H2/H∞混合优化问题综述

H2/H∞混合优化设计方法由于其可以 使系统同时获得较好的鲁棒稳定性和鲁棒性能，一经提出，立即受到研究者的广泛关注．本 文综述了H2/H∞混合优化方法的产生、发展及其特点，概要介绍了H2/H∞优化理论研究的最新进展及实践应用的主要结果，分析了H2/H∞混合优化理论在理 论和实际应用中的发展方向．     

Encoder-Decoder LSTM 网络的输电 母排触点温度预测方法

机场行李传送装置输电母排触点状态的观测,对减少机场行李传送装置意外停机、保障机场正常运营具有重要的意义。输电母排触点故障发生时往往伴随温度的上升,温度的变化能够直观反映输电母排触点状态。因此可以采用编码器-解码器长短期记忆网络(Encoder-Decoder LSTM)对输电母排触点进行温度预测。首先采用双向长短期记忆网络(Bi-LSTM)组成的编码器对母排触点的历史温度数据进行编码,再由长短期记忆网络(LSTM)组成的解码器预测输出输电母排触点未来一段时间的温度值。通过对国内某机场行李传送装置一个月的温度观测数据进行测试。实验结果表明采用Encoder-Decoder LSTM的时间序列预测方法优于传统的时间序列预测模型以及其他现有的深度学习预测模型。     

乙醇室温浸提法提取黄芩总黄酮的工艺条件

考察了水煎煮法、乙醇回流法、乙醇室温浸提法对黄芩总黄酮得率和纯度的影响。确定乙醇室温浸提法的工艺条件为：50％乙醇室温浸提3次，每次24h；酸沉温度40℃；酸沉pH为0．5。该工艺稳定性好，黄芩总黄酮的平均得率为7．68％。     

石膏板厂沸腾炉SCR系统烟气流场优化

采用Fluent软件对国内某3000万m2/年石膏板生产线烟气脱硝系统进行了模型建立和数值模拟,讨论结构参数对烟道内速度、温度和NH3浓度均匀性的影响,指导烟道布置方案选择.结果 显示:冷风汇人角度不能大于55°,且取55°时烟气混合程度最好;烟道直径为2 m时,其转角半径取1 m时流场最均匀;在催化剂上方布置3块导流板的流场均匀程度最好;布置整流栅格可以有效改善速度场均匀性.     

航天业务网线路状态监控与自动配置软件设计与实现

针对通用的网络监视与维护手段无法满足航天业务网管理需求,本文根据航天业务网网络特性,研究设计开发辅助监控系统,实现对重要线路状态监视以及各种常用配置的快速更改,提高准确性,可大大提高故障发现、测试、代通等工作效率。     

富勒醇的羟基活化及其产物对蛋白修饰

考察了2-氟-1-甲基吡啶对甲苯磺酸盐(FMP)对富勒醇羟基的活化方法,以便将富勒醇通过共价交联的方法与牛血清白蛋白(BSA)连接,进而研究富勒醇修饰对BSA所造成的影响。富勒醇的合成以富勒烯为原料,以四丁基氢氧化铵(TBAH)为相转移催化剂,在NaOH为催化剂的作用下进行;FMP对富勒醇羟基的活化以三乙胺为催化剂;富勒醇的表征用紫外吸收光谱和红外光谱分析的方法;富勒醇对BSA修饰后的产物的纯化和检测分别用凝胶过滤柱和SDS-PAGE电泳检测进行。富勒醇的红外光谱在3000cm~(-1)处有宽的羟基吸收峰以及碳碳双键、碳环、碳碳单键、碳氢单键等富勒醇的特征吸收峰。富勒醇对BSA修饰后,引起BSA在280nm处吸光度升高。结果表明,FMP可以对富勒醇上的羟基进行活化进而是富勒醇进行修饰。     

亚麻浸泡脱胶与短时间浸渍脱胶的比较

为进一步研究浸泡法与短时浸渍法亚麻脱胶体系,优化酶法亚麻脱胶工艺,分别研究了酶用量及pH值对浸泡法和浸渍法2种脱胶体系中还原糖、总糖含量及脱胶后亚麻纤维分裂度的影响。结果表明:2个脱胶体系的适宜酶用量均为5 g/L,浸泡法脱胶适宜pH值为3.7～4.0,短时浸渍法脱胶适宜pH值为4.8。浸泡法亚麻脱胶体系中还原糖和总糖含量均高于短时浸渍法脱胶,浸泡法脱胶的纤维一致性较好,而短时浸渍法脱胶在纤维分离度及酶液用量方面更具优势。     

特种耐火纸面石膏板的开发及其耐火机理研究

通过添加收缩补偿剂和高温补强剂提高(普通)耐火纸面石膏板的耐火性能,开发出特种耐火纸面石膏板。通过对以特种耐火纸面石膏板为主材构成的防火隔墙研究及与普通耐火纸面石膏板耐火性能的对比,表明特种耐火纸面石膏板的耐火极限得到显著提高。就该板材的耐火机理与耐火添加剂的作用进行了重点探讨。     

我国纸面石膏板行业的发展趋势

我国纸面石膏板行业在自主开发与引进技术相结合的基础上得到快速发展，生产规模从年设计单线生产能力400万m^2发展到目前的3000万m^2，生产成套技术日趋完善，产品质量和生产效率也随着生产装备技术及先进工艺技术的应用有了质的飞跃。文中从生产线的规模效应、品种的发展、资源合理利用与生产线布局及纸面石膏板发展对相关行业的作用等进行了阐述。     

基于机器学习框架的氧化铝种分粒度细化爆发时序预测模型

种子分解工序是决定氧化铝产品质量的关键工序,但是当前人们缺乏对晶种分解机理和分解行为的准确本质分析,导致各氧化铝生产企业很难摆脱分解氢氧化铝粒度周期性细化影响,造成过滤效果变差、产能下降、氧化铝产品质量降低。本文利用有监督机器学习方法,建立循环神经网络模型,对种分粒度细化爆发情况进行时间序列预测。经过生产运行数据验证,该模型预测准确度较高,能够为氧化铝生产企业提供种分氢氧化铝细粒子量在未来100天的变化趋势,为生产争取调控时间,减少晶种粒度细化爆发的程度和发生频率。