改性煤矸石吸附预处理垃圾渗沥液试验研究

利用改性煤矸石预处理垃圾渗沥液,考察了改性煤矸石粒径、投加量及吸附反应时间对废水处理效果的影响。试验结果表明,利用改性煤矸石预处理垃圾渗沥液的最佳试验条件为：在原水COD为6096mg／L,氨氮为31．7mg／L,浊度为19．9NTU时,投加0．1245mm改性煤矸石3g,与50mL废水混合,振荡吸附120min,处理后出水COD为1466mg／L,氨氮为17．2mg／L．浊度为8．1NTU,对COD、氨氮、浊度的去除率分别可达到75．95％、45．74％和59．19％。该项研究为改性煤矸石作为水处理吸附剂在垃圾渗沥液及其他高浓度难降解废水处理中的应用提供了理论依据,同时也为垃圾渗沥液的处理提供一种途径。     

医疗内窥镜影像系统的设计与实现

设计并实现了消化内镜影像系统的常用功能,并增加了病变图像的二次采集,典型病例库的维护以及“所见即所得”的报告生成方式,提高了诊断效率。并对系统进行了全面的测试,保证了系统的稳定性和功能完备性。     

100MN单动短行程前上料挤压设备研究

介绍了大型单动短行程前上料挤压设备的特点;采用有限元模拟技术,对短行程前上料挤压设备关键部件进行了优化设计,介绍了短行程前上料送料机械手的设计;分析了100MN单动短行程前上料挤压机的技术参数。     

基于FPGA的SFBC码译码算法实现

在分析空频分组码（SFBC）编译码算法的基础上,重点研究了译码算法的工程实现方法。为解决SFBC码译码器现场可编程门阵列（FPGA）实现时的复杂性高、占用资源多的问题,提出了一种基于FPGA的优化译码器结构和实现方案,有效减少了资源占有量,提高了处理速度,并在Xilinx的xc4vlx80芯片上实现了SFBC码译码器,通过时序仿真结果验证了译码结构的有效性和实用性。     

加气混凝土自保温与聚苯板外保温墙体保温隔热性能对比

以胶粉聚苯颗粒贴砌聚苯板外保温墙体为参考分析对象,研究了加气混凝土自保温墙体的热工性能.计算结果表明,采用普通加气混凝土砌块并辅之以较薄保温砂浆的自保温墙体,能够达到以聚苯板为主要保温材料的外保温墙体的保温隔热效果,且不会增加墙体厚度.在工程费用方面,在相同保温隔热性能前提下,加气混凝土自保温墙体造价明显较低.使用加气混凝土砌块为基体的自保温墙体防火性能好,消除采用聚苯板保温墙体带来的防火安全隐患,同时加气混凝土保温墙体做法简单、施工简便.     

昆明地区建筑日照资源与参数

根据太阳与地球之间的相对运动原理和规律,计算出昆明（25°01′）二十四个气节太阳位置数值,绘制冬至日,春秋分日。夏至日太阳在昆明天空中运行轨迹和昆明正投影日照图。按春、夏、秋、冬季节列出了昆明地区全年（季、月）的可照时数和日照百分率。应用数值表和日照图针对昆明日照相关规定进行了适度分析。为昆明地区规划,设计工作提供了基础性的建筑日照资料。     

早龄期混凝土全变形曲线的试验测量与分析

试验测量了完整的早龄期混凝土变形曲线,并称之为混凝土的全变形曲线.混凝土全变形曲线表现为先膨胀后收缩的变形特征,基于此,定义膨胀结束点为混凝土的凝结时间,定义混凝土凝结后的变形为有效变形.同时分别考察了初测时间和环境温度对混凝土变形测量结果的影响,结果表明:初测时间晚于凝结时间将不能准确测量到混凝土的完整变形,并可能给试验结果带来较大偏差;环境温度显著影响混凝土的凝结时间和有效变形的大小.     

保护性脂肪在反刍动物营养中的应用

目前 ,能量的摄入不足是生产中限制高产动物生产性能发挥的一个重要因素 ,对于处于泌乳期的奶牛更是如此。通过对提高动物能量摄入途径的分析和各类保护性脂肪产品的比较 ,回顾了脂肪酸钙的生产工艺 ,提出使用保护性脂肪应注意的事项 ,并对保护性脂肪的代表产品———脂肪酸钙在畜牧业中的应用前景进行了展望。     

Q355D与Q345E钢焊接工艺评定

通过对Q355D与Q345E钢焊接性和成分的分析,从而选取合适该2种钢的焊接参数、焊接方法、焊接材料。焊接完成后进行磁粉检验、超声波检验、金相检验、焊接拉伸试验、焊接弯曲试验、焊接冲击试验、硬度试验等,检验符合标准后,总结出符合质量要求与生产工艺要求的Q355D与Q345E钢对接接头焊接工艺方法。     

多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型

现有施工仿真参数建模方法主要依靠单一模态数据,且现有多模态数据采集过程存在一定的滞后性,导致仿真的实时性和准确性不足。针对上述问题,本文提出了多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型。首先,在SpringBoot框架下开发了基于移动智能手机传感器的运动学和声学数据实时采集云平台,并采用低通滤波器和梅尔频谱等方法实现堆石坝施工机械多模态数据的实时采集与预处理;其次,提出了用于自动提取多模态数据特征的堆石坝施工机械精细活动状态识别深度学习模型。该模型集成了改进深度卷积长短期记忆循环神经网络(Improved DeepConvLSTM,IDeepConvLSTM)与深度卷积神经网络的优势,前者可精确感知施工机械运动方向,后者可从声音模态中感知施工机械振动状态。其中,IDeepConvLSTM在卷积层中间加入批量归一化层以提高收敛速度,并采用梯度缩放和剪裁以避免梯度爆炸的问题;进一步地,在云平台中采用大窗口移动过滤器在线处理机械活动识别结果,实现堆石坝施工仿真参数的实时建模。工程案例表明,相比于单一的运动学或声学模态的机械活动识别方法,本研究所提方法的识别精度分别提高了9.22%和23.62%。研究成果为提高堆石坝施工仿真的准确性和实时性提供了新的思路和技术手段,具有一定的应用和推广价值。