海上风电过电压及无功补偿问题研究

提出一种新的海上风电并网过电压及无功配置问题的动态研究方法。利用DIgSILENT PowerFacotry软件建立海上风电场模型,包括风电机组、海缆、变压器及相关的控制策略。利用时域仿真方法分析不同风速条件下风电场的有功、无功及电压特性,根据时域仿真的结果,配置无功补偿装置,调整、改善风电场电压及无功特性。通过时域仿真方法对无功补偿配置方案的效果进行验证。     

聚酰胺微胶囊缓释动力学性能的影响

通过对染料微胶囊缓释性能进行定量研究,制备出一种环保型分散染料微胶囊。文中使用紫外-可见分光光度计测定分散染料微胶囊中染料扩散到丙酮溶液中的吸光度,并通过非线性函数方程Boxlucasl对实验数据进行拟合,建立了与微胶囊缓释性能规律相适应的数学模型。通过对这一模型的分析,得到制备过程工艺条件对聚酰胺分散染料微胶囊缓释性能的影响规律,并得到制作环保型分散染料微胶囊所需要的条件。     

固态离子学法制备金属纳米材料的研究进展

金属纳米材料具有优于相应块体材料的优良特性,由于合成方法所限,很难实现宏观量级尺度金属纳米材料的定向生长。固态离子学法能够有效控制纳米材料的形貌、长度、排列有序度和粗糙度,制备宏观尺寸的纳米材料。该文详细介绍了固态离子学法的制备机理;分别综述了单一金属纳米材料的制备过程及电场强度、电流和快离子导体薄膜的种类对材料的形貌和排列有序度的影响,并介绍了不同合金纳米材料和复合纳米材料的制备工艺,通过对比单一金属纳米材料、合金及复合纳米材料分别作为表面增强拉曼散射基底时的极限浓度,总结了影响检测灵敏度的因素;最后总结了该领域面临的问题,并对该方法未来的发展趋势进行展望。     

实时图像采集系统的DMA通道设计

将数字图像数据实时传送到DSP系统中进行处理,可采用多种方法完成;为了保证数字图像数据采集和处理的实时性,提出一种利用FPGA和一定容量的SRAM的DMA实现方法,通过以状态机为核心的逻辑控制实现一种大容量的组合式的FIFO作为DMA与外部数据传输的通道,整个通道通过DSP的EMIF接口实现与DMA控制器无缝接口,提高了DSP与外部数据交换的速度,适用于DSP和FPGA为主要组成的视频实时图像处理系统,数据传输率可达35M×32bit/s,实现了实时传输整幅视频图像数据的目的,使得数字信号处理器及时处理图像数据不产生延迟,提高了系统的数据处理能力和响应能力。     

竖琴海豹皮组织结构的研究

本文从提高毛皮产品质量的角度出发，通过组织切片，光学显微镜观察和ｏｐｔｏｎ显微摄影仪观察并摄影，对海豹皮的生皮组织结构进行了初步的研究，研究结果表明：海豹皮真皮层的乳头层较厚，皮板中脂肪含量较大，胶原纤维编织细密，弹性纤维含量丰富。因此，在海豹皮的加工制造过程中，必须加强脱脂，注重破坏弹性纤维。     

海拉尔土种绵羊皮组织结构的研究

本文用光学显微镜对采用冰冻切片制得的绵羊皮组织切片进行了较为系统的观察,由此基本上探明了内蒙海拉尔土种绵羊皮的组织结构。在此基础上,就其组织结构对成品质量可能带来的影响进行了分析。     

菜籽油聚合加脂剂的制备

选用菜籽油、马来酸酐、苯乙烯、丙烯酸丁酯(或醋酸乙烯酯)为原料，在热引发剂的作用下，根据自由基聚合原理制备出了一种新型聚合加脂剂，并系统地研究了聚合反应的条件，得到了最佳的物料配比和反应条件，在此基础上对产品进行了应用实验，加脂后的皮革丰满、柔软、弹性等感观性能较好。     

进化神经网络在激光熔覆成形中的应用研究

在激光熔覆成形金属制件工艺中,熔覆层稀释率大小对成形制件的性能以及后续工序的处理有至关重要的影响。设计了基于进化神经网络的学习算法,建立了熔覆层稀释率随工艺参数变化的预测模型,该模型结合了基因遗传算法的全局搜索能力和BP神经网络良好的局部性质。实验和模拟结果表明,基于进化计算的神经网络不仅可以克服单纯使用BP神经网络易陷入局部极小值等问题,而且预测精度较高,具有一定的实用价值。     

猪皮刮皮油在皮革加脂剂生产中的应用

本文主要是关于利用猪皮制革厂的下脚料刮皮油，经过精炼、提纯、改性等一系列反应，把活性基因引入猪油的结构中，生产出了一种加脂剂有效成份的研究，该成分可与革纤维结合，从而克服了直接用猪油生产的加脂剂加入革中后，存放易产生油霜的缺陷。     

激光熔覆成形薄壁金属制件精度的预测模型

为了控制激光熔覆成形薄壁金属制件的精度，分析了激光熔覆成形金属薄壁的工艺理论和影响因素。采用BP神经网络建立了激光功率、光斑直径、扫描速度和送粉率与金属零件壁厚的非线形关系模型和激光熔覆成形薄壁制件的精度控制系统。通过优化神经网络的权值和阈值，并引入动量因子和学习速率的自适应调整，克服了BP算法容易陷入局部最小值的问题。用实验参数作为训练样本对模型进行训练，并进行了误差分析。实验和仿真结果表明，训练样本和检验样本的最大相对误差分别为1.93％和1.19％，预测精度高。该网络模型可用于优化激光熔覆成形工艺参数和成形金属制件精度的在线实时控制。