首页期刊导航|北京化工大学学报(自然科学版)
期刊信息/Journal information
北京化工大学学报(自然科学版)
北京化工大学学报(自然科学版)

汪文川

双月刊

1671-4628

bhxbzr@126.com

010-64434926

100029

北京市北三环东路15号

北京化工大学学报(自然科学版)/Journal Journal of Beijing University of Chemical Technology(Natural Science Edition)CSCD北大核心CSTPCD
查看更多>>《北京化工大学学报(自然科学版)》是由北京化工大学主办的自然科学类学术期刊,刊登自然科学和工程技术方面的创新性学术论文和科研成果简报,主要涉及的专业包括化学工程、生命科学与技术工程、材料科学与工程、机械工程,应用化学、数学等。面向国内外公开发行。本刊曾多次获得国家级、部级优秀期刊奖,历年来被多家国内外知名文摘或数据库收录,现诚征与上述专业相关的稿件,并优先刊登获得省部、国家级基金资助项目的优秀稿件。
正式出版
收录年代

    复杂动态负荷幅度域波形模态聚类与电能表误差敏感特征

    王学伟顾鹏婷袁瑞铭李文文...
    92-100页
    查看更多>>摘要:针对复杂动态负荷游程波形模态及引起电能表误差的典型特征认识不足的问题,首先提出动态电流信号幅度域游程波形模态提取算法,提取了多种幅度域毫秒级小颗粒度游程波形模态;其次,提出LK-Shape游程波形模态聚类算法,提取了动态电流信号幅度域的6 类典型游程波形模态及其快速变化特征;最后,提出导致电能表超差的两种敏感游程波形模态,并通过实验验证了该游程波形模态适于测试电能表误差,表明了所提方法的有效性和实用性.

    动态电能计量波形模态聚类波形特征提取信号典型特征信号敏感特征

    基于FA-ISSA-PPR模型的旋风分离器分离效率预测

    汤鸿宇仲谦邹明
    101-109页
    查看更多>>摘要:旋风分离器是气田开发中常用的气固分离设备,准确预测旋风分离器的分离效率对于指导其结构设计和方法优化具有重要意义.在对数据集进行相关性分析的基础上,采用因子分析(factor analysis,FA)简化变量,降低预测模型的复杂程度,利用改进的樽海鞘群算法(improved salp swarm algorithm,ISSA)对投影寻踪(projection pursuit regression,PPR)的模型参数进行优化,形成FA-ISSA-PPR组合模型.结果表明,利用FA模型,原数据集的 10 个变量可以简化合并为4 个公因子,分别代表尺寸参数、颗粒沉降特性、粒子运行轨迹和等效分割粒径对分离效率的影响;与半经验模型和其余机器学习模型相比,组合模型在预测精度和训练时间上具有一定的优越性,在测试样本上的平均绝对误差(MAE)为0.00591,R2可达0.995,证明了其在小样本、非线性数据分析上的准确性、鲁棒性和泛化性.

    因子分析(FA)樽海鞘群算法(SSA)投影寻踪(PPR)旋风分离器分离效率

    含错边焊缝缺陷弯管气固两相流冲蚀磨损研究

    谭冬梅甘沁霖陶雨段嘉仪...
    110-120页
    查看更多>>摘要:在天然气输送系统中,当考虑弯管焊接缺陷时,结构特征差异导致的流场变化会使弯管产生不同的冲蚀特性.采用Computational Fluid Dynamics-Discrete Phase Model(CFD-DPM)方法研究不同颗粒参数、弯管导向、缺陷高度及颗粒入射角度下无错边焊缝弯管、外错边焊缝弯管、内错边焊缝弯管的介质流态特征与冲蚀规律.研究结果表明:(1)气体在弯管部位出现二次流动现象,速度分布出现扭曲,其中外错边焊缝弯管速度分布曲线扭曲幅度大,二次流作用效应最明显;(2)流体速度对冲蚀速率的影响最大,两者呈幂指数函数关系,质量流量次之,与冲蚀速率呈线性函数关系,颗粒粒径的影响最小,与冲蚀速率近似呈线性函数关系;(3)外错边焊缝弯管会在弯头处形成第二冲蚀磨损严重区域,而内错边焊缝与无错边焊缝弯管冲蚀效果相似,均只有1 个冲蚀严重区域;(4)当流体在竖直管流向一致时,"H-V"导向弯管最大冲蚀速率均大于"V-H"导向弯管,在不同弯管导向下外错边焊缝弯管冲蚀速率最大;(5)弯管最外侧最大磨损位置随着错边高度发生变化,在一定高度下会使弯头内壁形成第二冲蚀磨损严重区域,且错边高度越大,弯头最外侧所受冲蚀速率越大;(6)颗粒的入射角度会影响弯管的冲蚀效应,其影响程度需结合入口直管长度与颗粒运动状态分析.

    焊缝错边缺陷气固两相流冲蚀磨损固体颗粒弯管导向入射角度

    基于CNN-LSTM-LOF的过程故障预测模型

    程志磊章国宝黄永明
    121-127页
    查看更多>>摘要:在现代工业过程中,故障预测可以及时预测设备的潜在故障,减少事故的发生以及降低经济损失,因此故障预测对于过程系统至关重要.由于过程系统的复杂性以及运行数据集分布不均,使用正常数据集离线预测运行状态的方法没有较好的泛用性,且不太准确.针对以上问题,将卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合,用于提取设备运行数据的特征,在线预测之后的运行状态;随后将预测结果送入在离线状态下训练好的局部异常因子(LOF)模型中,计算预测出时间序列的异常值;最后将异常值与离线状态下训练出的故障阈值进行比较,大于阈值则认为存在潜在故障.将模型用于田纳西-伊斯曼(TE)时间序列进行验证,并与传统的故障预测方法进行比较,实验结果表明:本文所提模型对于多故障以及单故障预测相比传统故障预测方法均具有更好的效果,可以提前1 个采样窗口检测到数据异常,有应用于工业故障预测的潜力.

    故障预测田纳西-伊斯曼过程长短期记忆局部异常因子算法卷积神经网络

    一种具有随机单向变异的基于小波框架的奇点集检测图像去噪算法

    王鸿崔丽鸿孙海禄
    128-134页
    查看更多>>摘要:在图像恢复过程中,奇点集检测结果的准确性很大程度上会受到噪声的干扰,并且在其检测的迭代过程中易陷入局部最优.利用随机全局搜索的思想,借鉴遗传算法的变异操作,提出一种基于小波框架的具有随机单向变异操作的奇点集检测图像去噪算法,在保证图像恢复效果的同时,极大缩短了运算时间.最后通过实验验证了该算法的有效性.

    图像恢复奇点集检测随机全局搜索单向变异小波框架