桥式起重机单梁对槽焊接装置机架优化设计

桥式起重机单梁对槽焊接装置是其在改造焊接生产线中，为具体工位设计的专用焊接设备，其机架的刚度直接影响工件的加工精度。此项设备的设计和制造在国内外尚属首次，缺乏现场使用经验，对设计中的不足和缺陷难以把握。为此，基于Matlab优化工具箱对其机架进行刚度分析，优化设计。     

废旧尼龙66纤维的化学降解研究

以氢氧化钠、盐酸、硝酸、硫酸为催化剂,分别对废旧尼龙66纤维进行化学降解,并回收己二酸与己二胺;研究了4种催化剂水解废旧尼龙66纤维的最佳工艺条件,比较了降解效果及回收产物的收率,并对回收产物进行了表征。结果表明:通过红外光谱检测回收产物的特征峰,确定回收产物为己二酸与己二胺;氢氧化钠、盐酸、硝酸、硫酸催化水解废旧尼龙66纤维,当催化剂溶液质量分数为30%、加热时间为6 h时,回收产物的收率最高,己二酸收率分别为88%,80%,83%,97%,己二胺收率分别为86%,79%,80%,95%;在4种化学降解方法中,H_2SO_4水解法降解效果最好、产物收率最高,是最理想的废旧尼龙66纤维化学降解回收方法。     

中厚板轧机垂直振动研究

建立了6自由度的4200轧机垂直振动系统的动力学模型,并用Matlab对其进行了动态分析和仿真,分析了轧制力随时间变化的7种工况下的系统响应,得出了影响轧机垂直方向自激振动的因素,从而为轧制过程中避免产生垂直方向自激振动提供了可靠的理论依据.     

基于RBF神经网络的金属应力状态系数模型

以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab人工神经网络工具箱,建立了轧制变形区的应力状态系数的RBF神经网络预测模型.通过分析应力状态系数的影响因素,结合传统的数学模型,确立了网络的输入层参数,并对函数newrb()中宽度系数spread的试验调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.测试结果表明,RBF网络模型具有很好的推广能力.与传统的BP神经网络模型相比较,结果表明,RBF网络具有更高的精度和更好的泛化能力.     

基于神经网络的中厚板轧机轧制力模型

 以4200轧机大规模测试得到的实验数据为基础，利用Matlab人工神经网络工具箱，建立了该轧机轧制力的预测模型。通过对该网络隐层神经元个数的调整，提高了收敛速度，使轧制力的预测精度大为提高。     

活性染料数码喷墨印花墨水的研制

选用活性染料制备数码喷墨印花墨水。通过测试墨水的染料粒径、黏度、表面张力和导电率等,分析了喷墨印花墨水性能与染料质量分数和各种添加剂种类及用量的关系,得到优化的数码喷墨印花墨水工艺配方为:活性染料10%～15%、增溶剂尿素10%～5%、乙二醇与二甘醇(质量比为2∶1)25%～35%、pH值调节剂1.0%～1.4%,加去离子水至100%。     

计及微电网储能系统寿命损耗的容量配置

微电网储能系统容量配置不同会使系统使用寿命不同进而影响微电网投资成本。根据微电网实际工作状态,采用雨流计数法统计寿命估算所需的储能系统充放电深度,并建立储能寿命损耗模型对微电网储能系统进行寿命估算。以微电网综合运行成本,储能系统投资及运行维护成本之和最小为目标建立储能系统容量配置模型,并采用粒子群算法对模型进行求解,根据储能系统工作循环建立储能系统设备利用率指标用以评价容量配置结果。算例分析表明,所提方法能够优化容量配置结果,避免容量浪费,减小微电网投资成本,提高了微电网运行的经济性。     

凝结芽孢杆菌CGMCC 9951新型抗菌肽的挖掘、表达及活性测定

抗菌肽是一类能够抑制食源性致病菌生长的天然生物防腐剂。为获得凝结芽孢杆菌(Bacillus coagulans)CGMCC 9951抗菌肽,利用全基因组测序和生物信息学分析,对抗菌肽合成基因簇进行挖掘,并进行表达和活性验证。结果表明,应用antiSMASH软件共挖掘出2个抗菌肽,与NCBI数据库比对后,发现Region 3与Amylocyclicin相似度较高,后续选择Region 3进行表达。通过Expasy等软件对Region 3抗菌肽结构进行分析,发现成熟Region 3抗菌肽由64个氨基酸残基组成,分子质量为6 371.57 Da,呈带正电的疏水性蛋白;Region 3同源比对结果为环状抗菌肽,三级结构主要为α螺旋结构。为研究该肽的抗菌活性,成功在大肠杆菌中构建了含谷胱甘肽巯基转移酶标签的融合蛋白,并进行质谱验证。以单核细胞增生李斯特氏菌为指示菌,抑菌圈直径为(15.2±1.4) mm,证实表达的融合蛋白具有抗菌活性。融合蛋白的成功表达为凝结芽孢杆菌CGMCC 9951抗菌肽的进一步研究和应用奠定基础。     

基于广义回归网络的金属变形抗力预测

金属的变形抗力是表征钢材压力加工性能的一个基本量,正确确定不同变形条件下金属的变形抗力,是制定合理的轧制工艺规程的必要条件。以往许多研究者在建立变形抗力与变形量、变形速度及温度的关系模型时,采用多元非线性回归对实测的数据进行处理,得到相应的变形抗力模型。该方法首先要对变形抗力模型的函数类型做出假设（如通常采用指数型函数）,而实际上变形抗力的变化规律并不能在大范围内与所选择的函数类型完全一致。特别是考虑静态再结晶,应变积累,动态再结晶,相变等因素的影响时,变形抗力的变化很复杂,难以用所选定的函数来描述,因而这种方法势必带来较大的计算误差。人工神经网络是在模拟脑神经对外部环境进行学习过程中建立起来的一种人工智能模式识别方法,具有适应性强和能够处理复杂非线性问题的特点,广泛应用于解决非线性系统以及模型未知系统的预测和控制。