机遇1·1交通能源与环境问题是21世纪全球面临的重大挑战,对我国尤为严峻。目前世界汽车保有量约8亿辆,预计到2020年全球汽车保有量将达到12亿辆,主要增幅来自发展中国家。国际能源机构(IEA)的统计数据表明,2001年全球57%的石油消费在交通领域(其中美国占到67     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.