深水井控中节流管线摩阻分析及压井方法

在海洋深水钻井中，防喷器组一般安装在海底，当发生井涌进行压井作业时．由于节流管线较长、内径较小，钻井液在节流管线内存在高摩阻损失，作用在井底的压力往往大于地层的破裂压力．从而引起压井过程的复杂化，甚至造成压井作业的失败。介绍了一种新的压井方法附加流量法，在返出的节流管线流体中混入低密度流体，降低节流管线内流体的粘度和密度，从而实现安全压井；详细介绍了压井方法和步骤。数据分析表明，通过对压井参数进行优化选择能够降低节流管线中的压耗。     

三氯化镧催化合成缩酮

以固体三氯化镧为催化剂,以环己酮缩1,2-丙二醇为探针反应,考察了缩酮反应,得到的优化条件为:环己酮0．1 mol,1,2-丙二醇0．12 mol,催化剂用量1．0 g,反应时间90 min,反应温度150℃,10 mL甲苯作带水剂,并在此条件下合成了多种缩酮。实验表明三氯化镧在缩酮反应中具有良好的催化活性,缩酮收率可达90％以上。     

二甲醚催化氧化制下游产品(Ⅱ)V/Mn改性的SnO2/MgO催化氧化制碳氢化合物

考察了SnO2/MgO催化剂和添加助剂V、Mn对二甲醚（DME）催化氧化制取乙二醇二甲醚（DMET）和其他碳氢化合物的催化性能。结果表明，锡镁催化剂对DME在275～325 ℃有良好的催化活性；添加VOx能较大提高DME转化率和产物DMET的选择性，DME转化率可达23％，DMET选择性可达44％，在300℃收率达9％以上。     

Ni纳米粉体及其合金的制备与研究进展

纳米Ni及其合金是一类重要的磁性材料和抗磨损材料,被广泛用于催化剂、电池、涂层、通讯以及电子等诸多领域。本文就纳米Ni及其合金的制备进行综述,描述和分析了目前各种主要制备方法的特征及各自的优缺点,并对其应用前景作出了进一步的展望。     

山羊毛提取L-胱氨酸工艺研究

本文综述了L－胱氨酸生产技术进展和研究现状，介绍了山羊毛提取L－胱氨酸工艺研究进展，并分析了该工艺路线应用发展前景。     

萤火虫算法求解多体系统动力学微分-代数方程

针对多体系统动力学微分-代数方程求解问题,研究基于萤火虫算法的求解方法.首先将广义坐标和广义速度进行Lagrange插值,结合Gauss数值积分方法,将微分-代数方程求解问题转化成求解最优化问题.然后用萤火虫算法对问题进行优化求解.最后,通过对平面双连杆机械臂的多体系统仿真实验,验证了萤火虫算法在求解动力学方程中既保持了约束又较好地保证了能量精度.结果表明智能优化算法在求解多体动力学问题上具有较好的应用前景.     

基于遗传算法的空间伸展臂展开过程优化控制

针对空间伸展臂展开过程建立多体系统动力学模型,并以控制力为变量建立优化控制模型,通过最优控制力的选取,使空间伸展臂得以平稳、快速展开.为了避免基于梯度的优化方法在寻找最优控制力过程中大量复杂的灵敏度计算,采用遗传算法进行全局寻优.同时,优化迭代过程中动力学方程采用高阶变分数值积分方法求解,具有更高的稳定性.最后,以剪叉式空间伸展臂为例,利用遗传算法对其展开过程进行优化控制.     

Heterogeneous clustering via adversarial deep Bayesian generative model

This paper aims to study the deep clustering problem with heterogeneous features and unknown cluster number. To address this issue, a novel deep Bayesian clustering framework is proposed. In particular, a heterogeneous feature metric is first constructed to measure the similarity between different types of features. Then, a feature metric-restricted hierarchical sample generation process is established, in which sample with heterogeneous features is clustered by generating it from a similarity constraint hidden space. When estimating the model parameters and posterior probability, the corresponding variational inference algorithm is derived and implemented. To verify our model capability, we demonstrate our model on the synthetic dataset and show the superiority of the proposed method on some real datasets. Our source code is released on the website: Github.com/yexlwh/Heterogeneousclustering.