机械合金化FeS/Cu复合材料的摩擦磨损性能

以FeS和CuSn8Ni1粉末为原料，利用机械合金化技术和粉末冶金技术制备了FeS/Cu复合材料，探讨了不同载荷情况下所制备的FeS/Cu复合材料的摩擦学性能及润滑膜与转移膜特征。结果表明：机械合金化提高了FeS与铜合金基体界面结合性能，进而提高了材料减摩耐磨性能；当载荷较小时，摩擦副表面接触不稳定，复合转移膜不连续，摩擦因数波动大；载荷较大时，复合转移膜易破损，材料的减摩耐磨性能变差；当载荷为150 N时，载荷适宜，材料表面软化，复合转移膜更加完整，摩擦因数较小。     

三氯乙酸终止液对木瓜蛋白酶酶活测定的影响研究

本实验研究了不同的三氯乙酸终止液,对木瓜蛋白酶酶活的影响。通过使用两种检测方法,不同配方的三氯乙酸终止液进行实验。结果表明,使用两种不同配方的三氯乙酸终止液所得的结果相差2倍多。用不同稀释浓度的三氯乙酸终止液,在高浓度时,不同浓度的三氯乙酸终止液得到的结果差别很大,随着三氯乙酸浓度的降低,所测得的酶活不断升高;但是在低浓度时,不同浓度的三氯乙酸终止液得到的结果差别不大。     

定距螺旋桨对船用主机外特性的要求分析

为解决定距螺旋桨与船用主机在船舶运行工况的机桨匹配问题,结合船舶系泊和航行试验的相关标准,分析和归纳船舶运行数据,将实船测试与船机桨匹配理论计算相结合,得出运输船和拖轮在常用工况及特殊工况下定距螺旋桨对主机外特性的定量要求,为配套不同细分市场时船用主机的优化和开发提供参考依据。     

床温及SNCR脱硝对CFB锅炉NOx和N2O排放影响的试验研究

为了研究循环流化床（CFB）锅炉燃用无烟煤时床温及选择性非催化还原（SNCR）脱硝对于NO和N2O排放的影响，在1 MW CFB试验装置上开展了试验研究。结果表明:床温由880 ℃提高到970 ℃，NO排放质量浓度由119.5 mg/m3上升到226.0 mg/m3，N2O排放质量浓度由216.0 mg/m3降低到102.2 mg/m3；在氨氮摩尔比（NSR）为0~3.7之间，随着NSR的提高，脱硝效率从0上升到50.72%；进一步提高NSR到5.2，脱硝效率升至53.61%，增加较为缓慢；随着NSR从0提高到1.7，N2O排放质量浓度由84.3 mg/m3上升至118.3 mg/m3，增长较为缓慢；进一步提高NSR至2.0，N2O排放质量浓度上升至187.7 mg/m3，增长速度提高；继续提高NSR至5.2，N2O排放质量浓度上升至381.4 mg/m3；CFB锅炉采用以尿素为还原剂的SNCR脱硝工艺时，单纯通过加大NSR来提高脱硝效率不仅效果有限，过量喷入的还原剂会造成N2O排放量的显著提高。     

应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

卷取机前夹送辊不同驱动方式的夹送力对比分析

文章针对有色金属加工生产机组中卷取机前夹送辊驱动方式的不同,对夹送辊的结构和驱动力矩做对比分析,同时进行理论设计计算,供设计参考使用。     

平板集热器(倾角)变化工况数值模拟

运用FLUENT数值模拟软件分析了平板集热器(倾角)变化对集热器传热特性的影响,保证其结构参数不变,通过对5组不同倾角(0°、30°、45°、60°、75°)的数值模型进行非稳态模拟,对模拟数据进行分析,得出了平板集热器不同倾角对集热器传热性能变化的影响。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。