浅谈循环流化床锅炉的防磨技术

探讨影响循环流化床锅炉磨损的主要因素,目前在循环流化床锅炉中的主要防磨措施。     

抗淬灭增强的ExM-SOFI技术

膨胀超分辨技术是近几年出现的一种对样品制备进行改进实现分辨率提升的超分辨技术,由于其与其他光学技术的兼容性强,可以进一步提高分辨率,引起了越来越多研究人员的关注。复合膨胀技术是膨胀超分辨技术改进的一个主要发展方向之一,膨胀结合光学波动超分辨技术（ExM-SOFI）在复合膨胀技术中是一种受限较小且使用较为广泛的技术。为了增强现有ExM-SOFI技术的成像效果,本课题组将成像缓冲液技术应用于ExM-SOFI技术,以增强膨胀样品在拍摄过程中的抗淬灭能力,从而使普通染料在ExM-SOFI中的荧光强度、荧光波动幅度和闪烁比等均有增强。微管和囊泡的染色成像结果表明,使用这种技术可以使样品在高阶SOFI中保持真实结构,伪影更少,因而高阶SOFI技术可以提升膨胀样品的最终分辨率。     

弯曲木构件浸水后回复蠕变的初步研究

回复蠕变影响弯曲木构件的尺寸稳定性,探索弯曲木构件回复蠕变与浸水时间的关系对研究曲木家具有重要意义。通过水热处理软化水曲柳、枫木和橡胶木试件,利用弯曲模具制造弯曲木构件。试验结果表明,弯曲木构件的回复蠕变与浸水时间呈正相关关系。不同树种,或同一树种不同水热处理工艺,试件回复蠕变均随其浸水时间的延长而增加。     

弯曲木材尺寸稳定性与陈化时间的关系

研究在不同软化工艺条件下弯曲木材尺寸稳定性与陈化时间的关系，结果表明：使弯曲木材获得最佳尺寸稳定性所需的陈化时间随软化工艺的不同而不同。本试验所考察的三种软化工艺的最佳陈化时间分别为：4h、6h、4h。     

基于状态机自适应相位帧同步器的设计与实现

帧同步器采用硬件描述语言AHDL设计,基于同步状态机实现帧同步信号的提取,对串行输人数据具有动态搜索、校验、锁定帧同步信号的功能和自适应相位的特点.可用于数字通信系统接收端,实现帧同步信号的提取.为了便于装置的调试与测试,设计中还增加了自检数据源产生逻辑,以实现装置的自检功能.整个设计可集成到一片CPLD或FPGA中,易于参数和程序的修改,适用于多种帧结构,具有很好的可移植性.结果表明,该系统运行稳定,很好地完成了帧同步信号的提取.     

细木工板游离甲醛不同检测方法的比较分析

分别采用气候箱法、40L干燥器法、9～11L干燥器法及穿孔萃取法测量细木工板中的游离甲醛释放量,通过分析测试原理及对测试结果稳定性的比较考察各测试方法的优劣。结果表明:气候箱法是一种较为准确的测试方法,9～11L干燥器法和穿孔萃取法实用性较好,40L干燥器法测量结果波动大,可信度不高。     

浮子阀的研制及其应用

离子交换除盐系统中的再生剂输送系统,一般由两部分组成:一部分是从再生剂运输槽车至再生剂储罐;另一部分是从再生剂储罐至再生剂、计量箱,而这两部分的输送方法基本相同.目前由于其输送方法尚不完善,其输送系统中均无防止再生剂流失装置,一旦运行人员维护不当,便可造成再生剂大量流失,严重地威胁电厂水处理系统的安全与经济运行.几年来,我们对此问题进行了     

基于新型联合感知矩阵的压缩学习目标识别技术

目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域.     

基于DSP的电力系统故障录波装置设计与实现

电力系统的发展对故障录波装置的精度、处理速度提出了更高的要求。因此设计了一种应用于电厂、发电机组、变电站等场合的高性能故障录波装置。本装置基于TI的DSP、TMS320C6713和TMS320VC5502。系统兼有数据采集、分析、存储的功能,数据采集速度很高时．仍能保证处理的实时性。     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。