微生物燃料电池-好氧颗粒污泥系统中C/N对阴极微生物的影响

为了探索微生物燃料电池(MFC)更广泛的适用性,将好氧颗粒污泥(AGS)与MFC进行耦合,并采用序批式运行方式,固定进水化学需氧量(COD)为780 mg/L,通过改变NH₄⁺-N的质量浓度(39、50、78和156 mg/L)将COD与NH₄⁺-N的质量浓度之比(简称碳氮比,C/N)分别调节为20、15.6、10、5,研究了不同C/N对系统阴极室内微生物的多样性和菌群结构产生的影响。通过高通量测序分析显示,随着进水C/N的变化,阴极室内不同菌群的相对丰度都产生了明显的变化。在门水平下,当C/N=10时,最为丰富的变形菌门(Proteobacteria)相对丰度为45.0%,而当C/N=20时降为41.1%。在纲水平下,当C/N=5时,最为丰富的异常球菌纲(Deinococci)相对丰度均为27.2%,而当C/N=20时只有15.1%。当C/N=15.6和20时,阴极室内微生物的新陈代谢最高,相对丰度均为77.1%,对应的阴极好氧颗粒污泥代谢能力较强,对微生物降解COD具有重要作用。     

新时代高职院校“三四五四”劳动教育体系构建探索

新时代高职院校劳动教育更注重劳动价值观的培育、学生技术技能水平的提升、工匠精神的塑造。纵观高职院校劳动教育现状,还存在劳动教育内容占比偏少、课程体系设置尚未完善、评价机制不够合理等问题。把握高职院校劳动教育的有效形式,推动劳动教育高质量发展,提出构建“三四五四”劳动教育体系:依托年级分层,构建“三段渐进”的劳动教育内容体系;依托“四大载体”,构建劳动教育多元实践体系;以课程为主阵地,实施“五课联动”的劳动教育课程体系;以劳动素养的提质升级,推进“四阶递进”的劳动教育评价体系。     

用CMAC预测红外图像的目标轨迹

为了有效地提高目标的捕获概率,进行红外图像目标跟踪时,必须预测目标的质心和姿态.采用CMAC估计器可以有效地解决常用预测算法运算量与预测精度之间的矛盾.CMAC估计器先用线性模型进行训练,然后预测目标的质心和姿态.CMAC每帧用实际误差训练一次,以减少其预测误差.CMAC具有很高的预测精度,且运算量少,适应目标跟踪的实时处理.实验表明:CMAC能精确预测目标的质心和姿态,适应模型变化,具有鲁棒性.     

挺进山东

一场浩荡的由南向北产业重心大转移,正在中国红木古典家具产业的大版图上如火上演,在一路向北的进程中,一个黄金市场也在迅速崛起,它便是一山东。山东,古称齐鲁。作为中国历史上诸子百家时期,首个崛起的文化中心,曾涌现出孔子、孟子、墨子、管予等,一大批至今仍对中华文化乃至世界文化产生深刻影响的文化巨子。他们的文化思想,奠定了整个中华文     

国资委全面深化改革领导小组第二次会议

正2014年2月11日,国资委主任、党委书记、国资委全面深化改革领导小组组长张毅主持召开国资委全面深化改革领导小组第二次会议。国资委副主任、党委副书记、国资委全面深化改革领导小组副组长黄淑和,国资委全面深化改革领导小组成员、成员单位主要负责人出席会议。会议传达了经济体制和生态文明体制改革专项小组第一次会议纪要,研究了《相关改革举措2014年改革工作要点》。张毅同志在讲话中强调,一要认真学习,吃透     

基于EMD和SVM的齿轮裂纹故障诊断研究

为了识别不同裂纹深度的故障齿轮,以齿轮传动系统中的直齿圆柱齿轮为研究对象,采集3个已预设不同裂纹深度的齿轮和1个无裂纹齿轮的振动信号。对采集到的振动信号先进行时频域分析和EMD分解,再提取不同维数的能量故障特征向量,采用基于径向基核函数的算法分别建立SVM模型并进行不同裂纹深度齿轮的识别和识别率比对。结果表明：选择合适维数的能量故障特征向量,结合EMD信号分解和SVM模式识别方法能准确识别不同裂纹深度齿轮的类型,为齿轮裂纹故障的早期诊断提供参考。     

基于多特征提取和LSSVM的轴承故障诊断

针对故障滚动轴承的振动信号具有非线性、非平稳的特点,提出一种基于时域指标、小波包能量和最小二乘支持向量机(LSSVM)的轴承故障诊断方法。分别对滚动轴承的原始信号进行时域分析计算和小波包分解,并提取状态差异较明显的时域指标和小波包分解后能量差异较大的小波包能量作为故障特征向量;将含有多个特征向量的数据样本分为训练样本和测试样本并进行归一化处理;训练样本作为LSSVM的输入来对该模型进行训练,通过训练好的LSSVM模型对测试样本进行分类和诊断。实验结果表明:采用该方法,轴承状态总体识别率为97.5%。     

基于EEMD的特征提取及其在齿轮裂纹故障诊断中的应用

为了提取齿轮裂纹故障的特征参数并识别不同裂纹深度齿轮的类型,以单级齿轮箱中的圆柱齿轮为实验对象,采集3种不同裂纹深度齿轮的振动信号。对采集到的信号进行时频域分析和EEMD分解,分别提取时域特征参数和EEMD能量特征参数,分析和构造齿轮裂纹故障特征向量,选用基于径向基核函数的支持向量机分类方法进行不同裂纹深度齿轮的识别。结果表明：结合时域特征参数和EEMD能量特征参数构造的齿轮裂纹故障特征向量能准确识别不同裂纹深度齿轮的类型。