Microblaze软核处理器在惯测数据采集中的应用

为达到产品小型化要求，降低开发难度，采用Xilinx公司最新７系列内置Microblaze软核的FPGA芯片以实现数据采集，通过在惯测数据采集上应用的实际项目，详细说明了该类 FPGA芯片的Microblaze软核开发流程，包括应用系统的硬件 架构设计、在最新Vivado开发环境下的软核硬件平台的设计、整体软件的设计等，经过测试和对比，实验的结果充分说明Microblaze软核能够代替同类CPU芯片实现惯测产品的数据采集及处理，并具有其灵活高效的特性，在相近的应用场合中展现出独特的优势。     

PAN纤维共聚单体作用机理的光电离质谱研究

本工作以丙烯腈/衣康酸（IA）二元共聚原丝以及丙烯腈/IA/丙烯酸甲酯（MA）三元共聚原丝为研究对象，利用热重分析仪（TG）和热解-同步辐射真空紫外光电离质谱（Py-SVUV-PIMS）对其热稳定化过程进行研究。TG结果表明，氮气气氛下，二元共聚原丝（PAN/IA）和三元共聚原丝（PAN/IA/MA）分别呈现三阶段和两阶段的热分解过程，其中PAN/IA的第一和第二阶段均对应PAN线型分子链的断裂，但前者是由自由基环化反应放热引发的，后者则是由正常温度下的热分解所致，而单体MA的加入显著抑制了自由基环化反应，使得PAN原丝的热稳定化能够以单体IA诱导的离子型环化反应为主较平缓地进行，相应的热失重过程也由两阶段转变为了单阶段。Py-SVUV-MS的实验结果表明，两种共聚PAN原丝在程序升温过程中会生成包括含氮小分子、丙烯腈单体及低聚物、成环化合物在内的三类主要热解产物，对比各类产物的生成趋势和产量，推断单体MA通过降低PAN结构的规整度，使其无定形化，从而增加环化反应的引发点，促进PAN原丝向稳定的预氧丝转变，同时由典型热解产物——甲基丙烯腈的生成路径可知，MA本身并不参与PAN大分子的环化反应，属于中性共聚单体。空气气氛下，CO₂的产量差异也间接证明了MA单体能够有效提升PAN纤维的固碳能力，采用三元共聚方法制得的PAN纤维热稳定性能更佳。     

印度洋海盆沉积物中稀土的赋存状态及其浸出研究

印度洋海盆沉积物作为重要的稀土资源，已成为保障我国稀土供应的重要途径。为探究利用印度洋海盆沉积物提取稀土的可行性，通过激光粒度分析、化学物相分析、SEM分析等考察了某印度洋海盆沉积 物中稀土元素赋存状态，并采用硫酸为浸出剂，研究硫酸浓度、液固比、浸出温度及时间对稀土浸出率的影响，对最佳条件下获得的浸出液通过氨水中和沉淀净化。结果表明：①沉积物颗粒极细，体积平均粒径仅 4.47 μm，其主要矿物组成为黏土、锰氧化物、石英、长石、云母、绿泥石和石盐，其中稀土主要赋存于磷灰石中，占总稀土比例达73.10%；②在硫酸浓度2 mol/L，液固比7∶1，浸出温度55 ℃，浸出时间120 min的 最佳条件下，主要稀土元素La、Ce、Nd和Y的浸出率分别为80.57%，66.33%，88.42%和93.25%，高价值的重稀土Gd、Dy和Er浸出率分别为92.63%、55.30%和93.17%。③稀土浸出液成分复杂，且稀土含量偏低，仅有100 mg/L左右，采用氨水调节pH值至5.14，可有效去除Al和Fe，但稀土损失率也达到了30.85%。该研究结果对进一步开发利用深海稀土资源具有重要意义。     

烧结余能高效循环利用技术研究与应用

针对烧结环冷机中低温烟气外排造成的余能浪费以及环境污染等问题,通过中低温烟气循环利用的技术机理与工艺设计的有效结合,从烟气温度、烟气作用时间及烟气粉尘的主动控制三个方面对烟气余能循环利用技术进行了优化,并应用于新钢两台360m~2烧结机。生产实践表明,烟气温度、烟气作用时间及烟气粉尘对烧结工艺指标产生了较大的影响。当烟气温度保持在250±25℃之间,烟气作用时间占总烧结时间比例控制在50%左右,以及烟气中粉尘含量在200mg/m~3以下时,烧结利用系数提高0.01～0.02t/(m~2·h),固体燃耗降低2.33～2.35 kg/t,烧结矿转鼓强度提高了0. 50%～0. 54%,筛分指数降低0. 12%～0. 14%,FeO质量分数降低0.32%～0.34%。此外,每台烧结机每年可减少环冷机热废气排放量约25800万Nm~3。     

遂川县暴雨天气分析——以2014年6月21～22日为例

本文利用气象台站常规观测资料、自动站及加密站资料、T213数值预报产品及雷达回波等对2014年6月21~22日遂川县大范围暴雨天气的成因进行了分析。     

公路工程中的热拌沥青混合料试验检测及质量管理

公路工程施工中的热拌沥青混合料试验检测工作至关重要,本文以甘肃兰州景泰至中川机场段高速公路路面四标JZLM4为实例进行论述,主要针对试验检测中的各项质量控制措施和相关试验技术进行了讨论,重在解决如何提高热拌沥青混合料的质量和控制工程的造价成本问题,希望能够给读者带来帮助。     

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%。