锌杂质对铅酸蓄电池性能的影响——基于柠檬酸/柠檬酸钠体系回收废铅膏

废铅酸蓄电池在回收过程中会引入大量的锌杂质。本实验采用柠檬酸/柠檬酸钠湿法浸出模拟铅膏,铅膏中锌掺量为1%、0.5%、0.1%、0.05%和0.01%。经浸出、过滤、焙烧后得到铅酸电池活性物质铅粉,将铅粉制备电池,考察其20小时率、1小时率放电和电池循环性能,发现铅膏中锌含量为0.1%时电池的性能最好。     

开放的冲模总体结构CAD模块的设计与实现

冲模总体结构CAD模块往往存在开放性不足的问题,即用户只能选用若干套预先集成在模块中的典型结构,这大大限制了整个系统的柔性和实用性。对此,提出一种开放的冲模总体结构CAD模块的实现方法,应用分层建库和基于实例的设计思想,提高了模块的开放性,支持用户将常用结构添加进模块的库中以便以后的重用——特别是拓扑结构全新的零件,从而提高设计效率。     

中国保健食品的出路:以质量求发展

保健食品质量的特点 保健食品除应具备商品的共性之外,还具有以下的特殊性。 1、具有特定的保健功能。 2、与中国传统医药学的历史渊源。食疗是中国传统医药学的重要组成部分,中国的保健食品有七成源于食疗,其保健作用已获得肯定的评价,但是必须进行科学实验分析和论证,寻找和提取、分离功能因子,已知其然还要洞悉其所以然,这不但是《保健食品管理办法》的要求,也是提高产品质量水平和跻身国际市场的重要途径。     

塑料瓶盖封口扭力矩对封口质量影响的研究

用小型 (净含量≤ 2L)PET塑料瓶为包装材料生产的无气饮料 ,其封口工序一般来说都是一个CCP点 ,对这一个CCP点的监控 ,其关键限值、监控对象、监控方法、监控频率没有一个统一的国家标准 ,每一个工厂都是根据自己的生产实际作出具体规定 ,以既不泄露也不费力打开瓶盖时的扭力矩 ( 1 5± 0 3 )N m作为制定这一个CCP点的关键限值 ,此关键限值可以作为政府部门对小型无气PET瓶装饮料HACCP验证时的参考依据     

油井水泥抗高温抗盐降失水剂的室内研究

中国近几年开始研究和应用AMPS共聚物类油井水泥降失水剂,但该产品价格较高,性能也不稳定.针对目前对水泥浆抗高温抗盐降失水剂的迫切需要,结合国内外在AMPS共聚物研究和生产方面的经验,经过几年的研究开发出了G310油井水泥抗高温抗盐降失水剂.该产品为AMPS、AA、AM三元共聚物,适用温度范围宽、抗盐性能可达饱和盐水,降失水效果明显,稠化时间可调且性能稳定.加有G310降失水剂的水泥浆,失水量随着温度的升高或盐水浓度的增大而有所增大,但在40～175 ℃的温度范围内,在盐水达饱和时,仍可将失水量控制在100 mL以内;在低温下该产品有较强的缓凝作用,需加入促凝剂配伍使用.     

绿色水电 绿色产业——缙云盘溪梯级电站绿色发展实践

<正>1 概 述盘溪一级电站、二级电站、三级电站、四级电站等4座梯级水电站坐落于浙江省缙云县盘溪,属瓯江流域。一级电站距县城最远,约35 km; 四级电站距县城最近,约20 km。一级电站至四级电站现装机容量分别为600、2 400、3 000、1 600 kW。一级电站为大洋水库坝后式电站,二、三、四级电站分别引用前级电站的尾水和区间来水发电,均为引水式。4座电站初始投产发电均为20世纪70年代,一级电站于2016年完成改造,     

坦桑尼亚某鳞片石墨矿石浮选试验

高品质大鳞片石墨具有较高的使用价值和经济价值,为防止石墨大鳞片的破碎,对坦桑尼亚某鳞片石墨矿石采用阶段磨矿浮选—预先分目的工艺流程进行了试验研究。试验通过筛分获得了+0.15 mm大鳞片石墨精矿,-0.15 mm石墨经过阶段再磨精选,得到了高碳细粒级石墨精矿,闭路试验获得的大鳞片石墨固定碳品位为96.04%、回收率为55.84%,细粒级石墨固定碳品位为95.43%、回收率为38.73%,精矿总回收率为94.57%。该工艺流程有效保护了石墨鳞片的完整性,提高了大鳞片产率。     

非线性不确定机器人复合滑模非脆弱H∞位/力控制

针对非线性不确定机器人面临参数不确定性、控制器增益摄动及外界干扰的问题，在其终端受环境约束的情况下，提出一种基于多项式平方和(sum of squares, SOS)理论的复合滑模非脆弱H_∞(composite sliding non-fragile H_∞,CSNH)位/力控制策略。首先，建立了机器人降阶动力模型和误差状态空间模型。其次，根据所提的复合位/力滑模面，基于Lyapunov稳定性理论设计一种具有H_∞扰动抑制的非线性变参数滑模非脆弱状态反馈控制器，给出控制器存在条件和求解方法。仿真结果表明，CSNH控制能够在不确定性和外部干扰作用下，使机器人快速、精确地跟踪位/力指令，体现出了良好的鲁棒性、抗干扰性及非脆弱性。     

基于嵌入式机器视觉的流水线分拣机器人设计

针对传统流水线上人工错误率高、速度慢和人工成本高的问题,设计了一种深度学习的流水线智能分拣机器人来缓解流水线的压力。该机器人采用分层结构设计,上位机采用Jetson Nano来完成机器人的图像采集、识别和处理,下位机由STM32G0作为主控,通过舵机和电机实现机器人的功能控制。同时上位机与下位机之间进行有效的数据交互,实现了机器人的抓取和分拣协调工作。在实验测试中,该机器人能够通过学习样本实现自动分拣不同类型的对象,并且能够精确识别。该流水线分拣机器人融入了计算机视觉与嵌入式系统,不仅使分拣机器人结构更紧凑,而且有利于提高社会生产力水平,具有良好的应用前景。