移动床活性焦烟气净化工艺中废活性焦的形成与特征分析

移动床活性焦低温干法烟气多污染物脱除技术在钢铁烧结烟气脱硫脱硝工艺中具有良好的适用性，但烟气净化过程中活性焦的损耗成为制约该技术推广应用的关键因素之一。以宝钢烧结烟气脱硫脱硝工艺中所产生的废活性焦为研究对象，通过考察其比表面积、孔容结构、灰分中重金属及碱金属含量、表面官能团特征及脱硫脱硝性能，探究烟气净化过程中活性焦组成、结构及表面性质的变化。结果表明，与新鲜活性焦相比，废活性焦粒度集中分布在0.2?5 mm，其表面的氮、氧、硫元素及过渡金属氧化物含量显著增加，比表面积由191.0 m2/g增加至499.0 m2/g，使废活性焦颗粒在150℃下脱硝率由20%提升到70%，120℃下穿透硫容由0.27 mg SO2/g提升至11.08 mg SO2/g，显示了良好的再利用潜力。     

轮胎外轮廓对气动阻力影响的研究

针对185/65R14乘用车轮胎，采用流体动力学计算方法，研究轮胎外轮廓对轮胎气动阻力的影响。结果表明：轮胎外轮廓对轮胎气动阻力因数影响明显，轮胎气动阻力因数的差异最大可达14.51%；通过改进影响气流分离的轮胎外轮廓，可以减小气流尾涡以降低轮胎气动阻力。本研究结果可为低气动阻力轮胎结构设计奠定基础。     

船用螺旋桨的逆向建模研究

为了缩短船用螺旋桨的再设计周期,降低再设计难度,针对船用螺旋桨提出了一种基于逆向设计软件Geomagic Design X和三维建模软件UG的逆向建模方法。详细介绍了螺旋桨的逆向建模过程和主要操作流程,通过比较放样和面片拟合生成叶片NURBS曲面的方法和原理,得到一种合适的叶片曲面作为叶片重构的基础。采用Geomagic Quality软件对螺旋桨进行整体精度分析,结果发现螺旋桨重构模型和螺旋桨点云数据之间的偏差在允许范围之内,验证了此螺旋桨逆向建模方法的可行性,同时为类似的逆向建模提供了思路。     

车辆横摆与侧倾稳定性控制研究

为实现对车辆的侧倾控制,自主设计了主动横向稳定杆(Active Anti-Roll Bar,AARB)装置。针对车辆在侧倾中存在非线性、时变性的特点,采用滑模变结构控制理论建立了滑模控制器实现对理想侧倾角的跟踪,保证了车辆的侧倾稳定性。由于在采用AARB控制车辆侧倾时,存在车辆失稳的特点,文中提出采用电子稳定性程序(Electronic Stability Program,ESP)及设计模糊控制器对带有AARB车辆的失稳进行控制,并进行了仿真试验。仿真结果表明,该集成控制能有效控制车辆的侧翻与失稳,有效提高了车辆的横摆与侧倾稳定性。     

冲击地压应力波作用机理

针对动载扰动下大型冲击地压的发生及演化过程难题,分析了采场动载应力波的产生机制,研究了动载应力波与静载耦合作用下煤岩体冲击破坏规律,从应力波的产生、传播与致灾过程详细解释了大型冲击地压演化机理。研究结果表明,采场高位坚硬顶板断裂与深部应力集中区煤体破断所产生的动载应力波幅值随着煤岩体强度增大而升高,应力波持续时间随着破断尺度增大而增大,说明在煤矿开采过程中,顶板或煤体强度越高、破断尺度越大,越容易产生大能量的动载应力波;动静载耦合冲击破坏实验结果证实,高静载、高动载应力波、静载与应力波耦合加载条件均能使煤岩体发生冲击破坏,且随着轴向静载的增大,试样发生冲击破坏所需的临界动载应力波强度先增大后减小,其上升段与下降段的分界点约为单轴抗压强度的50%。当静载达到该临界点时,煤体发生冲击破坏所需的动载应力波强度急剧减小,说明高地应力环境煤岩体受到动载应力波的影响更为显著;现场大尺度模拟分析表明,动载应力波作用下,采场煤岩体塑性破坏区范围逐渐增加并主要集中在巷道两侧,且随着应力波幅值和持续时间增加,塑性破坏区范围不断扩大;研究提出了冲击地压应力波作用机理:动载扰动下冲击地压是静载、动载应力波与煤岩体结构耦合作用的结果,采场煤岩体大尺度破断产生高能量动载应力波,应力波与地应力耦合作用导致采掘空间围岩发生大范围破坏,最终形成冲击地压灾害。     

基于差分隐私的混合位置隐私保护

针对现有差分隐私k-means算法对初始中心点敏感、用户位置数据误差偏大、可用性较低等问题,根据LBS的特点,引入人流密度的概念,提出一种基于差分隐私k-means的混合位置隐私保护方法。根据LBS特点将用户位置点分成离散位置点和非离散位置点,基于差分隐私技术,采用改进聚类算法对位置信息进行泛化和加噪;通过分析用户位置点的稀疏程度来确定离散点,对离散点位置信息采用基于差分隐私的单独加噪技术;对非离散点采用基于差分隐私的改进k-means算法进行泛化处理,以实现用户位置信息的隐私保护。仿真实验表明,在相同隐私预算的前提下,该方法具有较高的数据可用性。     

伪标签置信选择的半监督集成学习视频语义检测

在视频语义检测中，有标记样本不足会严重影响检测的性能，而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此，提出一种伪标签置信选择的半监督集成学习算法。首先，在三个不同的特征空间上训练出三个基分类器，得到基分类器的标签矢量；然后，引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差，作为基分类器的标签置信度，并融合标签矢量和标签置信度得到样本的伪标签和集成置信度；接着，选择集成置信度高的样本加入到有标签的样本集，迭代训练基分类器；最后，采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%，与Co-KNN-SVM算法相比，平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性，又能体现所属类别的唯一性，可减少利用伪标签样本的风险，有效提高视频语义概念检测的准确率。