高压大功率变频器在顶吹转炉生产中的应用

一、背景情况抚顺新抚钢炼钢二部(即新二炼)厂房始建于1985年,989年正式投产,拥有15公称吨氧气顶吹转炉3座(现已扩容20公称吨),2001年产钢量71万吨,2002年产量100万吨,003年预计产钢170万吨。转炉吹炼过程中,炉口会排出大量棕红色的烟气,烟气度高、含有易燃气体和金属颗粒,按照我国1996年颁布的大气污染物综合排放标准》(GB16297一1996),对烟气必须却、净化,由引风机将其排至烟囱放散或输送到煤气回收统中备用。新二炼生产采用“三吹三”方式,每个转炉都配一套除尘系统,除尘系统采用二级文氏管烟尘净化方式,道直径Φ1.6m,烟气输送管线820mm…     

具有光学活性的β-羟基丁酸甲酯的生物合成

以乙酰乙酸甲酯为原料,从不同的酵母中筛选出合适的酵母作为催化剂,合成具有光学活性的β-羟基丁酸甲酯,考察了反应时间、菌体浓度、辅助底物葡萄糖、缓冲液的pH值、反应温度和底物浓度对反应的影响。结果表明,以面包酵母作催化剂,催化性能良好。比较好的反应条件为反应时间4h,菌体浓度50g/L,葡萄糖浓度0.6mol/L,底物浓度0.05mol/L,pH值7,35℃.在该条件下,β-羟基丁酸甲酯的收率达57%,对映体过量值达92%.     

含氟（甲基）丙烯酸酯单体的合成及应用

本文阐述了国内外含氟（甲基）丙烯酸酯单体的开发应用情况，详细地介绍了含氟（甲基）丙烯酸酯单体的合成方法，并对我国含氟（甲基）丙烯酸酯单体的开发提出了建议。     

玻璃纤维增强水泥纸袋的研究

1、前言水泥纸袋在包装、运输过程中可能破损.国家标准规定纸袋由3～6层标准纸袋纸制作.由于纸袋破袋率高达15%,且生产纸袋的原料匮乏,纸袋纸供应紧张.因此,研究代用材料,具有现实意义.玻璃纤维强度高,耐高温性能好,纤维表面光滑,易于进行表面化学处理.将     

强化两相混合的超临界技术制备聚乳酸微粒

针对商品化聚乳酸微球粒径分布较宽难于适用气溶胶给药要求的不足,采用水力空化混合强化超临界流体辅助雾化技术(SAA-HCM)制备聚乳酸(PLA)超细微粒.该技术主要特点是通过在超临界流体和液相进料处引入水力空化混合器,强化两相间的混合.考察SAA-HCM过程混合器压力、温度、沉淀器温度、进料中CO2与液体溶液质量流量比和溶液质量浓度等操作参数对微粒形态和粒径分布的影响,成功制备出球形度较好,粒径分布较窄(1～3μm)的PLA微球.经X射线衍射(XRD)分析和差示扫描量热(DSC)分析显示,与原料PLA相比,微球晶型及热曲线变化不大,但结晶度下降.同时把操作参数与相行为进行关联,探讨了影响颗粒形貌的机理.对比超临界流体辅助雾化法(SAA)的实验结果表明:水力空化的引入能有效强化混合器内的两相传质,混合更好,能制备出适用于气溶胶给药要求的超细微粒.     

关于不定方程x(x+1)(x+2)(x+3)=39y(y+1)(y+2)(y+3)

运用递推序列的方法,证明了不定方程x(x+1)(x+2)(x+3)=39y(y+1)(y+2)(y+3)仅有正整数解(x,y)=(12,4)。     

大型42 CrM oS4圆钢锻材的淬火工艺优化

对大型42 CrMoS4圆钢锻材淬火出现粗晶、魏氏组织的原因进行分析表明,冷却方式及淬火介质是产生组织缺陷的主要原因。优化淬火工艺可以有效改善组织、细化晶粒和提高力学性能,满足生产技术要求。     

串行RapidIO验证模型

片上系统设计中大量使用IP核,其验证是整个系统设计的关键.串行RapidIO(SRIO)定义了器件间的全双工串行链路,物理上每个方向使用单向差分信号,因此SRIO核的验证存在一定的难度.该文基于PCI-RapidIO桥的设计与实现,建立了SRIO的验证模型,包括功能仿真模型、硬件验证模型和互操作性验证模型,为SRIO核的验证提供了思路,并建立了SRIO的仿真环境平台和FPGA硬件验证平台.     

基于LabVIEW的远程测控系统视频采集的设计与实现

本文提出了一种在虚拟仪器开发平台LabVIEW上,利用ActiveX技术和普通USB摄像头实现视频采集的新方法;设计了远程系统的总体结构;通过LabVIEW与ActiveX的协同编程,实现了视频预览、录像、拍照及实验数据和视频数据的实时传输等功能;通过一个分压特性测量实验阐明了该视频系统在远程测控中的具体应用。     

基于深度学习的病历质量控制系统设计

医疗领域患者的主诉信息是医疗文本分类工作的关键,能为智慧医疗和信息文本归类提供有力的支持。近几年来随着深度学习的发展应用,基于传统深度学习技术的全流程病历内涵质量控制模型层出不穷,但传统模型存在很多缺点和局限性,诸如训练速度慢、精度损失、过拟合和无法处理大规模数据的问题,因此,引入改进的深度学习算法。指南指导下基于深度学习的全流程病历内涵质量控制体系实验结果为,将词向量设置成160时双向循环神经网络(Bidirectional Recurrent Neural Network,BiGRU-SA)模型效果最优,准确率为84.9% 。BiGRU-SA MODEL,精准度受向量维度的影响并不大。而改进的文本分类式前馈神经网络(Transformation-extraction-convolutional CNN,TextCNN)模型,精准度在其进行第3次和第四次迭代更新时,发生指数级增长,并在第3次迭代时,精度达到理想值,为8.3×10_-1^。随着迭代次数的增加,模型准确率呈现先增大后减小的趋势,在进行第6次迭代时模型效果最优,准确率为84.9% 。优化后的全流程病历内涵质量控制模型在变动率指标下的面积的值、准确率、F1、召回率四项指标值都有了一定的提升,以上结果能更好地解决过拟合和特征信息丢失的问题,并且实现全流程病历内涵质量的控制。