锌冶炼净化钴渣综合回收工艺研究

以锌冶炼净化钴渣为研究对象,采用酸洗回收锌、焙烧—还原浸出回收钴的工艺,实现有价金属的回收。结果表明,在液固比2、初始酸度35g/L的条件下酸洗2h,可实现锌、钴的有效分离;酸洗后钴渣在500℃焙烧30min得到的含钴焙砂,在Na_2SO_3用量12%、初始酸度200g/L、液固比4∶1、温度80℃的条件下还原浸出3h,钴浸出率可达97.07%。     

装备振动功率谱密度统计归纳误差研究EI北大核心CSCD

承受随机振动环境的装备,一般采用功率谱密度作为振动环境条件。对于各频点幅值满足正态分布的实测功率谱密度,常采用正态单边容差上限方法进行统计归纳形成试验谱。为确定上限估计误差与样本量的关系,结合正态单边容差上限的定义,推导了正态单边容差上限估计的均方根误差和百分比误差的公式,并结合数值仿真校验了此函数关系的正确性,同时结合工程实际对公式合理简化,得到上限估计误差的最大值与样本量的函数关系式,并给出了控制上限估计误差所需的最大样本个数。对比了不同样本量下自助容差上限和正态单边容差上限误差,结果表明:至少需要20个样本才能使得P95/50上限估计误差不超过10%;至少需要54个样本才能使得P99/90上限估计误差不超过10%;自助容差上限方法在小样本统计归纳时有一定优势。     

刚果(金)某硫化铜钴精矿加压浸出研究

采用加压浸出工艺处理刚果(金)某硫化铜钴精矿,考察了温度、氧分压、反应时间、液固比和初始酸度等对加压浸出效果的影响。结果表明,在温度180℃、氧分压600kPa、反应时间2h、液固比5的条件下,钴浸出率可达98.5%以上,铜浸出率可达99%以上,硫浸出率可达98%以上。     

基于贡献度证明共识机制的去中心化联邦学习框架

在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework, EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点...     

基于稀疏注意力机制的齿轮早期磨损故障诊断研究

在齿轮故障诊断领域中，对齿轮早期磨损故障实现有效诊断具有重要意义。然而，早期磨损故障特征弱，诊断难度大。针对该问题，提出了一种基于稀疏注意力机制的齿轮早期磨损故障诊断模型，采用一种新的稀疏注意力机制结合卷积神经网络，改进传统分段序列注意力机制，实现了具体故障频率定位。应用齿轮箱故障模拟实验数据进行测试验证，相比其他诊断方法，所提方法能够在同等样本条件与计算代价下，实现更为准确全面的诊断，降低分析成本，获得敏感故障特征频率，为齿轮维护提供数据支撑。     

基于Drucker-Prager/Cap模型的Ti-30Cu粉末轧制过程模拟

对钛和铜质量比为7:3的Ti-30Cu混合粉末进行单轴压缩、巴西圆盘和模压试验，获得该粉末Drucker-Prager/Cap本构参数与相对密度的关系；利用Abaqus软件建立粉末轧制模型，研究喂料高度对板料相对密度的影响，并进行了试验验证；采用该模型研究了辊缝宽度、轧速对Ti-30Cu合金板料相对密度的影响。结果表明：在辊缝宽度为1 mm、轧速为10 mm·s^-1条件下，随着喂料高度由150 mm增加到300 mm,板料的相对密度增大，模拟结果与试验结果基本吻合，最大相对误差为2.15%,验证了轧制模型的有效性；随着喂料高度的增加、辊缝宽度或轧速的减小，板料的相对密度增大。     

浆态床渣油加氢长周期运行问题及优化措施

根据国内当前浆态床渣油加氢运行装置并结合沸腾床工艺及煤制油悬浮床（浆态床）工艺探讨浆态床渣油加氢装置长周期运行中遇到的系统管线、设备结焦堵塞、事故处理及衍生出的系列问题进行深入分析讨论，提出效果较好的处理措施，并介绍了合理的技改技措项目，对优化浆态床装置流程、延长运行周期有明显的效果。