再生动物(羊毛)蛋白纤维针织面料关键技术

介绍了再生动物(羊毛)蛋白纤维及其特性,基于此,将其与抱合力较好的棉纤维混纺,混纺比分别为30﹕70、40﹕60、50﹕50。阐述了采用再生动物(羊毛)蛋白纤维开发针织面料的工艺,指出编织时要注意保持对线圈长度和张力的测试和监控,及时调整偏差;染整时注意采用活性染料染色且要严格控制水温、升温和升温保温时间。对纤维配比不同的3种针织面料进行性能测试,结果表明:再生动物(羊毛)蛋白纤维有同类纤维所不具备的特点,如缩绒性、弹性恢复性和吸湿发热功能,通过科学严格的技术手段,使其功能得到了充分的发挥,从而研发出一种功能独特的、新型的吸湿发热针织面料。     

氯化铵对Al粉材料直接氮化的影响

分析了NH4Cl对Al粉直接氮化程度的促进作用,并采用实验的方法进行验证.实验中对NH4 Cl的含量比例进行优化,并通过XRD、SEM、XRF和EDS进行测试、分析和表征.结果表明,当铝粉与NH4Cl的质量比不同时,NH4Cl对Al粉直接氮化起到不同程度的促进作用,产物表现为不同的外观形貌、不同的含量及不尽相同的结晶情况.当Al粉与NH4Cl的质量比为9∶4时,反应产物氮化铝纳米线的含量比较多,且外观形貌最好,结晶情况最佳.最后,结合V-S机制对NH4Cl促进AlN纳米线的生长机理进行了解释.     

不均衡数据下基于SVM的故障检测新算法

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。     

几种纺织新材料的开发研究及应用

介绍新常态下的几种纺织新材料的功能特征,在针织上的技术应用特点及其市场发展趋势,包括再生纤维素纤维、轶纶聚酰亚胺短纤维、树棉纤维的外观形态、结构特点、性能特点、基本意义、开发实例等。并阐述功能性针织面料新的开发思路,提出当纤维具备两种及以上的多种功能时,应制定的功能针织产品新标准体系。同时详细介绍新型天然植物纤维树棉的认知问题、资金问题、技术问题等研究现状,并提醒相关人员应关注树棉产业的未来。     

煤制油油灰渣在CFB锅炉燃烧试验研究

本文对神华煤直接液化工程产生的油灰渣进行了详细的分析,通过在西安热工院1MWthCFB燃烧试验台上对油灰渣和洗中煤混合燃料的燃烧特性试验研究,混合燃料比例的确定、对燃烧稳定的影响、在设计工况下的脱硫效率和SO2、NOX的排放浓度及燃烧灰渣的特性等进行了介绍,为煤制油电厂以油灰渣为燃料的100MWCFB锅炉设计、运行提供主要的技术支持,为现场锅炉掺烧,积累了经验。同时对CFB锅炉掺烧含油类及高硫份的燃料亦有一定的借鉴意义。     

一种相变调温新材料及在针织上的应用

阐述纺织用相变调温微胶囊和纤维的功能特点,以及在针织上的应用,分析不同含量相变调温纤维针织纱线的不同功能特性以及评价方法。通过实际应用案例及对比分析,确定纺织品达到相变调温及其他功能技术要求的相变焓值及纤维组分和配比,分析动态升降温最高温度调控值,研发出相变调温纺织新材料在针织上应用的技术新路径,为实现针织面料智能化提供一种新技术和新方法。     

基于支持向量数据描述的变压器故障检测方法

在变压器故障诊断领域中,针对传统分类算法在没有故障样本信息的情况下无法有效实现故障检测不足的问题,提出了一种基于支持向量数据描述的变压器故障检测算法.该算法只需要目标样本,即正常样本进行训练,无需故障样本信息,最终得到描述正常样本空间结构信息的超球体,决策阶段利用与超球体中心的距离进行判断.通过实验表明,笔者提出的方法在故障样本不均衡的情况下能有效实现变压器的故障检测.     

基于粒子群优化聚类的汽轮机组振动故障诊断

针对模糊C-均值聚类算法(FCM)容易陷入局部极值和对初始值敏感的不足,提出了一种新的模糊聚类算法(PFCM),新算法利用粒子群优化算法(PSO)全局寻优、快速收敛的特点,代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度。将该算法应用于汽轮机组振动故障诊断中,与电厂运行实际故障状态对照,仿真结果表明该算法提高了故障诊断的正确率。为汽轮机振动故障诊断方法的研究提供了一种新的思路。     

一种多尺度协同变异的粒子群优化算法

为了改善粒子群算法易早熟收敛、精度低等缺点,提出一种多尺度协同变异的粒子群优化算法,并证明了该算法以概率1收敛到全局最优解.算法采用多尺度高斯变异机制实现局部解逃逸.在算法初期阶段,利用大尺度变异及均匀变异算子实现全局最优解空间的快速定位;随着适应值的提升,变异尺度随之降低;最终在算法后期阶段,利用小尺度变异算子完成局部精确解空间的搜索.将算法应用6个典型复杂函数优化问题,并同其他带变异操作的PSO算法比较,结果表明,该算法在收敛速度及稳定性上有显著提高.