基于生物强化法下低浓度工业废水处理实验研究

现代工业生产的工业废水往往含有某些有机危害物等，传统的方法将无法起到有效的作用，且利用微生物进行污水处理的方式也受到很大的局限。针对此类的污水处理问题，以延边化工厂中含酚废水为实验样本，通过控制变量法筛选得到化学处理法的最佳浓度，并对比了传统化学法，生物强化法和复合法3种处理模式对废水中酚类物质的降解效率和处理成本。结论表明，化学法处理污水的1 h后降解率达到78.35%,15 h后仍未完全降解。而生物强化法和复合法在1 h后的降解率达到了88.44%和92.03%，降解率达到100%的时间分别为15 h和9 h。综合考虑污水的处理效率和处理成本，利用传统的化学法与生物强化技术对污水进行复合处理在大幅度提高污水处理效率同时，也降低了成本，这为低浓度工业废水的处理提供一定的参考。     

针对易漏砂岩地层防井漏材料粒径优化设计

为解决易漏失砂岩地层频发的井漏问题,采用巴西劈裂试验研究方法,测试不同粒径组合方式下防井漏材料对于井壁抗拉强度的强化效果。通过对比岩样孔喉尺寸和钻井液中防井漏材料的颗粒粒径,分析砂岩经不同粒径防井漏材料钻井液处理后的岩样抗拉强度测试结果,得到以下结论:相较于水润岩样的抗拉强度,防井漏材料明显起到强化井壁的效果,从而提高地层承压能力;未经粒径优化设计的防井漏材料有可能无法强化井壁,从而造成井漏问题无法缓解和钻井材料资源浪费等问题;钻井液中防井漏材料颗粒粒径范围越广,井壁强化效果越明显;若要达到最佳防井漏效果,使得地层承压能力最高,建议钻井液在进行防井漏材料粒径组合优化设计时,应考虑将防井漏材料的平均颗粒粒径约等于岩样平均孔喉尺寸。研究结果可为维持易漏失砂岩地层的井壁稳定、缩短非生产时间和安全高效钻井提供参考。     

美味不打折-高蛋白高纤维食品

如今人们已经不单单追求食品的口味,营养和健康也同样重要!高蛋白高纤维的食品饮料早已经成为关心体重控制的人们追捧的对象。不过,话说回来,开发高蛋白高纤维强化食品,需要根据最终食品的形式与特性来调整相关配料和工艺,采用不同的强化和工艺策略,从而获得最佳的口味、成本、工艺和货架期的平衡,增强产品竞争力。杜邦^IM丹尼斯克‘品牌旗下的素宝’大豆分离蛋白可帮助体重控制者增强饱腹感、维持肌肉并减少脂肪;而利体素‘水溶性纤维,既有助于肠道健康和体重控制、又具有良好的理化及加工特性,两者均为开发美味的高蛋白高纤维食品的良好原料。     

湿法腈纶五效减压蒸发工艺的改进

从设备与工艺两方面分析了湿法腈纶溶剂蒸发装置蒸发处理量达不到设计值的原因,并提出了改进措施。结果表明:溶剂蒸发装置采用五效减压蒸发工艺,蒸发一至四效运行正常,蒸发五效运行不正常,存在跑料现象,导致装置蒸发处理量达不到设计值;蒸发五效的捕沫网端面不平,密封性差,导致其运行异常;通过对蒸发装置进行碱洗,修复蒸发五效捕沫网的端面,优化控制蒸发五效液位为40%~60%,装置蒸发处理量达到设计值87 m3/h,冷凝液硫氰酸钠含量达到控制指标,且蒸汽消耗降低4%。     

基于CPSS平行系统懒惰强化学习算法的实时发电调控

为解决电力系统中存在的多种时间尺度下经济调度和发电控制的协同问题，即长时间尺度下优化，短时间尺度下优化和实时控制的问题，本文提出了一种统一时间尺度的实时经济发电调度和控制框架，并为该框架提出了懒惰强化学习方法（Lazy reinforcement learning，LRL）.该方法将懒惰控制器引入以人工社会——计算实验——平行执行和社会系统为基础的强化学习中，使得机组组合，经济调度，自动发电控制和发电命令调配的问题有机结合在一起，取代过去传统的发电控制框架.为了减少仿真所需的真实时间，平行系统包含多个虚拟系统和一个真实系统.仿真实验比较了懒惰学习算法，松弛人工网络以及4608种组合常规发电控制算法在IEEE新英格兰10机39节点仿真系统的控制效果.实验表明，懒惰强化学习方法的控制效果最优.仿真结果验证了懒惰强化学习方法在基于ACP和社会系统的REG框架下具有有效性和可行性.     

机械加工强化机理与工艺技术研究进展分析

机械加工作业中需要良好引进先进工艺技术,提升机械生产制造水平。本文主要从强化机理的基本情况分析入手,重点介绍了常见的内在机理,包含位错强化、应变强化以及境界强化方面,并阐明了工艺技术在机械加工中的重要性,提出了一些机械加工的强化工艺技术,为提升机械加工水平,增强机械强化应用效果提供一定借鉴和参考。     

机械传动轴用材料在双向应力环境下的低载强化特性分析

研究了机械传动轴用40Cr材料在双向应力环境下低载强化特性。结果表明,拥有强化作用的载荷区间是39.2~51.0 N·m,强化次数区间是1~40万次。并且,20万的强化次数下,当强化载荷达到44.10 N·m时的强化作用最佳。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

新一代络合态代森锰锌新技术产品的研究开发及应用

采用全新自主研发工艺和设备,对代森锰锌生产工艺进行创新,得到较为纯净的"络合态"化合物。该化合物对作物幼苗、幼叶、幼果的安全性提高了;解决了普通代森锰锌和络合态代森锰锌在合成、干燥、物料输送、含氨废水处理及分析检测等方面的技术难题;生产及分析中的废物处理与利用水平国际领先。实现了废水、尾气全部循环利用,废渣回用,废水趋零排放,对环境无污染;实现了络合态代森锰锌连续化生产,此生产工艺具有节能、节水和生产安全性高等特点。