Ni-B和Ni-Ce-B超细非晶态合金的退火晶化及其催化性能

 采用XAFS,XRD和DTA方法研究了Ni－B和Ni－Ce－B超细非晶态合金在退火过程中的结构变化及其结构与催化性能的关系．活性结果表明,在退火温度为623K时,Ni－B和Ni－Ce－B样品的苯加氢催化反应转化率最高,分别为63％和81％,0．3％Ce的掺入提高了Ni－Ce－B的催化活性．DTA结果表明,Ni－B超细非晶态合金在598和653K有两个晶化峰,而Ni－Ce－B样品有548,603,696和801K四个晶化峰．XAFS和XRD结果进一步说明,在573K退火时,Ni－B样品晶化生成晶态Ni3B和纳米晶Ni,此时Ni－Ce－B仅有少量晶态Ni3B生成．在673K退火时,Ni－B样品中的Ni3B开始分解生成晶态Ni,同时纳米晶Ni聚集并形成大颗粒晶态Ni,而Ni－Ce－B样品晶化生成晶态Ni3B和纳米晶Ni．在773K和更高的温度退火处理后,Ni－B样品中Ni的局域环境结构与金属Ni箔基本一致,但Ni－Ce－B样品晶化生成的Ni晶格有较大畸变,同时Ni3B并未分解．说明0．3％的Ce对提高Ni－Ce－B样品的稳定性有显著作用．本文首次报道了Ni－B和Ni－Ce－B超细非晶态合金中苯加氢催化活性中心为纳米晶Ni和类似于金属Ni的Ni－B非晶态合金．     

一种基于模型预测的永磁同步电机直接转矩控制策略

针对传统直接转矩控制(DTC)方法中电压矢量切换时间不固定以及电压矢量切换点受限于滞环宽度等问题,将模型预测控制(MPC)应用于永磁同步电机(PMSM)DTC系统,提出了一种优化的电压矢量预测选择方法。一方面,将预测的定子磁链和电磁转矩送入相应的滞环控制器,从电压矢量有限集中选择合适的电压矢量以确保预测的磁链和转矩分别在各自的滞环内;另一方面,引入代价函数和优化策略,选择不同情况下相应的最优电压矢量,且可以同时考虑电流保护等额外的控制目标。在一台凸极PMSM驱动平台上对所提出的控制策略进行了试验验证。试验结果表明,所提出的控制策略能够有效地将转矩控制在滞环内,验证了该策略的有效性。     

Rh—Mo—K／Al2O3催化剂的CO加氢合成低碳醇性能

本文研究了硫化态和还原态Ｒｈ－Ｍｏ－Ｋ／Ａｌ２Ｏ３催化剂上ＣＯ加氢合成低碳醇的反应性能，考察了不同铑负载量、钾助剂、合成气组成和反应条件（温度、压力和空速）对合成醇性能的影响及催化剂的反应稳定性。发现硫化样品较之还原态样品具有更好的合成醇选择性，催化剂中添加铑后，生成醇活性和选择性大幅度提高。选择合适的反应温度、提高反应压力和空速、适当增加合成气Ｈ２／ＣＯ的比例可以获得较好的合成醇反应性能。     

基于深度学习的海岸线边缘检测网络模型

海岸线的动态监测对海岸带的规划管理具有非常重要的意义。由于海陆环境错综复杂,遥感影像中海陆边界光谱特征不明显,导致提取的海岸线定位不准确。提出一种融合语义分割网络和边缘检测网络的深度卷积神经网络模型(EWNet)。该模型包含2个分支流：语义分割流负责提取分层语义信息并用来指导边缘检测流获取岸线语义信息;边缘检测流通过语义分割流完善边缘语义信息。在“高分一号”遥感图像上的实验结果表明,与几种最新网络模型相比,EWNet获得了更精确的海岸线边界提取结果。     

Rh-Mo-K/Al2O3催化剂的结构及合成醇性能

采用ＸＲＤ，ＬＲＳ技术研究不同Ｒｈ含量的Ｒｈ－Ｍｏ－Ｋ／Ａｌ２Ｏ３催化剂的结构，并与其合成低碳混合醇性能相关联。结果表明，在氧化态Ｍｏ－Ｋ／Ａｌ２Ｏ３催化体系中添加０．２％的Ｒｈ会导致表面“Ｋ－Ｍｏ”物相聚集，继续增加Ｒｈ含量，铑可能和钾钼物种结合生成一种新的表面活性物相，从而使“Ｋ－Ｍｏ”物相晶粒主为小。     

一种基于非线性扰动观测器的飞轮储能系统优化充电控制策略

飞轮储能系统的工作模式要求在最短的时间内对飞轮进行可靠地充电。该文在分析传统充电控制策略的基础上,结合飞轮储能系统的工作特性,提出了一种基于非线性扰动观测器的优化充电控制策略。外环采用转速控制和能量控制相结合的方式,转速环实现恒转矩控制,能量环实现恒功率控制;引入过渡控制环节实现恒转矩控制和恒功率控制的切换;利用非线性扰动观测器估计电机损耗功率和负载功率并进行前馈补偿;基于控制系统稳态、动态和抗扰动性能的要求,给出一种控制器参数设计方法。与传统控制策略相比,所提充电控制策略恒功率控制灵活,恒转矩控制至恒功率控制切换平滑,且有效抑制了电机损耗功率和负载功率的影响,满足了飞轮储能系统的工作特性要求。最后,仿真和实验结果验证了所提策略的可行性和实用性。     

深度学习及其在电机控制中的研究现状与展望

状态观测器、卡尔曼滤波器等传统观测器由于应用范围的局限性,自身结构的缺陷性,会使电机控制系统的设计变复杂,观测精度降低,观测范围受限等。深度学习具有非线性拟合能力和泛化能力好以及特征提取能力强等优点。以深度学习观测器为主线,阐述了其应用到电机控制系统中的优势,以四种典型网络为例介绍了深度学习的原理和结构,列举并重点分析了深度学习在电机控制中的应用,对未来深度学习在电机观测器控制中的发展方向进行了展望。     

活性炭担载的钾钼合成醇催化剂

采用ＸＲＤ,ＬＲＳ技术研究了活性炭担载的不同Ｍｏ 含量Ｍｏ－ Ｋ催化剂结构,并关联其ＣＯ加氢合成低碳混合醇性能。结果表明,氧化态Ｍｏ－ Ｋ／Ｃ催化剂体系中,在低钼载量情况下,由于部分Ｋ离子渗透进活性炭的微孔,使得钾钼作用不充分,钼主要以ＭｏＯ２ 形式存在。保持钾钼比不变,随着钼载量的增加,钾钼作用逐渐增强,当ＭｏＯ３ 载量为７２ｗ ％ 时,Ｍｏ 主要以Ｋ２Ｍｏ２Ｏ７ 形式存在。经硫化还原处理后,发生了氧硫交换,钼主要以ＭｏＳ２ 物种形式存在,其粒度随着Ｍｏ 含量的增加而明显增大。高钼载量的样品（ 如ＭｏＯ３（７２ ％） － Ｋ／Ｃ） ,活性炭和Ａｌ２Ｏ３ 担载的硫钼物相基本相同。在硫化态催化剂中,增加Ｍｏ 的载量不仅能提高ＣＯ加氢合成醇的收率和选择性,而且有利于改善产物的分布,ＣＯ加氢催化反应的性能的提高可能主要归结于载体的电子效应