- 屋頂風(fēng)機(jī)240cm屋頂風(fēng)機(jī)83cm
- 145cm負(fù)壓風(fēng)機(jī)54寸玻璃鋼風(fēng)機(jī)
- 120cm負(fù)壓風(fēng)機(jī)46寸玻璃鋼風(fēng)機(jī)
- 100cm負(fù)壓風(fēng)機(jī)36寸玻璃鋼風(fēng)機(jī)
- 90cm負(fù)壓風(fēng)機(jī)32寸玻璃鋼風(fēng)機(jī)
- 75cm負(fù)壓風(fēng)機(jī)28寸玻璃鋼風(fēng)機(jī)
- 地溝風(fēng)機(jī)畜牧風(fēng)機(jī)
- 冷風(fēng)機(jī)/環(huán)?照{(diào)/移動(dòng)冷風(fēng)機(jī)
- 塑料水簾/紙水簾
- 玻璃鋼風(fēng)機(jī)外框|風(fēng)機(jī)風(fēng)葉加工
負(fù)壓通風(fēng)機(jī)鍋爐烘爐、煮爐、漏風(fēng)試驗(yàn)、沖管等詳細(xì)知識(shí)闡述利用神
目錄
1、烘爐
2、煮爐
3、漏風(fēng)實(shí)驗(yàn)
4、沖管
5、蒸汽周密性實(shí)驗(yàn)
6、平安閥調(diào)整
7、試運(yùn)行
前言
汽鍋本體安裝竣事,進(jìn)進(jìn)烘煮爐階段亦即汽鍋已基本進(jìn)進(jìn)了最后的調(diào)試階段。為確保汽鍋調(diào)試順?biāo)爝M(jìn)行,并確保汽鍋未來的運(yùn)行質(zhì)量,特制定此方案,供調(diào)試中參照?qǐng)?zhí)行。同時(shí),建設(shè)單元及安裝單元會(huì)同汽鍋廠及其他協(xié)作單元,成立汽鍋啟動(dòng)驗(yàn)收小組負(fù)責(zé)汽鍋的啟動(dòng)、調(diào)試、試運(yùn)行的組織向?qū)Чぷ鳌R员WC政令貫通,各工種職責(zé)分明,相互協(xié)作,相互配合,確保啟動(dòng)調(diào)試工作的順?biāo)爝M(jìn)行。確保汽鍋如期順?biāo)臁?yōu)質(zhì)的完工投產(chǎn)。
1、烘爐
1、烘爐的:目的:
由于新安裝的汽鍋,在爐墻材料中及砌筑進(jìn)程中吸收了年夜量的水份,如與高溫?zé)煔饨佑|,則爐墻中含有的水份由于溫差過年夜,急劇蒸發(fā),發(fā)生年夜量的蒸汽,進(jìn)二由于蒸汽的急劇膨脹,使?fàn)t墻變形、開裂。所以,新安裝的汽鍋在正式投產(chǎn)前,必需對(duì)爐墻進(jìn)行緩慢烘爐,使?fàn)t墻中的水份緩慢逸出,確保爐墻熱態(tài)運(yùn)行的質(zhì)量。
2、烘爐應(yīng)具有的條件:
2.1、汽鍋管路已全數(shù)安裝終了,水壓實(shí)驗(yàn)及格。
2.2、爐墻砌筑及保溫工作已全數(shù)竣事,并已驗(yàn)收及格。
2.3、煙風(fēng)道都已安裝終了,保溫竣事,送引風(fēng)機(jī)均已安裝調(diào)試及格,能投進(jìn)運(yùn)行。
2.4、烘爐所需的熱工電氣儀表均已安裝,并校驗(yàn)及格。
2.5、已安劃定要求,在過熱器中部?jī)蓚?cè)放置了灰漿拌。
2.6、烘爐用的木料、柴油、煤碳及各類工具(包括檢查、現(xiàn)場(chǎng)照明等)都已準(zhǔn)備終了。
2.7、烘爐用的舉措措施全數(shù)安裝好,并將與烘爐無關(guān)的其它姑且舉措措施全數(shù)撤除,場(chǎng)地清算清潔。
2.8、烘爐人員都已過培訓(xùn)及格,并排列值班表,按要求,準(zhǔn)時(shí)到崗。
3、烘爐工藝:
(1).憑據(jù)本汽鍋的結(jié)構(gòu)特點(diǎn)可采用火焰烘爐方式。
、僭谌紵抑胁慷鸭芤,點(diǎn)燃后使火焰連結(jié)在中央,哄騙自然透風(fēng)保小火,燃燒維持2~3天,火勢(shì)由弱慢慢加年夜。
②第一天爐膛出口排煙溫度應(yīng)低于50℃,以后天天溫升不跨越20℃,未期最高溫度<220℃,保溫2~3天。
、酆鏍t后期約7~12天改成燃油烘爐,點(diǎn)燃油槍前必需啟動(dòng)送引風(fēng)機(jī)。連結(jié)爐膛燃燒室負(fù)壓要求。
、芎鏍t時(shí)間以14~16天,竣事燃燒停爐。
、菟袩煖鼐赃^熱器后的煙溫為準(zhǔn)。
、薏僮魅藛T每隔2小時(shí)記實(shí)一次煙溫,嚴(yán)酷按要求控制煙溫確保烘爐質(zhì)量。
(2)、烘爐的具體操作:
摘要:提出用神經(jīng)網(wǎng)絡(luò)方式解決地形面的曲面機(jī)關(guān)問題,在backpropagation(簡(jiǎn)稱bp)算法的根蒂根基上,吸收了模擬退火算法的優(yōu)點(diǎn),神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)按幾率隨機(jī)接受一個(gè)不成功訓(xùn)練值的方式,解決了bp算法容易墮入局部極小點(diǎn)的問題。經(jīng)由過程對(duì)黃河下流河灘地形面的模擬證實(shí),此方式可解決地形面的曲面機(jī)關(guān)問題。
關(guān)頭詞:地形面自由曲面神經(jīng)網(wǎng)絡(luò)bp算法模擬退火
1引言
在水利及土木匠程中經(jīng)常會(huì)遇到地形面,地形面是典型的空間自由曲面,地形面在給出時(shí),往往只給出一些反映地形、地貌特征的離散點(diǎn),而沒法給出描寫地形面的曲面方程。然而有時(shí)需要對(duì)地形面進(jìn)行描寫,或當(dāng)給出的地形面的點(diǎn)不完整時(shí),需要插補(bǔ)出合理的點(diǎn)。以往年夜多用最小二乘法或其它曲面擬合方式如三次參數(shù)樣條曲面、bezier曲面或非平均有理b樣條曲面等,這些擬合方式的錯(cuò)誤謬誤是:型值點(diǎn)一旦給定,就不能更改,否則必需重新機(jī)關(guān)表達(dá)函數(shù);在機(jī)關(guān)曲線曲率變化較年夜或型值點(diǎn)奇異時(shí),容易發(fā)生畸變,有時(shí)需要工錢干涉干與;此外,這些方式對(duì)數(shù)據(jù)花式都有要求。
神經(jīng)網(wǎng)絡(luò)技術(shù)借用基于人類智能(如學(xué)習(xí)和自順應(yīng))的模子、模糊技術(shù)方式,哄騙人類的模糊思想來求解問題,在許多領(lǐng)域優(yōu)于傳統(tǒng)技術(shù)。用神經(jīng)網(wǎng)絡(luò)進(jìn)行地形面機(jī)關(guān),只要丈量有限個(gè)點(diǎn)(可所以無序的),不需要其它更多的地形面信息和曲面常識(shí),當(dāng)?shù)匦蚊鎻?fù)雜或是丈量數(shù)據(jù)不完整時(shí),用神經(jīng)網(wǎng)絡(luò)方式更具優(yōu)勢(shì),而且還可以自動(dòng)處置型值點(diǎn)奇異情況。
本文提出用bp神經(jīng)網(wǎng)絡(luò)連系模擬退火算法進(jìn)行地形面的曲面機(jī)關(guān)。
2模子與算法的選擇
為了對(duì)地形面進(jìn)行曲面機(jī)關(guān),首先要有一些用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的初始樣本點(diǎn),對(duì)所建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練,學(xué)習(xí)訓(xùn)練的本質(zhì)就是經(jīng)由過程改變網(wǎng)絡(luò)神經(jīng)元之間的毗連權(quán)值,使網(wǎng)絡(luò)能將樣本集的內(nèi)在以聯(lián)絡(luò)權(quán)矩陣的方式存儲(chǔ)起來,從而具有完成某些特殊使命的能力。權(quán)值的改變依據(jù)是樣本點(diǎn)訓(xùn)練時(shí)發(fā)生的現(xiàn)實(shí)輸出和期看輸出間的誤差,按一定方式來調(diào)整網(wǎng)絡(luò)權(quán)值,使誤差逐漸削減,當(dāng)誤差降到給定的范圍內(nèi),就可認(rèn)為學(xué)習(xí)竣事,學(xué)習(xí)竣事后,神經(jīng)網(wǎng)絡(luò)模子就可用于地形面的機(jī)關(guān)。
bp網(wǎng)是一種單向傳布的多層前向網(wǎng)絡(luò)。網(wǎng)絡(luò)除輸進(jìn)輸出節(jié)點(diǎn)外,還有一層或多層的隱層節(jié)點(diǎn),同層節(jié)點(diǎn)中沒有任何耦合。輸進(jìn)旌旗燈號(hào)從輸進(jìn)層節(jié)點(diǎn)依次傳過各隱層節(jié)點(diǎn),然后傳到輸出節(jié)點(diǎn),每層節(jié)點(diǎn)的輸出只影響下一層節(jié)點(diǎn)的輸出。其節(jié)點(diǎn)單元傳遞函數(shù)凡是為sigmoid型。bp算法使神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中一種普遍采用的學(xué)習(xí)算法,具有簡(jiǎn)單、有用、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。但由于bp算法是一種非線性優(yōu)化方式,是以有可能會(huì)墮入局部極小點(diǎn),沒法獲得預(yù)期成效,為解決bp算法的這一錯(cuò)誤謬誤,本文將模擬退火算法連系到bp算法中。
模擬退火算法是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中另外一種被普遍采用的一種學(xué)習(xí)算法。它的基本動(dòng)身點(diǎn)就是金屬的退火進(jìn)程和一般組合優(yōu)化問題之間的相似性。在金屬熱加工進(jìn)程中,要想使固體金屬到達(dá)低能態(tài)的晶格,需要將金屬升溫融化,使其到達(dá)高能態(tài),然后慢慢降溫,使其凝固。若在凝固點(diǎn)四周,溫度降速足夠慢,則金屬一定可以形成最低能態(tài)。對(duì)優(yōu)化問題來說,它也有類似的進(jìn)程,它的解空間中的每個(gè)點(diǎn)都代表一個(gè)解,每一個(gè)解都有自己的方針函數(shù),優(yōu)化現(xiàn)實(shí)上就是在解空間中尋覓方針函數(shù)使其到達(dá)最小或最年夜解。
(若是將網(wǎng)絡(luò)的訓(xùn)練看成是讓網(wǎng)絡(luò)尋覓最低能量狀態(tài)的進(jìn)程,取網(wǎng)絡(luò)的方針函數(shù)為它的能量函數(shù),再界說一個(gè)初值較年夜的數(shù)為人工溫度t。同時(shí),在網(wǎng)絡(luò)的這個(gè)訓(xùn)練進(jìn)程中,依據(jù)網(wǎng)絡(luò)的能量和溫度來決議聯(lián)絡(luò)權(quán)的調(diào)整量(稱為步長(zhǎng))。這類做法與金屬的退火進(jìn)程很是相似,所以被稱為模擬退火算法。)
模擬退火算法用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基本思想是,神經(jīng)網(wǎng)絡(luò)的毗連權(quán)值w可看做物體工程內(nèi)的微觀狀態(tài),網(wǎng)絡(luò)現(xiàn)實(shí)輸出和期看輸出的誤差e可看做物體的內(nèi)能,對(duì)網(wǎng)絡(luò)訓(xùn)練的目的就是找到恰當(dāng)?shù)臓顟B(tài)w使其內(nèi)能e最小,是以設(shè)置一個(gè)參數(shù)t來類比退火溫度,然后在溫度t下計(jì)較當(dāng)前神經(jīng)網(wǎng)絡(luò)的e與上次訓(xùn)練的e的差△e,按幾率exp(-△e/t)來接受訓(xùn)練權(quán)值,減小溫度t,這樣重復(fù)屢次,只要t下降足夠慢,且t→0,則網(wǎng)絡(luò)一定會(huì)穩(wěn)定在最小的狀態(tài)。
模擬退火算法雖然可以到達(dá)全局最優(yōu),但需要較長(zhǎng)時(shí)間,bp算法采用梯度下降方式使收斂速度相對(duì)較快。為揚(yáng)長(zhǎng)避短,我們將兩種算法連系起來,采用bp算法的梯度快速下降方式,同時(shí)哄騙模擬退火算法技術(shù)按幾率隨機(jī)接受一個(gè)不成功的訓(xùn)練成效,使梯度快速下降進(jìn)程發(fā)生一些隨機(jī)噪聲擾動(dòng),從而既保證了網(wǎng)絡(luò)訓(xùn)練的快速度下降,又保證了訓(xùn)練成效的最優(yōu)性。4計(jì)較實(shí)例
為了檢驗(yàn)本文算法的有用性,我們用本文算法對(duì)黃河下流河灘地形面進(jìn)行曲面機(jī)關(guān),地形面數(shù)據(jù)按截面給出,我們用奇數(shù)截面上的點(diǎn)為學(xué)習(xí)樣本,偶數(shù)截面上的點(diǎn)用于檢驗(yàn)本算法的精度.表1給出了丈量值z(mì)1與本文算法計(jì)較成效z2,z2為本算法經(jīng)過年夜約3500次迭代的成效.由這些數(shù)據(jù)可以看出,本文算法計(jì)較出的值與丈量值的誤差年夜約在0.02左右.完全可以知足現(xiàn)實(shí)工程要求的精度.
5結(jié)語
用神經(jīng)網(wǎng)絡(luò)進(jìn)行地形面的曲面機(jī)關(guān),沒必要求出曲面的方程,只需知道有限個(gè)點(diǎn)即可,而且這些點(diǎn)可所以散亂點(diǎn).與傳統(tǒng)方式相比,神經(jīng)網(wǎng)絡(luò)方式具有很強(qiáng)的靈活性.
本文將bp算法和模擬退火算法連系起來,解決了bp算法容易墮入局部極小的致命錯(cuò)誤謬誤.但依然沒有解決bp算法收斂速度慢的錯(cuò)誤謬誤.
neuralnetworkmethodtoconstructterrainsurface
abstract
thispaperpresentsanartificialneuralnetworkapproachtosolvetheproblemofterrainsurfaceconstruction.thismethodtakesadvantageoftheglobalminimumpropertyofsimulatedprocedureonthebasisofbpalgorithm,thuscanjumpoutofthelocalminimumandconvergetotheglobalminimum..thismethodwerevalidatedbysimulatingbottomlandterrainofyellowriver.
keywords:terrainsurface;freeformsurface;neuralnetwork;bpalgorithm;simulatedannealing
參考文獻(xiàn)
[1]王鎧,張彩明.重建自由曲面的神經(jīng)網(wǎng)絡(luò)算法[j].計(jì)較機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),1998,10(3):193-199
[2]gup,yanx.neuralnetworkapproachtothereconstructionoffreeformsurfacesforreverseengineering[j].computer-aideddesign.1995,27(1):59-64
[3]閻普通,張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)較[m].北京:清華年夜學(xué)出書社,2000
3網(wǎng)絡(luò)結(jié)構(gòu)與學(xué)習(xí)算法3.1網(wǎng)絡(luò)結(jié)構(gòu)
若何選擇網(wǎng)絡(luò)的隱層數(shù)和節(jié)點(diǎn)數(shù),還沒有確切的方式和理論,凡是憑經(jīng)驗(yàn)和實(shí)驗(yàn)拔取。本文彩用的bp網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,輸進(jìn)層兩個(gè)節(jié)點(diǎn),劃分輸進(jìn)點(diǎn)的x坐標(biāo)和y坐標(biāo);兩層隱層,每層10個(gè)節(jié)點(diǎn),輸出層一個(gè)節(jié)點(diǎn),輸出點(diǎn)的z坐標(biāo)。
3.2學(xué)習(xí)算法
學(xué)習(xí)算法的具體進(jìn)程以下:
其中out_node為輸出神經(jīng)元糾合.
負(fù)壓排風(fēng)機(jī)
河北負(fù)壓風(fēng)機(jī)價(jià)格
豬場(chǎng)水簾維修
相關(guān)的主題文章: