湖南晚二叠世生物礁主要造架生物纤维海绵的研究

湖南晚二叠世生物礁是发育在湖南郴县、桂阳及晨溪等地一系列的点礁。对8条生物礁组合实测剖面中大量礁生物化石标本的研究发现,生物礁中造架生物主要是钙质海绵。根据主要造架生物之一的纤维海绵研究历史和分类,采用以排水沟道作为鉴定依据的最新分类,对生物礁中纤维海绵进行了系统研究。研究发现,纤维海绵有8属12种,其中新种1个,为小双管海绵新种(Bisiphonella minitubenella,sp.nov.);比较种1个,为平行粗管海绵比较种(Grossotubenlla cf.parallella);未定种1个,为广西海绵未定种(Guangxinella sp.)。     

基于Visual FoxPro的隧道窑结构设计软件的开发

该系统是基于隧道窑结构设计开发的可视化应用程序系统.系统可实现隧道窑设计中主要设备选型以及燃烧、散热、热平衡的参数计算工作.经检验,软件界面友好、操作方便、可靠、计算速度快,可提高设计人员的工作效率.     

基于寿命周期成本分析的产品延伸保修决策优化模型

随着用户对产品寿命周期成本的日益重视,延伸保修已成为生产商新的关注点。延伸保修对产品维修使用费用以及市场竞争力有很大影响,为得到产品延伸保修决策优化方案以降低寿命周期成本,在考虑预防性维修策略的基础上,分析了生产商延伸保修定价策略,构建出一种以用户在产品使用寿命期内单位时间总维修成本最小为目标的延伸保修决策优化模型,并提出了求解模型的网格搜索(grid search)算法。通过引入算例,借助Matlab仿真软件实现网格搜索算法,在保证生产商利益的基础上,有效的降低了产品单位时间总维修成本,延长了产品使用寿命周期长度,由此得到了用户最优延伸保修决策方案,验证了模型和算法的合理性和有效性。     

煤岩显微组分的电浮选分离及其电化学凝聚特征研究

为了通过电化学絮凝选择性调控煤岩组分表面可浮性,获得电化学絮凝强化煤岩组分浮选分离的方法,采用沉降试验考察了铝电极作用下电浮选过程中煤岩镜质组和惰质组的浮沉特征,通过电浮选实验探索了电化学凝聚及分离效果的影响因素,揭示了电化学凝聚对煤岩显微组分的选择性作用特征.结果表明:电化学凝聚具有选择性,可有效提高煤岩镜质组和惰质组的沉降性差异,其对惰质组分的选择性絮凝可优化浮选分离效果,调控矿浆pH、电化学反应时间及电压强度等可控制煤岩组分的浮选分离效果,当pH=5,反应时间为20min,电压强度为40V时,惰质组富集率可达87.2%,沉物收率为21.1%.铝电极电化学凝聚作用是反应过程中的Al(OH)_3与煤岩组分结合并絮凝沉降的过程,受Al(OH)_3水解形式及其稳定性的影响,惰质组在电化学凝聚过程中的絮团形态受矿浆pH、反应时间及电压强度的影响.     

纺织行业采购管理信息化解决方案研究

针对具体行业提出反映行业管理特点的信息化解决方案是开发行业化ERP系统的前提，在分析了纺织行业采购管理的特点的基础上，指出应该从纺织行业供应链信息共享与集成的角度，同时在兼顾企业集团模式采购管理需求的基础上进行采购管理信息化方案设计。提出了纺织行业采购管理子系统的设计目标，阐述了采购管理子系统的结构及功能模块，并给出了采购管理子系统与其他子系统之间的信息联系。     

中华人民共和国国家标准UDC 电工术语 电工合金(报批稿)

本标准参照采用国际电工委员会IEC50(441)《开关设备、控制设备和熔断器》、IEC50(40)《电热的应用)、IEC 115—1《用于电子设备的固定式电阻器》、IEC 50(901)、(901A)、(901B)磁学以及ISO 3252《粉末冶     

《电工术语 电工合金》国家标准修订编制说明

1 任务来源由机电部91年标准化工作计划下达,编号 91466502修订 GB2900.4—86《电工名词术语电工合金》(现改名为《电工术语电工合金》),其中触头部份由机电部桂林电器科学研究所负责修订;热双金属、电热合金、导电合金、电阻合金、热电偶合金部份由机电     

神府煤不同密度级组分光催化氧化的XPS研究

利用XPS对比分析神府脱灰煤及其两个密度级组分D3(1.375～1.400g/cm3)和D4(1.400g/cm3)在低温光催化氧化前后表面化学键的变化,结果表明:煤表面主要含氧官能团以碳氧键(C-O)为主,氮的存在形式在D3组分中以吡咯型氮(N-5)和吡啶型(N-6)氮为主,D4组分中主要为吡咯型氮;神府脱灰煤主要是质子化吡啶型氮和吡咯型氮.光催化氧化50h后,神府煤表面含氧官能团含量减小,碳碳骨架键(C-C)含量增大;煤中内部质子化吡啶(N-Q)转化为芳香环边缘上的吡啶氮或吡咯氮.     

机器学习辅助U-Mo合金等温分解参数设计

U-Mo合金是一种在研究试验堆中极具发展潜力的弥散燃料。提高氢化-脱氢制粉效率是通过粉末冶金方法高效制备U-Mo合金弥散燃料的前提。优化均匀化处理温度、等温时效温度、等温时效时间、Mo含量等参量有利于增加U-Mo合金α相含量,进而提高U-Mo合金制粉效率。机器学习辅助设计材料的方法能够大幅减少昂贵耗时的试验次数,提高材料研发效率。本文将机器学习方法应用于U-Mo合金等温分解参数的快速设计,以合金硬度为设计指标,基于少量数据建立了合金硬度与上述参数之间的机器学习支持向量机模型。在对硬度预测的基础上,比较了基于预测值和基于预期提高的两类实验设计算法在优化效率方面的差异。结果表明,基于预期提高的实验设计算法通过少量迭代试验能够明显提高硬度,而基于预测值的设计算法对硬度提高不明显。应用上述机器学习辅助设计方法,通过4次实验成功地确定了该合金等温分解最佳参数组合为时效温度为565 °C,时效时间20小时以上,均匀化处理温度为900~950 °C,Mo含量为6wt.%,在该工艺窗口下处理的合金硬度最高,制粉率最高。本研究对利用机器学习方法快速优化U基合金工艺参数进行了初步尝试,这类基于数据的方法能够有效提高材料研发效率。     

天然卤水与碳酸氢铵直接法生产食品级小苏打试验

根据正交实验原理,对天然卤水与碳酸氢铵一步反应直接生产小苏打的工艺条件进行优化。综合考虑正交实验结果,根据产品回收率和纯度与各条件的关系得出的最佳工艺条件为:卤水与碳铵比为1 m3∶(0.36~0.4)t、反应温度35~37.5℃、反应时间1~1.5 h。并按此条件进行了验证试验,在此条件下小苏打平均回收率为89.6%,产品总碱度(NaHCO3%)在99.0%~100.5%之间,均达到食品级的要求,工业试验也获得了理想的结果。