石英尾砂料仓及其气力助流系统的设计

以江苏某企业的石英尾砂为研究对象,基于Jenike剪切理论,分析石英尾砂的物料性质、四棱锥料仓结构对重力流卸料的影响,考虑料仓卸料口尺寸和斜锥角对料仓内物料流动状态的影响,设计石英尾砂料仓及其辅助气力助流系统,且将其应用于江苏某企业试运行。结果表明:石英尾砂的含水率在14%(质量分数)时,物料的内摩擦角最大,物料粒径越细小,物料内摩擦角越大,但达150μm时增势趋于平缓;设计的石英尾砂料仓及其辅助气力助流系统可保障物料装卸料性能和防止物料堵仓;年产2万t石英尾砂的条件下,设计的石英尾砂料仓及其辅助气力助流系统可为企业节省200万元的生产成本,且社会环境效益显著。     

智能制造行业分析与诊断方法研究

工业4.0快速发展时代,随着新一代信息技术的不断发展,传统制造业面临着严峻的挑战。为推进制造业高质量发展,智能制造已成为全球主要国家制造业竞争的焦点问题。通过分析开展智能制造诊断的必要性和紧迫性,提出了一种规范化诊断方法以提高企业效益,并针对现阶段智能制造诊断工作中出现的问题,给出了下一步的研究方向。     

变配电房中多联机室内机的冷量计算分析

在结构特性一定且风量不变的情况下,室内机中表面式换热器的通用热交换效率与进风参数无关,利用厂家实测值对其进行了验证.为多联机室内机在变配电房内干工况运行时的制冷量计算提供了方便,有利于多联机系统合理选型.     

从7-ADCA生产过程中环境友好的回收苯乙酸

采用新工艺回收7-氨基-3-脱乙酰氧基头孢烷酸(7-ADCA)生产中产生的苯乙酸,并对苯乙酸回收过程中产生的废硫酸进行处理。采用硫酸(9 8%)洗涤二氯甲烷,硫酸与二氯甲烷适宜的体积比为1∶50,洗涤好的二氯甲烷中含苯乙酸4%。蒸馏出二氯甲烷,趁热向熔融苯乙酸中加入母液,降温析出苯乙酸。晾干的苯乙酸为白色鳞片状,含量大于99%,苯乙酸母液补充部分清水套用到下一批析出苯乙酸。废浓硫酸用芬顿试剂氧化,控制80℃氧化4h,双氧水和七水硫酸亚铁重量比为6∶1,废浓硫酸COD下降85%以上。氧化结束后向废硫酸中加入铁粉和双氧水,制得聚合硫酸铁。     

超高效液相色谱—串联质谱法快速同时检测茶叶中7种香料

基于超高效液相色谱—串联质谱(UHPLC-MS/MS),建立了同时检测茶叶中7种可能非法添加的香料(茴香烯、香豆素、胡椒酚甲醚、指甲花醌、甲基丁香酚、蒲勒酮和反式肉桂醛)的定性、定量方法。茶叶样品经过乙腈—水混合溶剂提取,涡旋振荡,适当稀释并加入无水硫酸钠、十八烷基键合硅胶(C₁₈)和N-丙基乙二胺(PSA)进行净化,涡旋离心后,上清液过膜待测。以Kinetex C₁₈色谱柱分离,在多反应检测扫描(MRM)模式下经MS/MS进行基质外标法定量检测。试验结果表明,7种目标物在0.8~1 600.0 μg/L范围内呈良好线性,线性相关系数(R2)均大于0.999。方法的检出限为0.02~0.03 mg/kg,定量限为0.05~0.10 mg/kg,平均回收率为82.5%~102.5%,日内、日间精密度分别小于16%和18%。该方法快速、可靠、灵敏度高,用于检测市面流通的100个茶叶样品,结果检出了反式茴香脑、香豆素和胡椒酚甲醚等物质,最大浓度值分别为65.0,2.0,72.2 mg/kg。     

某污水处理厂MBR膜系统改造与运行管理

某污水处理厂设计规模为10万t/d,采用AAO+MBR工艺,设计出水水质满足《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级A标准。由于运行时间较长,MBR运行系统存在产能下降、膜丝断丝脱落、污堵和清洗频次以及强度增加等问题,严重影响正常生产运行。针对MBR系统运行中存在的问题,文中提出具体改造建议,并总结运行经验,进一步优化MBR膜系统的运行维护管理,为其他污水厂MBR膜系统运行问题提供解决思路和维护管理经验。     

智能变电站设备管控大数据分析系统研究

结合数据挖掘、大数据技术在电力系统中的应用现状，分析和设计了一种智能变电站设备管控大数据分析系统。对变电站设备运行状态的大数据特征及基本框架进行了分析，并重点阐述了变电站设备运行状态大数据分析系统的数据集成与预处理、数据存储与处理、设备状态评估模型以及数据可视化展示。实验结果表明，所设计的大数据分析系统能够大幅度提升变电站设备数据分析智能化水平，为变电站管控稳定运行提供更加有效和实用性的技术支撑。     

FDC在TFT-LCD中的应用案例研究

针对x因子不明确的品质不良,以TFT-LCD某产品不良为例,提出了FDC大数据分析方法。与实际生产过程相结合,经过数据收集和过滤、数据降维和主成分分析过程,找到该品质不良的强相关因子。通过对强关联因子进行DOE实验设计,明确关键因子管控线,提高产品生产力。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。