大冶铜绿山矿区周边土壤—水稻中镉赋存状态及转化迁移规律研究

通过对大冶铜绿山矿区周边农田土壤、水稻系统采样分析表明,农田土壤中全量Cd的浓度范围为0.42～1.63 mg/kg,平均值为0.88 mg/kg,土壤中全量Cd含量与易利用态和中等结合态含量有较高的相关系数,相关系数0.8。在水稻籽实(大米)镉积累预测方面,选取土壤中全量Cd、pH、CEC、有机质建立的数学模型能较好地预测大米中Cd的累积。     

基于ＰＩＤ控制算法的直流微网容错控制方法研究

构建直流微网容错控制对象模型，调节直流微电网的输出回路参数；以输出功率、直流微网的 参考电压、弱电网下系统惯性响应特征等为约束参量，构建直流微网容错控制目标函数，在不同电网强度下 进行直流微网容错控制的参数自整定性调节，采用无功环比例积分控制方法进行直流微网容错寻优分析， 建立模糊 ＰＩＤ控制模型，采用变结构的模糊 ＰＩＤ控制方法进行直流微网容错控制过程中的自适应加权学习 和误差反馈调节，实现直流微网容错控制改进设计。仿真结果表明，采用该方法进行直流微网控制的容错 性能较好，输出稳定性较强，具有较好的直流微网输出增益。     

SiO2疏松体高温脱羟过程数值模拟(续)

3.2脱羟过程主要参数变化图5所示为熔制过程中SiO2疏松体平均温度(Ta)和平均孔隙率(φa)随时间的变化曲线。可以看出,疏松体平均温度的升高趋势和图3所示的顶面升温曲线保持一致。在10h时顶面温度为1 000℃,疏松体平均温度为997.5℃,两者较为接近。这是由于高温下辐射换热较为强烈,顶面的高温很快传递到疏松体内部。由于35h之前疏松体还未烧结,所以φa保持初始值不变。在35h以后,疏松体开始发生烧结,φa开始下降。当脱羟进行到76.3h时,疏松体全部烧结为石英锭,此后随着温度升高石英锭的孔隙率维持在设定的最低值0.01。     

萃取塔数学模型及过程强化的若干研究进展

萃取塔因生产能力大、占地面积小、密闭性好等优点，在石油、化工、生物、医药和环境工程等多领域被广泛应用。本文从以下几个方面介绍了萃取塔近些年的研究进展：综述了传统萃取塔（脉冲萃取塔、转盘塔与Kühni塔等）的水力学、轴向扩散与传质模型的发展，分析比较了表面张力、传质方向、放大效应等因素对模型的影响；介绍了计算流体动力学（CFD）在萃取塔中单液滴、单相流模拟、液-液两相流模拟、外加能量模拟、与群体平衡模型（PBM）耦合模拟中的应用进展；介绍了国内外设计开发的新型萃取塔，包括改变传统塔的内构件和引入多种外场能量等方式来强化相间传质。研究表明，将先进实验研究方法、准确经验模型和可靠理论计算相结合，将会是萃取塔研究的重要手段和方向。     

攀西钒钛磁铁矿尾矿制备储水泡沫陶瓷的研究

以攀西钒钛磁铁尾矿和废玻璃为主要原料通过高温烧结法制备储水泡沫陶瓷，研究原料配比和发泡剂（SiC）添加量对材料性能的影响。结果表明:随着钒钛磁铁矿尾矿含量的增加，材料的体积密度及抗压强度逐渐增大，平均气孔孔径逐渐减小；当尾矿添加量为50 wt%，材料的体积吸水率出现极值。当SiC添加量为0.3 wt%，材料内部气孔分布均匀，平均孔径约为2.93 mm。最终以50.0 wt%的钒钛磁铁矿尾矿和50.0 wt%的废玻璃为原料，外加3.0 wt%的石英，0.3 wt%的SiC，3.0 wt%的Na3PO4，在1040℃下制得性能最优的储水泡沫陶瓷，材料的体积密度为0.26 g/cm-3、体积吸水率为56.5%和抗压强度为0.68 MPa。采用SEM、XRD等检测手段研究材料的微观形貌及物相组成，结果表明储水泡沫陶瓷内部由三维立体结构组成，有利于储存水分；材料主要物相包括硅灰石、长石、透辉石和钛铁矿。      

Model Selection for Unsupervised Learning of Visual Context

This study addresses the problem of choosing the most suitable probabilistic model selection criterion for unsupervised learning of visual context of a dynamic scene using mixture models. A rectified Bayesian Information Criterion (BICr) and a Completed Likelihood Akaike’s Information Criterion (CL-AIC) are formulated to estimate the optimal model order (complexity) for a given visual scene. Both criteria are designed to overcome poor model selection by existing popular criteria when the data sample size varies from small to large and the true mixture distribution kernel functions differ from the assumed ones. Extensive experiments on learning visual context for dynamic scene modelling are carried out to demonstrate the effectiveness of BICr and CL-AIC, compared to that of existing popular model selection criteria including BIC, AIC and Integrated Completed Likelihood (ICL). Our study suggests that for learning visual context using a mixture model, BICr is the most appropriate criterion given sparse data, while CL-AIC should be chosen given moderate or large data sample sizes.     

离心泵并联运行工况点的数值求解

建立了求解多台不同型号离心泵并联运行工况点的数学模型,给出了用数值计算中的“二分法”求解该模型的方法,并附有用Exce l计算的实例。