一种磁控管用扼流线圈仿真设计

采用电路仿真软件仿真滤波组件S参数曲线,观察曲线随器件参数的变化;介绍利用三维全波电磁仿真软件HFSS简化设计流程的方法,并与测试结果对比。结果表明:利用3D仿真软件在满足器件设计精度的同时可以简化线圈的设计流程。     

采煤机滚筒装煤效率优化

以雁崖薄煤层矿井采用的WG-2×125/571-WD型滚筒采煤机为研究对象,在阐述了滚筒装煤机理的计算过程后,利用MATLAB软件对叶片螺旋升角与装煤效率进行了模拟仿真,获得了螺旋升角的最佳值,接着利用PFC颗粒流软件将改进后的滚筒结构与原滚筒结构进行了模拟仿真.通过仿真得知:改进后的滚筒结构不仅能有效提高抛煤速度,而且能缩短煤流在叶片上的滑移时间.     

新型丁烯异构化催化剂在中原石化的应用

丁烯双键异构制取1-丁烯是中国石化上海石油化工研究院专利技术,介绍了装置工业试验和应用情况.总结了新型丁烯异构化催化剂工业化应用和第一代催化剂在工艺操作条件、1-丁烯收率、选择性及产品中关键组分含量的优化和提升.     

1,4-丁二醇精制过程中延长高压加氢催化剂使用周期的研究

在1,4-丁二醇精制过程中使用的高压加氢催化剂,其设计使用周期为1年左右.在使用过程中,随着使用时间的增长会出现催化剂床层压差增大、反应活性下降、反应品质变差、色度增高等现象,影响产品质量及产量,需要及时更换新催化剂.分析了影响催化剂性能的因素,并提出了解决措施,应用后取得较好效果.     

具有良好时频性能的电力系统次同步振荡模态在线辨识算法

介绍了一种适用于电力系统次同步振荡在线监测的非平稳信号模态辨识算法,该算法综合了经典IIR窄带滤波器组算法及经验模态分解(empirical mode decomposition,EMD)算法的优点,利用次同步振荡分析获得的预知频率信息,对可能导致模态混叠的相邻模态做数字滤波器(Infinite Impulse Response,IIR)预处理,再经EMD获得无混叠的固有模态分量IMF1.该算法具有理想的窄带选频特性,且能够快速反映次同步振荡及机组扭振发生最初的时域过程,计算量很小,可用于现场在线提取SSO模态特征,有利于更好地实现对次同步振荡的稳定性判别及闭环控制、机组扭振保护等.最后,利用PSCAD产生的仿真数据及某电厂发生次同步振荡的现场数据验证了该算法的有效性.     

一类分数阶微积分的中值定理及应用

Riemann-Liouville分数阶微积分算子是一类带有一个函数的分数阶微积分算子的特殊情形，以Riemann-Liouville分数阶微积分算子的积分中值定理和微分中值定理为基础，我们得到了一类带有一个函数的分数阶微积分算子的积分中值定理和微分中值定理，并给出其在计算方面的一些应用。     

水杨酸处理诱导采后甜瓜抗坏血酸-还原型谷胱甘肽循环代谢清除过氧化氢的作用及机制

目的：研究抗坏血酸（ascorbic acid，AsA）-还原型谷胱甘肽（reduced glutathione，GSH）循环代谢在水杨酸处理采后甜瓜诱导的过量H2O2清除过程中的作用。方法：用4 mmol/L水杨酸浸泡‘玉金香’厚皮甜瓜10 min，测定处理后果实常温贮藏过程中丙二醛（malondialdehyde，MDA）含量，分析活性氧的积累水平、超氧化物歧化酶（superoxide dismutase，SOD）和过氧化氢酶（catalase，CAT）活力，以及AsA-GSH循环过程相关酶活力及产物和底物含量。结果：水杨酸处理降低了果实MDA含量，第10天处理组MDA含量较对照组降低14.6%；显著提高了果实O2－·的产生速率和H2O2含量（P＜0.05），其中处理后第2天O2－·的产生速率高出同期对照组的1.9 倍，第6天H2O2含量高出对照组果实29.7%；提高了果实SOD活力，但抑制了CAT活力，说明H2O2的清除可能是依赖于除酶促系统外的其他系统。此外，水杨酸处理提高了果实抗坏血酸过氧化物酶、单脱氢抗坏血酸过氧化物酶、脱氢抗坏血酸还原酶和谷胱甘肽还原酶的活力，增加了AsA和氧化型谷胱甘肽的含量，降低了脱氢抗坏血酸和GSH的含量。结论：水杨酸处理诱导了厚皮甜瓜果实的氧爆，抑制了MDA产生，由水杨酸诱导产生的过量H2O2主要依靠AsA-GSH循环系统清除。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.