电算球形催化剂颗粒内等温反应(Ⅰ)——把靶法

许多化学、化工问题经过数学处理,可化为微分方程;本文以催化剂颗粒内进行的等温扩散反应为例,探讨二阶常微分方程第二类两点边值问题打靶法求解其解的数值方法,以阐明打靶法求解此类方程以一般方法。为简便计,设催化剂颗粒周围外扩散可忽略。     

基于螺旋搜索机制的行星搜索算法

螺旋搜索机制的全局搜索能力强,广泛用于萤火虫算法及鲸鱼搜索算法,但其收敛速度慢,收敛精度低,局部搜索能力较差。通过改变收敛范围较小时的搜索模式,提出了局部螺旋搜索来提高其局部搜索能力,并引入变异操作提高其局部搜索能力,提出了行星搜索算法。通过对单峰及多峰值测试函数对该算法进行验证。结果表明行星搜索算法在收敛速度、搜索精度及局部搜索能力等方面较粒子群算法、萤火虫算法及鲸鱼搜索算法等有明显提升。     

S＆W超选择性裂解炉分区裂解探讨

介绍了S＆W超选择性裂解炉分区裂解改造的情况，包括分区裂解炉的运行情况、对后系统的影响、对产品收率的影响、投用过程存在的问题及处理。指出分区裂解能提高装置的生产能力，而产品的收率基本不变。     

PP-R/POE-g-MAH/Al_2O_3复合材料的制备与性能研究

通过添加马来酸酐接枝的聚烯烃弹性体(POE-g-MAH)及无机导热填料Al_2O_3对无规共聚聚丙烯(PP-R)进行复合改性,研究了POE-g-MAH及Al_2O_3用量对PP-R/POE-g-MAH/Al_2O_3复合材料力学性能和导热性能的影响,并分析了复合材料的结晶行为和微观形貌。结果表明:POE-g-MAH和Al_2O_3的添加,可提高PP-R材料的低温冲击强度和导热性,由此可望得到综合性能优越的PP-R管材。     

超声波测距的模糊控制泊车系统模型设计

设计了一种基于超声波测距的自动泊车系统模型。首先对小车运动模型进行分析,结合实际设计垂直、平行、斜行三种泊车模糊控制器,并且在Matlab的Simulink中分别进行仿真验证。采用超声波测距技术、视频采集技术等来获取周围环境数据,按照实际车辆和车库的大小,通过等比例缩放设计小车模型和车库模型,并把验证通过的模糊控制器转换为C代码,嵌入到飞思卡尔K60主控制板中进行自动泊车可行性测试。经测试,当模型车的航向角在-32°~+32°范围内时,实现了模型车在0.92倍标准大小模型车库内的自主泊车。     

Ti-6Al-4V基體上氮電弧熔化法制備TiN層的組織及性能

采用直流氮電弧熔化方法在鈦合金(Ti-6Al-4V)基體上原位制備了TiN表面層。采用掃描電子顯微鏡、X射線衍射和顯微硬度儀等分析測試手段對TiN表面層的組織、硬度及摩擦磨損性能等進行了分析。探討了電弧電流對TiN層組織及性能的影響。結果表明:通過氮電弧熔化法制備的TiN層組織為樹枝晶,氮化層中樹枝晶的含量隨著深度的增加而減少,表面層與基體為冶金結合;隨著電弧電流由60A增加到100A,所制備的TiN表面層中樹枝晶的含量增加,表面層的硬度及耐磨性能都提高;當電弧電流為100A時,所制備的TiN表面層的最高硬度可達到1885HV,約為基體硬度的5倍,抗磨損性能也顯著提高。     

基于C8051F360和FPGA的高速数据采集系统设计

随着现代科学研究和工业生产对数据采集要求的日益提高,很多场合都需要对高频模拟信号进行高速、高精度的量化采集。本文针对高速数据采集系统中的实时性、采集速率等问题提出了一种结合FPGA与单片机的低成本高速数据采集系统设计方案。该系统以高速SOC单片机C8051F360和FPGA EP2C8T144为核心,运用模块化设计方法,实现软硬件设计,具有一定的实用价值。     

结合显著度图和自适应能量线的快速图像缩放*

针对Seam Carving图像缩放方法中能量函数的局限性和动态规划算法的复杂性,提出了一种基于图像内容的快速图像缩放方法。结合基于视觉注意力模型的显著度图,完善图像内容的能量描述;同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明,该算法在有效保护图像内容的同时,降低了算法的计算复杂度,减少了图像缩放时间。     

溶剂萃取法回收废钒催化剂中的钒

对废的钒催化剂进行了碱浸取和盐酸浸取试验,以磷酸三丁酯(TBP)作萃取剂,对盐酸浸取液进行了钒铁分离,以及萃取和反萃取钒的研究。钒的浸出率大于99％,萃取率和反萃取率大于99％,钒的总回收率可高达98％,回收的V_2O_5产品纯度为98.3～99.5％。提出了一个建议流程,即以5N左右的盐酸浸取废钒催化剂,继以磷酸三丁酯-正丁醇-煤油萃取盐酸浸取液中的钒,用中性水溶液进行反萃取,最后调节反萃取液的pH以沉淀五氧化二钒。     

Ni含量对TiNi形状记忆合金相变行为的影响

用示差扫描热分析仪和光学显微镜系统研究了Ｎｉ含量对ＴｉＮｉ形状记忆合金Ｒ相和Ｍ相相变温度，相变热，热滞的影响。结果表明：在加热和冷却过程中，Ｔｉ－３３．３％Ｎｉ和Ｔｉ－７５．０％Ｎｉ不发生相变；ＴＭ，ΔＭ，ΔＨＭ和ΔＨＲ是Ｎｉ是含量的函数，ＴＲ和ΔＲ基本为一定值，与Ｎｉ含量有关。