预氯胺化控制消毒副产物技术研究

把氯胺作为一种预氧化剂,研究了预氯胺化工艺中消毒副产物的生成及变化规律.经研究发现,原水中含有一定浓度的氨氮可以有效地降低总三卤甲烷(TTHMs)的生成.TTHMs随着氯胺量的增加而略有增加;预氯胺化反应48 h后TTHMs不再明显增加;随着pH值的升高,TTHMs(主要是溴代三卤甲烷)明显减少;随着氯氮比的增加,溴代三卤甲烷生成量明显升高,经分析认为可能是pH值和氯氮比对溴离子(Br-)与氯胺的卤代反应影响较为复杂造成的.     

一种同时测定保健食品中多种农药残留的方法

介绍一种同时测定保健食品中残留的有机氯、菊酯和有机磷类农药的方法。该法使用气相色谱法,双色谱柱双检测器同时分析,采用一致的柱温箱程序升温条件。各类有机磷农残回收率在88.47%~98.87%之间,RSD在1.05%~6.46%之间;各类有机氯农残回收率在88.84%~94.64%之间,RSD在0.66%~4.86%之间;各菊酯类农残回收率在88.09%~99.91%之间,RSD在1.73%~5.54%之间。此分析方法可用于保健品中多种农药残留量的同时测定。     

基于改进BP神经网络的煤体瓦斯渗透率预测模型

分析总结了煤体渗透率的3个主要影响因素--有效应力、温度和瓦斯压力,并结合煤体的力学特性建立了一个预测煤层瓦斯渗透率的BP神经网络模型。根据不同有效应力、不同温度和不同瓦斯压力条件下大量具有代表性的煤样渗透率数据来建立学习样本,并对该模型的精度进行了检验。该BP神经网络经过11 986次学习后精度满足要求,训练后BP神经网络模型所得预测结果的最大绝对误差为0.049×10-15 m2,最大相对误差为4.298%。根据所建立的BP神经网络模型得到的预测值与实测值吻合较好。     

酱油种曲生产中应注意的问题

文章针对酱油企业生产种曲的实际情况,提出了种曲生产中容易出现的问题,阐述了产生的原因,提出了解决的方法.     

基于机器学习的网络流量分类综述

网络流量分类对于网络优化、网络安全预警、用户个性化服务等具有重要意义。随着通信和信息技术的发展，传统的基于端口以及深度包检测的分类方法由于私有协议的广泛应用已不能满足需求。基于机器学习的分类算法被应用于流量分类研究，但加密技术为流量分类的特征提取带来一定难度。首先总结了网络流量分类的基本流程；其次分析了分类粒度及其应用场景，并对目前流量分类的主要技术按照监督学习、半监督学习、无监督学习进行了分类研究；最后对网络流量分类技术的发展趋势及面临挑战做了展望，为网络流量分类研究提供一定的参考。     

国际市场上开发药蛋酶制剂在饲料加工和储存中的稳定性研究

李星等研究了在不同调质时间(20，30和40 s的制粒和饲料储存过程中，酸性蛋白酶和果胶酶的活性损失。结果表明：制粒后，酸性蛋白酶的活性分别是原来的86.1%，82.1%和72.1%；果胶酶的活性分别是原来的91.4%，90.9%和84.7%。经夏季高温储存后，酸性蛋白酶的活性分别是制粒后的60.8%，58.9%和53.8%；果胶酶的活性分别为66.8%，68.4%和75.4%。总的酶活损失，酸性蛋白酶为47.7%，51.1%和61.2%；果胶酶为38.9%，37.8%和36.1%。说明饲料加工储存过程中酶的损失是不可忽视的，果胶酶的稳定性高于酸性蛋白酶。 (摘     

旋转导向钻井系统中振动加速度的消除方法

在钻井过程中,钻头切削岩层、钻柱与井壁的碰撞,必然造成钻井工具的振动,这些振动会在测斜加速度传感器的输出上得到反映,使其不能真实地反映井眼姿态的变化。为及时得到准确的井眼姿态,有必要研究振动条件下传感器的输出规律,进而消除振动的影响。从室内模拟振动实验的原始数据入手,通过Matlab对传感器输出信号进行功率谱密度估计,得出了振动频率与转速的大致关系,并设计了具有针对性的滤波器。通过对实验数据分析处理,振动干扰信号的能量得到大幅衰减,测斜传感器3个敏感轴的输出波动明显减小,提高了姿态测量的准确性,从而验证了该方法在旋转导向系统中是可行的。     

管件精密剪切研究

管件的剪切不同于平板或实心棒料剪切,剪切时剪断面各部位实际剪切高度不同,应力状态分布复杂,材料分离不同步,剪切断面的质量控制难度很大。对45钢、铜、铝合金进行了管件的精密剪切试验研究及理论分析,以便为模具制造及管件剪切工艺提供宝贵的数据及理论参考。     

基于填料热力特性的冷却塔风机变频模式分析

基于冷却塔内填料热力特性,结合风机相似定律,得到并分析了冷却塔风机频率与冷却性能的关系,进而提出了特征数等差离散变频模式,并优化设计了一种离散频率点的计算方法。结果表明,该模式解决了风机电机输入频率因散热需求变化等因素导致的易波动问题,并取得了较好的节能效果,为风机变频模式的选择提供依据。     

风力发电叶片实时监控故障预警系统研究

目前风力发电叶片故障监测普遍使用叶片表面粘贴检测介质和振动监测方法,由于叶片工作环境恶劣且所受载荷不定,叶片粘贴检测介质难以实现,测振漏报误报问题严重。针对现有监测技术的缺点和不足,在研究分析风力发电叶片断裂原因的基础上,研发设计一种基于PLC新型非接触式风力发电叶片实时监测预警系统。该系统根据叶间时间差预测叶片即将断裂或过度变形状况,及时停机并报警,能有效地避免叶片故障的发生,具有良好的推广应用价值。