稻草强化生物膜浮床脱除工业尾水中氮素及COD的效果

工业污水处理厂排放的尾水中总氮含量偏高,容易引起地表水体的富营养化。为了提高尾水中总氮的去除效率,通过模拟稳定塘静态和动态试验,对比了不同稻草添加量(0,0.18,0.54 g/L)强化生物膜浮床脱除工业尾水中总氮(TN)的效果。静态试验结果表明:随着稻草量的增加,TN的去除率显著提高;10 d后,添加0(CK)、0.18 g/L(T1)和0.54 g/L(T2)稻草的尾水中,TN去除率分别为18%,40%,93%。动态试验结果显示,水力停留时间(HRT)为 4 d时,CK、T1和T2的平均TN去除率分别为10%,22%,49%,且3种情况下的进出水COD浓度无显著差异。这主要是由于稻草通过缓慢释放碳源为生物膜中异养反硝化细菌提供可利用的有机物。研究成果可为工业尾水深度处理脱氮技术提供参考。     

瓦斯突出检测仪的改进

矿井通风研究所在威斯特伐利亚州政府的资助下,开展了两项科研课题的研究,有关成果如下:一、判断瓦斯突出危险的方法为了保证及时地预测出瓦斯突出的趋势,有必要尽可能地缩短从取样分析,到计算出测试结果之间的时间.采用井下就地测量和计算的方式,便可达到这一目的.     

面向工程应用的复合材料结构强度校核模块设计与研发

由于具有高比强度和高比模量的显著优势,复合材料结构日益成为大型航空航天装备轻量化设计的首选材料之一。但在设计与分析过程中,复合材料的强度校核会涉及到大量复杂的公式和运算量,严重降低装备结构的设计效率和研发周期。为提高复合材料强度校核的工作效率,基于国产自主CAE平台HAJIF,研发了适用于复杂工程装备的复合材料结构强度校核模块。该模块紧密围绕复合材料结构分析与校核,提供了层合板、夹层板结构的刚度、强度、稳定性分析流程。各个流程与HAJIF平台的前后置有机融合,从而实现有限元模型、分析结果和强度校核结果的一体化显示。以某型无人机复合材料机翼结构为验证对象,分析结果表明,研发的强度校核模块能够满足复合材料强度校核的基本流程和功能,可实现大型复合材料结构的快速强度校核,明显提高了复合材料结构的校核效率。     

基于AI技术的高端设备远程运维策略研究

随着时代的发展,人工智能被广泛应用于各种行业,特别是在设备运维方面,它可以提供高效的解决方案,减少成本并提高设备的可靠性.文章基于AI技术,探索了一种高效、可靠的远程运维方法,并在实践中进行验证.首先,概述了高端设备远程运维的内涵和优越性;其次,详细介绍了基于AI技术的高端设备远程运维的应用场景;然后,阐述了远程运维中可能遇到的问题和挑战;最后,提出基于AI技术的高端设备远程运维的策略,并对其进行了评估和总结.     

氧化铁矿石的跳汰重选

本文介绍瓦利亚夫科矿山中央选矿厂使用跳汰重选铁矿石的试验情况。试验的原矿具有各种不同的铁品位及粒级，甚至尾矿。认为采用多股料流流动跳汰的空气脉动型跳汰机具有较高的回收率和较大的经济效益，并无需脱泥和预跳汰．     

基于变量混合特征的分支启发式策略

先进的SAT求解器能够通过有效的分支启发式策略解决大型应用实例.目前VSIDS策略是最具有代表性的基于冲突分析的分支策略,它因其稳健性而被广泛使用,但在每次冲突分析中其判定变量活性的增量方式过于单一.针对此问题,本文提出了一种基于变量混合特征的分支启发式算法,目的是充分地利用参与冲突分析的变量所携带的不同信息特征来区分变量,来进一步指导变量活性增长.并将所提出的分支策略算法嵌入到Glucose4.1中形成求解器Glucose4.1+MFBS,通过对比测试,实验结果表明改进的分支算法比原本的VSIDS策略,具有一定的优势,求解明显个数增加.     

基于PSM的一种安全评估模式

过程安全管理(PSM)是国际先进的重大工业事故预防和控制方法,是企业及时消除安全隐患、预防事故、构建安全生产长效机制的重要基础性工作。从工艺安全、安全防护层、安全仪表系统(SIS)和定量风险分析四个方面,提出一种有效的安全评价方式;提供定性和定量的危害分析,有助于提高生产过程的安全性和可靠性。     

具有工程适用性的复合材料机翼结构快速设计

为实现复合材料层合板的快速设计,从工程适用性角度出发,提出了面向铺层厚度/铺层顺序的快速设计流程.首先,基于满应变设计方法对复合材料分层厚度进行优化设计,得到各分层的厚度比例.然后,采用相对差商法实现分层厚度的圆整,各分层在圆整之后为单层厚度的整倍数.最后,基于工程材料数据库对铺层顺序进行设计.利用某无人机复合材料机翼...     

网络高隐蔽性恶意攻击行为辨识方法研究

常规方法区分网络流量正常数据和攻击数据时,数据行为序列的数据属性存在缺失,导致攻击行为辨识准确率较低、误报率较高。为此,提出了基于半监督学习的网络高隐蔽性恶意攻击行为辨识方法。该方法采集网络流量数据后,利用极值函数实现数据属性的数字化表示。通过分解网络传输信号,区分出攻击数据,并对其进行聚类分析。提取攻击数据的特征向量,输入半监督学习模型,以此辨识网络高隐蔽性恶意攻击行为类型。选择了包含9种攻击类型的试验数据集,设置对比试验。试验结果表明,所提方法提升了攻击行为辨识准确率、减少了误报率,使辨识结果更加准确、可靠。