环己烷氧化过程的模拟和优化

建立了多釜串联联环隙内环流反应器中进行的环己烷贫氧化制作取环已醇、环已酮的反应器系统的数学模型。并以此为基础，从具体工业装置出发，进行操作变量调优，以提高目的产物的选择性，实行系统优化。通过计算机程序模拟计算，得到了预期效果。作者还提出了对于此模拟系统的优化问题的一种简捷、有效的算法。经实际算题验证，对于本模拟系统１３个变量的优化问题，较之于网格法，调用模拟系统的次数至少减少５０００倍。     

导向剂加入方式对Y型沸石合成的影响

以煤系高岭土为原料,采用液态补硅手段调节体系SiO2/Al2O3、导向剂两步加入法合成了Y型沸石.考察了导向剂不同加入方式对Y型沸石合成的影响.采用合理的导向剂两步加入法,特别是通过控制导向剂第二步加入的时间,可明显缩短Y型沸石的晶化时间,并有效地减少P型沸石的生成.     

高工作温度碲镉汞红外探测器研究进展

高工作温度碲镉汞红外探测器作为最近来发展起来的新型探测器,在保证性能不变的基础上,实现了尺寸小、重量轻、功耗低等功能,成为军事侦察、无人机、无人平台的重要探测器件。本文阐述了高工作温度碲镉汞红外探测器的基本原理,重点介绍了碲镉汞P-on-N红外探测器的器件结构设计,并且对美国Raytheon、法国Sofradir、德国AIM、美国Teledyne、美国DRS等公司的研究进展进行了综述性介绍。     

基于透视点和区块特征的多车粘连分割方法

针对交通视频车辆检测与跟踪中经常出现的车辆前景粘连问题,提出了一种利用透视点在图像轮廓上搜索车辆分割点并通过区块特征识别车辆的粘连车辆分割方法.根据路面场景中车道线信息提取出透视点和车道区域,结合混合高斯模型与形态学梯度轮廓算法提取出车辆前景团块.利用透视点原理从前往后顺序分割粘连的车辆前景团块.对分割开的待检定区域,利用车辆区块特征进行检验识别,修正错误分割,将粘连的多辆车逐一分割.实验结果表明,该方法对直线道路上多辆车粘连的分割有较好的准确度和适应性.     

中小化工企业安全管理模式探讨

在剖析、借鉴国内外主要的安全管理模式的基础上，针对我国中小化工企业生产经营活动风险及其管理的特点，建立适合我国中小化工企业的安全管理模式，该模式具有较强的实用性和可操作性，有利于促进中小化工企业安全管理的法制化、规范化，提高我国广大中小化工企业安全管理水平。     

氯化钾结晶器搅拌选型探研

反浮选冷结晶氯化钾生产的关键在于DTB结晶器中的控速分解和控速结晶,而控速的关键在于搅拌器的调速,因此本文通过对搅拌工作原理、类型及机理的粗浅分析,在保证不影响分解和结晶速率的情况下选用合适的搅拌型式,生产实践证明:推进式轴流型搅拌较之折叶式径漉型搅拌在提高氯化钾产品的粒度方面有极大的优越性.     

随机载荷作用下刨煤机刀座动态特性及疲劳寿命分析

为研究刨削过程中刀座在随机载荷作用下的动态特性及其疲劳寿命,根据BH38/2×400型刨煤机应用煤层煤样性质结合刨煤机结构及其运动参数,利用项目组编制的"刨煤机设计计算系统"软件计算出了刨刀受到的随机载荷,并将刨刀所受载荷施加给刨煤机多体系统模型进行仿真。仿真得到了刀座在工作过程中的动应力及变形情况,通过对刀座应力信息进行雨流计数处理预测出刀座的疲劳寿命。研究结果表明:在与煤发生复杂力学作用下,刀座受力具有非线性的特点;刀座矩形通槽与刨刀背脊接触位置以及刨刀安装方形螺钉所在位置承受较高动应力;采用雨流计数法对刀座累积疲劳损伤进行分析,预测得到刀座疲劳寿命约为475. 7 d;通过对刨削试验测得的刨削阻力与计算值进行比较,结合刨煤机实际应用情况,验证了仿真结果的准确性。     

原位As掺杂p型碲镉汞薄膜的制备研究

非本征p 型掺杂碲镉汞材料可以有效克服少子寿命偏低等问题,提高长波和甚长波红外焦平面器件的性能。本文重点阐述了As 掺杂实现p型掺杂的基础性原理,以及其制备方法,为p-on-n碲镉汞材料器件研究提供依据。     

基于KINGSCADA的隧道机电管理系统

针对高速公路隧道管辖距离运营中心远,维护管理不便的特点,以KINGSCADA作为平台软件开发了高速公路机电管理系统,通过现场总线技术与现场自动化仪表和设备相结合,实现了高速公路隧道的整个机电系统的远程监控和管理,提高了运维管理水平,保障整个机电系统的稳定、高效运转.     

深度矩阵分解推荐算法

协同过滤推荐算法中的矩阵分解因其简单、易于实现,得到了广泛的应用.但是矩阵分解通过简单的线性内积建模用户和物品之间的非线性交互关系,限制了模型的表达能力.为此,He等人提出了广义矩阵分解模型,通过非线性激活函数和连接权重,将矩阵分解推广到广义矩阵分解,为模型赋予建模用户和物品间的二阶非线性交互关系的能力.但是广义矩阵分解模型是一个浅层模型,并不能很好地建模用户和物品间高阶交互关系,一定程度上可能会影响模型性能.受广义矩阵分解模型启发,提出了深度矩阵分解模型（deep matrix factorization,简称DMF）,在广义矩阵分解模型的基础上引入隐藏层,利用深层神经网络来学习用户和物品间高阶交互关系.深度矩阵分解模型不仅解决了简单内积的线性问题,同时还能够建模用户和物品间的高阶交互,具有很好的表达能力.此外,在MovieLens和Anime两个数据集上进行了大量丰富的对比实验,验证了模型的可行性和有效性;同时,通过实验确定了模型的最优参数.