直读发射光谱法测定银硼钼锡铅的载体缓冲剂研究

研究推荐以Al_2O_3、K_2S_2O_7、SiO_2、BaCO_3、NaF、S、CaCO_3、Fe_2O_3为主要组分的载体缓冲剂,通过与地球化学样品中待测元素发生热化学反应生成氟化物、硫化物确保其蒸发浓集率,与样品基体生成难以挥发的硅铝酸盐降低其干扰程度。在此基础上建立了直读光谱快速测定Ag、B、Mo、Sn、Pb的单电极载体蒸馏法,采用国家一级标准物质校准工作曲线及分析结果的量值溯源,检出限分别为Ag 0.006μg/g、B 0.84μg/g、Mo 0.08μg/g、Sn 0.19μg/g、Pb 0.59μg/g,待测元素结果的精密度≤8.14%、准确度≤0.089,满足多目标地球化学调查、生态地球化学评价等要求。     

BP神经网络在飞轮电池控制系统中的研究

飞轮储能用电机的非线性和变参数特性使得传统的PID控制很难取得较好的效果,而人工神经网络在一定的条件下可以逼近任意非线性函数,且具有较强的自学习、自适应、自组织能力,故将其与传统控制相结合构成神经网络自适应控制策略,应用于飞轮储能电机以实现高性能控制.同时采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,可大大加快神经网络学习训练的收敛速度,进一步提高系统动态响应速度.仿真结果表明,在充放电两端,系统的动态响应快,超调小,稳态精度高,鲁棒性强,抗扰动能力强.控制效果较好.     

基于双谱分析的齿轮故障诊断方法

齿轮啮合过程中的振动信号往往呈现出非线性、非高斯性,加上强噪声的干扰,给故障特征的提取带来了较大的困难.为实现齿轮单一故障的分类和诊断,采用时序参数化的双谱分析方法,对齿轮故障模拟试验台上采集的正常状态和3种故障状态的振动信号进行了分析,根据双谱谱峰的分布及数目的差异性,实现了齿轮正常、裂纹、磨损、剥落4种状态的识别和分类.结果表明,双谱分析可以抑制背景噪声,并有效提取信号中的非高斯成分,是一种有效的故障诊断方法.     

高职毕业生职业关键能力培养的社会动因及阻力探究

职业关键能力的培养是提升高职生就业竞争力的重要切入点.然而,在功利主义盛行的高职教育中,职业关键能力的培养常被忽视或无暇顾及,甚至被歪曲.只有将职业关键能力的培养置于社会的整全视野下,在社会脉络中探究其社会动因及阻力,才能准确把握其实质,增强职业关键能力培养的使命感、紧迫感.     

体育高职高专院校学生教育管理模式研究

体育高职高专院校有其独特的教育环境,如何把教育管理规律与学生身心发展规律结合起来,开展学生教育管理工作,是体育高职高专院校学生教育管理者面临的新挑战.以广东体育职业技术学院学生为对象,从学生的特点和对目前学生教育管理的分析为切入点,寻求适合体育高职高专学生身心发展的教育管理的途径和方法,旨在提高体育高职高专院校的人才培养质量.     

交流伺服系统无速度传感器矢量控制研究

为保证控制精度,降低制造成本,研究了一种无速度传感器矢量控制交流伺服系统。该控制系统采用id=0矢量控制策略,PWM采用空间矢量PWM(SVPWM)技术以提高控制性能;同时设计了模型参考自适应系统(MRAS)对电机转子速度/位置进行估算,实现无速度传感器控制。数字仿真试验验证了所设计的伺服系统跟踪定位能力强,鲁棒性好,速度/位置估算精度高。     

熔融制样-X射线荧光光谱法测定磷矿石中主次组分

磷矿石是一种不可再生资源,其伴生组分F等也有较高的利用价值,熔片法处理样品后以X射线荧光光谱法(XRF)测定磷矿石中难挥发组分具有精密度高、准确度好的特点,但组分F在高温条件下易挥发,检出限偏高。文章重点研究了F组分高温挥发特性,建立了熔融制样-X射线荧光光谱仪测定磷矿石中P_2O_5、F、SiO_2、Al_2O_3、Fe_2O_3、MgO、CaO、Na_2O、K_2O、TiO_2、MnO和SrO等12种组分的分析测试方法。通过试验确定的分析条件为:稀释比为1∶15,预氧化温度为700℃,熔样温度为1 050℃,熔样时间为4 min。方法中,F、MgO、K_2O为造岩轻组分,无须基体校正;SrO采用Rhα-c作内标;P_2O_5、SiO_2、Al_2O_3、Fe_2O_3、CaO、Na_2O、TiO_2和MnO组分采用理论系数法校正基体效应。方法检出限在0.000 2%~0.042%之间,特别是F组分的检出限可达到0.042%。以GBW07210和GBW07212为对象考察方法精密度,各组分测定结果的相对标准偏差(RSD,n=12)在0.07%~5.1%之间;采用实验方法分析磷矿石标国家标样,及由标准样品合成的样品,测定值与认定值或理论值吻合良好。     

基于BP网络的飞轮电池电力转换控制研究

飞轮电池储能用集成电机时变非线性特点使得传统PID控制难以得到理想的控制性能,为此基于BP神经网络研究了一种新颖的飞轮电池电力转换器。该控制器结合BP神经网络自学习能力和PID控制的全局渐近稳定性能,通过神经网络在线优化调节PID参数,以实现对飞轮电池的高性能控制。其中,采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,同时使用遗传算法(GA)优化得到PID参数的初始值,这可加快神经网络学习训练的收敛速度并避免陷入局部最小,进一步提高控制性能;另外,PWM采用SVPWM技术以增强能量转换效率和减小转矩脉动。数字仿真表明,基于所提出的BP-PID控制的电力转换矢量控制系统能够使飞轮电池在充放电两端都具有较快动态响应,较小超调,较高稳态精度以及较强的鲁棒性,控制效果明显比传统PID好。     

铝箔除爆器爆破压力概率分布研究

除爆器的工作可靠度,即除爆概率,是除爆器最重要的指标之一。必须掌握除爆器的执行元件——箔片的爆破压力概率分布方能对其作出定量预报。本文根据几种不同厚度的φ140mm铝箔片爆破实验结果,通过破坏模式分析提出了箔片爆破压力概率分布之假设,并用统计学的方法以95％的置信度根据实验数据作了假设检验及分布参数的区间估计。利用这些结果可以准确预报除爆器的除爆概率或进行除爆器的可靠性设计。