磁性TBP萃淋树脂的制备及吸附铀的性能测试

采用悬浮聚合法制备磁性TBP萃淋树脂,考察了引发剂用量、搅拌速度、水油相体积比和磁粉用量对合成树脂的影响;借助红外光谱、偏光显微镜和振动样品磁强计表征树脂的化学结构、外观形态和磁性能;探讨了磁性TBP萃淋树脂对铀的吸附性能。结果表明:所制备的磁性TBP树脂对铀的吸附性能良好,铀质量浓度为2.0～12.0 mg/L时,吸附率大于95%;吸附到磁性TBP萃淋树脂上的铀可通过磁分离技术加以回收。     

120t转炉全过程动态智能冶炼技术实践

通过研究精料供应,实施废钢精细分类、设备精准计量、物料精确加入,为智能炼钢的实现提供稳定的基础保障;结合炼钢过程的特点,创新性的研究应用激光烟气分析设备,对冶炼过程中产生的烟气成分进行分析,得出吹炼阶段CO、CO_2、O_2的含量;结合海量数据,开发建立智能冶炼动态控制系统,实现炼钢智能化控制;研究优化静、动态控制模型,构建丰富的操作模式体系,对冶炼过程及终点进行动态调整,促使碳温双命中率达到90%以上,有效减少副枪探头的使用,降低生产成本。     

慢行交通:“慢”出都市出行高品质

概念:慢行交通与慢行交通系统 “慢行交通”是相对于快速和高速交通而言的,有时也可以称为非机动化交通,一般情况下,慢行交通是出行速度不大于15 km/h的交通方式.慢行交通包括步行及非机动车交通,由于许多大城市的非机动车交通主要是自行车交通,慢行交通的主体就成为步行及自行车交通.     

基于DRSA和BP神经网络风电机组检修决策

为缩减运维成本,降低检修资源配置,提出一种基于优势粗糙集DRSA和BP神经网络的风电机组检修决策新方法。基于风电机组多因素序信息系统表,采用优势粗糙集理论方法进行知识约简,获得检修决策规则集,将提取的规则集作为输入样本对BP神经网络进行训练,提高处理不确定性知识的能力。与基于DRSA的检修决策方法进行对比,该方法实现了风电机组的智能检修预测,更能优化机组检修资产的管理,为增加机组检修决策的透明性、合理性及科学性提供了依据。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。