一种烟化炉新型水套研发及生产实践

分析烟化炉水套损坏的机理,即冷热料交替入炉、熔池剧烈运动、重金属等对水套寿命的影响,并对其进行深入研究,从而研发出一种新型水套。开展了大量生产试验并应用于实际生产中,使水套整体性能得到了改善,作业率提高,为推广应用烟化炉烟化挥发法处理锌浸出渣工艺技术创造了良好条件。     

富氧顶吹炼铅工艺系统优化升级

介绍了云南驰宏锌锗股份有限公司富氧顶吹炼铅工艺自投产以来系统优化升级改造内容,分别从耐火材料及炉衬结构、余热锅炉、除尘和工艺操作上进行优化升级,效果显著,提升了富氧顶吹炼铅工艺的各项指标。     

富氧顶吹炉处理铜浮渣的工业试验

介绍了富氧顶吹炉处理铜浮渣的工业试验,经过生产试验、扩大试验不断提高处理铜浮渣的能力,摸索其操作参数和操作方法,回收铜浮渣中的铅、铜等有价金属,从而实现产业化应用.试验表明;该方法处理铜浮渣铅的直收率高、回收率高、处理量大,为铜浮渣的处理开辟了新的途径.     

酿酒酵母和大肠杆菌鸟嘌呤脱氨酶基因的克隆、原核表达及活性测定

与植物体内合成路径不同,微生物体内合成咖啡碱存在一条以黄嘌呤为底物,利用鸟嘌呤脱氨酶催化鸟嘌呤生成黄嘌呤有效合成咖啡碱的新途径。为克隆鸟嘌呤脱氨酶的基因,构建可高效合成黄嘌呤的原核表达载体并对外源蛋白活性进行检测,分别以酿酒酵母和大肠杆菌为研究材料,根据GenBank中酿酒酵母和大肠杆菌中鸟嘌呤脱氨酶基因gud1和egud序列设计引物,聚合酶链式反应特异扩增其基因片段,将目的基因连接至pMAL-c5X载体,转入大肠杆菌BL21（DE3）中诱导蛋白表达,并用高效液相色谱法鉴定其目的蛋白的催化活性。结果表明重组载体pMAL-gud1、pMAL-egud均可用来合成黄嘌呤,且GUD1比EGUD合成黄嘌呤的效率更高。研究结果将进一步丰富黑茶加工技术理论,同时为体外构建高效咖啡碱生物工程菌提供理论支持。     

基于ANSYS的航空发动机涡轮叶片有限元仿真

针对航空发动机涡轮叶片服役时工况恶劣,难以测量其应力、应变的现状,通过分析涡轮叶片工作时的物理场环境,利用CFX对叶片流场进行气动分析,在此基础之上,通过ANSYS Workbench进行叶片典型工况下气、热、固多场耦合仿真计算,得到涡轮叶片叶身部分在典型工况下的应力、应变及形变云图,最后将仿真结果与理论计算及叶片实际工作情况进行对比,证明仿真结果具有一定的准确性,其结果可为航空发动机涡轮叶片的结构设计及寿命预测提供数据参考.     

无操作系统的Web远程监控系统设计

为缓解大规模远程监控网络构建成本和系统功能之间的矛盾,研究了无操作系统环境下的Web远程监控技术。针对无操作系统的背景,分析了缺乏文件系统、没有CGI接口、没有高级语言支持情况下的Web服务器设计问题;在引入LWIP的基础上,参照CGI实现的思想,提出了虚拟CGI的概念,建立了用户端与服务器端之间的动态交互;同时通过调用用户端的ActiveX控件的方式,在不增加服务器负担的前提下,丰富了用户端界面的动态显示;在LM3S8962系统上对该方案展开了评价,进行了加热炉温度远程控制实验。实验结果表明,该方案可以有效地对目标实现远程监控,性能上可以达到过去基于PC系统的水平。     

富氧顶吹炼铅生产实践中喷枪损耗的原因分析及对策

主要阐述了富氧顶吹炼铅过程影响喷枪损耗的主要因素,进一步深入分析与总结了这些主要因素对喷枪损耗的影响情况,并在生产实践中采取相应的技术控制及改进措施,有效降低了喷枪的损耗,保证喷枪使用寿命达到了预期的要求,为富氧顶吹炼铅炉的正常运行奠定良好的条件。     

浅谈C语言中指针的概念及基本应用规律

指针是c语言的精华,抛开指针的C语言是没有生命力的。虽然如雷贯耳的Joel Spolsky曾说过对指针的理解是一种天赋,不是通过训练就可以达到的。但鉴于其重要性和学生学习中关于该内容理解程度普遍低下的不幸事实,我认为深入理解指针的本质含义,对我们编写程序还是有很大帮助的。笔者从几个方面来剖析指针的本质,并着重围绕指针的一个重要应用——动态分配内存来谈谈如何回避常见错误,形成科学正确的编程习惯。     

某铅锌冶炼厂污水处理站升级改造探讨与实践

某铅锌冶炼厂现有污水处理系统采用两段中和、重金属沉降工艺,水质满足《铅、锌工业污染物排放标准》(GB25466-2010)。为进一步降低废水中重金属污染物浓度,提升污水站出水水质,满足企业废水回用要求,对现有处理设施进行升级改造。文章介绍了升级改造的思路与措施,引入电化学处理工艺,实践证明:升级改造后污水处理站出水水质重金属污染物浓度能稳定达到《地表水环境质量标准》(GB3838-2002)Ⅲ类标准要求,达到企业回用水质要求,处理成本合理。     

基于超参数优化的短期电力负荷预测模型

准确预测短期电力负荷在精细化电网规划、减少发电成本和提高用电质量等方面具有重要作用。为了大幅度的提高短期电力负荷预测的准确性,采用改进粒子群算法(IPSO)优化长短期记忆网络(LSTM),构建了一种新的电力负荷预测模型(IPSO-LSTM)。该模型采用能有效寻找全局最优解的IPSO,解决了LSTM预测电力负荷时超参数难以选取的问题。考虑到粒子群算法(PSO)中惯性权重和学习因子是固定不变的,这容易导致粒子群在前期掉入局部最优而错过全局最优,模型将惯性权重和学习因子由固定值改为非线性变化,以平衡其全局搜索能力和局部寻优能力。通过实际案例数据进行仿真分析,并与粒子群优化的长短期记忆网络(PSO-LSTM)、LSTM以及反向传播(back propagation, BP)神经网络算法的预测结果进行对比,验证了方法的预测效果更佳。实验表明,所提电力负荷预测模型具有较好的精度和稳定性。