河钢集团唐钢大型型钢产线产品开发及技术创新

针对大型型钢产线工艺布置及设备特点,河钢集团唐钢公司开发了30#特大角钢及热轧U型钢板桩、电极扁钢等系列产品,主要介绍了系列新产品的化学成分及孔型设计;围绕大型型钢产品的特点,介绍了该产线的技术创新,如首台无级可变不等节距双支撑矫直机功能的优化,全液压式步进冷床功能的完善,型钢生产全流程综合管理系统的研发与应用,以及多...     

矩阵变换器的输入电流控制策略

根据有功功率平衡原理推导出不平衡输入电压下表征矩阵变换器输入电流特性的通用方程,分析表明矩阵变换器的输入电流特性只能通过对输出功率及输入电流偏置角的控制来调节.根据矩阵变换器输入电流特性方程及输入电流控制目标得到3种典型输入电流控制策略.在输出电压平衡正弦的情况下:使矩阵变换器的输入电流矢量与输入电压矢量保持固定的功率因数角(策略1),可得到不平衡且非正弦的输入电流男;使输入电流矢量跟踪输入电压正序分量与负序分量之差的方向(策略2),可得到不平衡但正弦的输入电流;输出电压矢量幅值变化并使输入电流矢量与输入电压正序分量保持固定的功率因数角(策略3),可得到平衡正弦的输入电流,但输出电压不平衡且非正弦.其中,策略1的输入功率因数及输出电压控制能力最强,但输入电流波形质量最差;策略2的输入电流波形质量较好,但输入功率因数和输出电压控制能力有限;策略3得到的输入电流波形质量最好,但输出电压特性最差.通过仿真及实验验证了理论分析的正确性.     

YOLOv3与顶点偏移估计相结合的车牌定位

深层卷积神经网络(deep convolutional neural networks,DCNN)因其能够自动学习图像有效特征,被广泛应用于视觉目标检测.为克服DCNN目标检测算法大多因采用矩形检测框,而无法有效地应对非约束环境下倾斜性车牌的准确定位问题.提出一种可同时输出矩形目标检测框与关键点的车牌定位解决方案,并具...     

多传感器信息融合及在智能故障诊断中的应用

对多传感器信息融合进行了简要的综述,进而提出了信息融合的一般结构,结合智能故障诊断系统的特点,研究了基于信息融合技术的诊断系统结构。     

基于Petro-SIM模拟优化汽油加氢装置节能方案

采用Petro-SIM流程模拟软件对某厂催化汽油加氢装置进行模拟计算,利用模拟数据提出了节能优化方案.结果表明:所建模型模拟值与实际生产操作情况基本吻合.通过对换热网络模拟优化,分馏塔塔底重沸炉热负荷可降3.9％,节约燃料气成本151万元/a.对分馏塔降压的模拟优化,分馏塔塔顶压力降低0.1 MPa时,分馏塔塔底重沸炉...     

晋江流域HEC-HMS模型关键参数的分区率定

为进一步揭示流域自然地理条件的空间分异,以及大型水库等人类活动对分布式水文模型参数时空变化的影响,以东南沿海的晋江流域为典型区,通过对研究区内3个水文站和山美水库集水区的亚区设置,构建晋江流域HEC-HMS模型;选取1996-2014年历年最大一场洪水系列,运用循环渐近法,对模型进行分区率定,以分析模型关键参数初损率λ和波速V的时空变化。结果表明:(1)分区率定法可以得到流域不同区域模型关键参数的合理取值。(2)模型关键参数时空变化明显,其中,初损率λ在4个亚区的平均值分别为0.33、0.54、0.559和0.571,与区域的土地利用结构、水利工程等因素有关,水库集水区的初损率平均值最小,可能与区域林地面积增加以及水库蓄水有关;初损率在时间上的变化则与相应时间的起涨流量相关,起涨流量越大则初损率越小。5个不同区域河道的波速V平均值为3.218、2.241、1.95、1.427和1.217m/s,呈上游至下游递减,区域平均坡度越大则波速越大;而波速V在时间上的变化与最大6h降雨量及上游来水条件相关,降雨量越大、上游水量越大则波速越大。(3)分区率定方法充分利用了流域水文控制站点的水文资料,构建的流域HEC-HMS模型,可以更好地反映流域不同区间水文过程的变化。     

Sustainable Microplastic Remediation with Record Capacity Unleashed via Surface Engineering of Natural Fungal Mycelium Framework

Plastic-induced pollution has recently triggered global environmental, biodiversity, and public health concerns. Plastic micro/nanoparticles suspended in water that are non-recyclable and non-degradable are found in plants, animals, and even human blood, and their remediation represents an emergent societal need. In this study, a highly efficient strategy is reported to remove microplastics by using a sustainable framework derived from fungal mycelium (FM), which has reached a record capacity at 2.49 g g⁻¹, as it is known. This excellent removal capacity results from both the inherent properties and surface cationization of the FM. First, FM has a loose entanglement and porous structure with extracellular polymeric substances on the surface, which endows FM with the capacity to adsorb microplastics. Second, FM is engineered with 2,3-epoxypropyltrimethylammonium chloride (EPTAC) to enable its positively charged surface, which significantly enhances the adsorption of microplastics. Kinetic analysis and density functional theory reveal that the excellent microplastic removal is attributed to the enhanced electrostatic interaction between microplastics and EPTAC-g-FM. Along with the inherent merits of FM, which are natural, renewable, biodegradable, environmentally friendly, and easy to scale up, FM represents a green, facile, and cost-effective next-generation technology for remediating microplastics in clean water.