微生物烟气脱硫技术及其研究方向

微生物烟气脱硫 ,是用含有脱硫菌的溶液作循环吸收液、以粉煤灰中Fe2 O3被离子化后产生的铁离子作催化剂和反应介质、以脱除烟气中SO2 的一项新技术 .从能源、酸度、温度、需氧类型等方面综合考虑 ,氧化亚铁硫杆菌、氧化硫硫杆菌、氧化亚铁硫螺菌可作为三层滤料生物滤池脱硫的菌种 .而选育适宜性和稳定性更强、使用寿命更长的高效菌和合适的生化反应器 ,是脱硫菌种研究的趋势 .     

《电路》课程教学模式改革探索与实践

针对传统教学模式下《电路》课程教学中学生积极性和主动性不强,缺少综合能力训练内容等问题,对教学方法和教学实践环节进行改革。提出基于任务驱动课堂教学的方法和通过科研小课题初步培养大学生创新学习能力的方法。教学实践证明,本校学生较为适应改革后的教学模式,改进后的教学效果良好。此项研究对于高校教学改革,尤其是培养大学生创新学习能力具有一定的价值。     

配电网短路故障分析及其识别方法研究

分析了在不同中性点接地方式下单相接地和两相短路接地故障的相电压及中性点电压变化特征,结合三相短路和两相短路的故障特征,提出了完整的配电网短路故障识别方法。仿真结果表明,该方法具有采集的模拟量少、判据简单、运算简便的优点,具有一定的实用价值。     

基于iCAN协议的嵌入式从站模块设计

对我国自行研发的iCAN总线协议作了简单介绍,给出了一种基于iCAN协议的嵌入式从站模块的设计方法,对软硬件进行了相应的说明。从站模块为嵌入式核心模块,内部嵌入32位ARM微处理器LPC11C14,并带有标准的CAN-bus通信电路接口及通用的I/O接口,使用者只需根据自己的需要设计好不同底板,就可抛开CAN-bus产品复杂的设计过程,制造出适用于不同工业控制环境的产品。     

一种新型可变径管道机器人的结构设计与控制实现

基于ATmega128单片机的管道探测机器人系统,包括硬件系统设计以及软件程序实现。为满足不同工业环境的需要,设计了无线与RS485总线两套通信方案进行人机交互控制系统与单片机的通信。独特的变径结构可以让机器人适应不同管径的管道,配合高效的电池切换算法,可以使其更好的适应工业环境。为了观察管道内部信息,安装了一个可360°旋转的摄像头,将管道内部画面实时传送给上位机。     

复合型絮凝剂PAFS的研制及性能

本文用钢厂废渣、浓硫酸及粉煤灰为原料制备了聚合硫酸铝铁（PAFS）。在合成中通过正交试验，从中探索了适宜的反应条件。产品经化学分析，鉴定了它的成分和性质。并以黄河水为原水，通过与市售聚铝（PAC）做絮凝对比试验取得了良好的絮凝效果。而且原水的pH值在4．5～9之间，去浊率达到99％以上．     

基于核二次互信息的发酵过程质量预测模型

为提高对发酵过程中质量变量的预测精度,解决发酵数据非线性的问题,提出一种基于核二次互信息回归的质量预测模型.将非线性过程数据核映射至高维特征空间,使其线性可分;基于高维特征空间,使用Renyi二次熵与二次互信息定义目标函数提取过程特征,建立过程特征与质量变量间的回归模型;二次互信息可衡量变量间的非线性关系.仿真实验及大肠杆菌发酵生产数据的实验结果表明,该方法具有较高质量预测精度,对非线性数据有较强处理能力.     

基于批次图像化的卷积自编码故障监测方法

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.     

风电机组健康状态预测中异常数据在线清洗

风电机组数据采集与监视控制系统(SCADA)运行数据中含有大量异常数据,对风电机组健康状态预测影响严重,为此针对实测风速-功率、转速-功率数据,提出一种异常数据在线清洗方法.由于机组性能退化过程中数据特征趋于复杂,基于经验Copula-互信息(ECMI)选择关键特征参量作为数据清洗对象,并基于Copula建立置信等效功率区间描述其非线性与不确定性.针对置信边界外的堆积点和离群点,结合其时序特征与密度分布建立Copula数据清洗模型(Copula-TFDD),依次进行在线清洗.最后,基于实际数据与人工模拟数据分析模型的精度、运算效率以及对机组健康状态预测的影响表明,Copula-TFDD能准确并实时地识别各类异常数据,有效提升风电机组健康状态预测的性能.