超临界二氧化碳和醇类体系的相平衡计算

应用Peng-Robinson(P-R)状态方程对超临界CO2系统进行了相平衡模拟。对超临界CO2和醇类二元系统进行了汽液相平衡计算,结果表明,P-R状态方程模拟高压下CO2系统的相平衡具有较高的精度。     

厌氧/好氧生物流化床耦合处理垃圾渗滤液的新工艺研究

采用厌氧/好氧生物流化床耦合工艺处理垃圾渗滤液。探索了厌氧/好氧的耦合及各种工艺操作条件对垃圾渗滤液生物降解效率的影响,并对其影响机理进行了初步的探讨。结果表明,经过高效厌氧流化床的处理, 垃圾渗滤液的可生化性可提高49.1%。CODCr/NH4+-N比值对渗滤液好氧生物降解性能有较显著的影响,适宜的CODCr/NH4+-N比值应控制在7.6左右。当进水CODCr及NH4+-N浓度分别为5000mgL-1、280mgL-1左右时,系统出水主要指标达到GB16889-1997一级排放标准。当系统受到短时间(12h左右)超过正常运行负荷约3倍的负荷冲击时,能在4d左右的时间内恢复正常。本研究为垃圾渗滤液的治理提供了新的解决方案。     

多交叉混沌选择反向小生境遗传算法

为提高小生境遗传算法的全局以及局部搜索能力,提出一种多交叉混沌选择反向小生境遗传算法。利用分段线性混沌映射函数生成一组混沌数序列,在每次进行交叉操作前,依据序列中对应元素的数值大小选择不同的交叉算子进行操作,通过小生境遗传算法产生较优的子代种群。针对子代种群,应用反向搜索策略获得反向种群,在子代种群和反向种群中进行精英选择得到最终新种群,以进一步加强算法的局部寻优能力。仿真实验结果表明,该算法在最优解及均值方面好于小生境遗传算法,从而证明其可行性和优越性。     

超临界流体与膜过程的耦合技术

介绍了超临界流体与膜过程的耦合技术的研究进展和最新研究成果。将超临界CO_2萃取与纳滤过程相耦合,可以不经历压力、温度和相变循环而使CO_2循环利用,从而降低过程能耗、减小操作费用。将纳滤过程与超临界CO_2萃取相耦合,可以对萃取收率和选择性独立调控,使它们分别达到最佳值,从而实现对萃取物在高收率条件下达到精细分离的目的。将超临界CO_2引入高粘性液体的超滤过程,会在不提高温度和无需引入化学剂的情况下,大大降低流体粘度、增大透过流率、提高过滤效率、减小过程能耗,同时也有利于环境保护、提高产品质量。     

改进的并行快速排序

排序是计算机内一类很耗时的问题,快速排序是众多排序方式中相对较省时的算法,但当数据量大时,其耗时还是惊人的。为了解决大数据快速排序耗时的问题,论文在常用的快速排序并行方法的基础上,给出了一种改进方法,使其在时间复杂度上有明显的改进。     

中药植物战骨总黄酮的提取

用传统索氏提取法及现代提取方法——微波萃取法、超声波萃取法、内部汽化法4种不同的提取方法对战骨中的总黄酮进行了提取工艺研究。采用上述4种方法对战骨中总黄酮进行提取,并进行了后3种方法的L9(34)正交设计性实验。测定了以上4种方法的战骨提取液的总黄酮含量及回收率,并将后3种方法与索氏提取法进行比较。结果表明,微波萃取法、超声波萃取法、内部汽化法的最优方案的收率分别为2.07%,1.90%,1.78%,平均回收率分别为100.60%,105.12%,99.92%,相对标准偏差分别为1.40%,1.47%,1.16%。索氏提取法提取的收率为0.95%。现代方法的收率均高于传统索氏提取法。     

聚偏氟乙烯表面亲水改性膜的制备

以聚丙烯酸(AA)为改性单体、过氧化二苯甲酰(BPO)为引发剂,采用超声辅助和表面改性的方法制备聚偏氟乙烯(PVDF)亲水膜,通过改变AA浓度、BPO用量、预反应及反应时间,得到不同性能的PVDF亲水膜,并对亲水膜进行了表面形貌表征、红外表征以及纯水通量测试。结果表明:随着AA浓度、BPO用量的增加以及预反应及反应时间的延长,亲水膜的水通量均呈先提高后降低的趋势;得到的最佳制备条件为AA浓度50%、BPO用量0.8 g、预反应时间3 h、反应时间1 h,此时膜的亲水性最好,纯水通量达到66.3 L/(m~2·h)。     

110-L甲基乙烯基硅橡胶的性能及其在医用橡胶制品中的应用

通过１１０－Ｌ甲基乙烯基硅橡胶与通用牌号１１０甲基乙烯基硅橡胶用于医用橡胶制品的性能对比，考察了１１０－Ｌ硅橡胶的加工性能和成品性能。结果表明，它适用于制造医用橡胶制品，且其挥发分含量低的优点尤为突出，其加工性能和成品性能与１１０硅橡胶无明显差别。     

基于TBB的Hough变换并行检测直线

Hough变换存在着运算时间长的缺点,用了并行处理这种解决海量数据计算的有效方法来减少其运行时间。该文主要研究了：利用TBB（Threading Building Blocks）这种线程构建模块在多核机上对Hough变换中可并行的部分进行并行化;实验表明这种方法对Hough变换的并行化都有很好的加速效果。     

数据挖掘常用聚类算法研究

信息社会的发展,使数据量以前所未有的速度在增长,因此从海量数据中获取有用的知识和信息就变得越来越重要。数据挖掘是一种综合多领域知识而形成的数据分析技术,能够从大量数据中获取有价值的知识并为决策提供支持。聚类分析算法是数据挖掘中的一个核心内容,也是目前研究的一个热点。该文首先讲述了基于划分的聚类算法、基于分层的聚类算法、基于密度的聚类算法和基于网格的聚类算法等常用的聚类分析算法,并分析了其特点;然后通过举例详细描述了最近邻聚类算法的操作过程。聚类算法的总结,对聚类的研究和发展具有积极意义。