氨基酸发酵废水资源化利用工程案例研究

在比较了氨基酸发酵废液处理及综合利用方法的基础上,总结出当前普遍采用的处理氨基酸发酵废液工艺,即发酵废液→提取菌体蛋白→多效浓缩→喷浆造粒→有机无机复合肥.针对此工艺中存在的喷浆造粒过程中烟气二次污染的问题,阜丰集团做了大量研究,提出了处理烟气的解决工艺路径.造粒烟气经处理后,粉尘的产生浓度由180 m g/m3降低至100 m g/m3,臭气排放浓度从20(无量纲)降低到15(无量纲),达到较好的污染物处理效果.     

基于ALD低温制备的纳米涂层刀具性能研究

目的 探索基于原子层沉积法(Atomic Layer Deposition,ALD)的纳米涂层低温制备技术,并重点研究涂层沉积过程及纳米氧化铝涂层对刀具力学性能的影响.方法 利用原子层沉积法,在200℃的环境下制备不同涂层厚度的纳米Al2O3涂层刀具,对涂层的微观组织、厚度、硬度、断裂韧性、断口形貌、弯曲强度、结合力及摩擦系数进行检测.结果 ALD沉积技术能将纳米涂层均匀沉积在YT5刀具表面,且涂层光滑,无滴状气泡,涂层厚度可以精确控制在纳米级.ALD涂层与基体结合力的大小与涂层厚度相关,随着涂层厚度增大,结合力呈先增后降的趋势,测得50、100、200 nm等3种纳米涂层结合力大小分别为11.07、12.74、7.86 N.纳米涂层能够提高刀具的硬度,显著降低刀具表面的摩擦系数,测得刀具摩擦系数分别为0.56、0.43、0.67,最高降低摩擦系数达40％以上.此外在200℃的沉积温度下,没有产生金属相变,因而对刀具基体没有影响,刀具的断裂韧性和弯曲强度没有降低.结论 基于ALD的纳米涂层低温沉积技术所制备的纳米涂层刀具,具有良好的力学性能及涂层-基体界面结合力,能显著提高刀具性能,改善切削加工条件.     

抽油泵摩擦副磨损性能试验研究

为合理选择抽油泵泵筒和柱塞摩擦副的材料及表面处理工艺,提高抽油泵的使用寿命,选择碳钢、4％～6％铬钢、合金钢等三种材料和相应的表面处理工艺进行配对,在同等条件下进行了耐磨性性能试验。综合分析试验结果,认为碳钢镍磷镀／碳钢镀铬和4％～6％铬钢加压氮化／碳钢镍磷镀组成的摩擦副是较理想的配磨组合。     

纳米Al2O3/TiO2多层涂层的低温制备及其性能*

采用原子层沉积技术(ALD)在 200 ℃低温条件下将纳米 Al₂O₃ / TiO₂ 多层涂层沉积在硬质合金刀具表面。利用扫描电镜 SEM、划痕测试仪和三向测力仪以及数控机床等设备,对不同形式的纳米 Al₂O₃ / TiO₂ 多层涂层刀具的涂层-基体结合力和切削性能等进行研究。结果表明,基于原子层沉积技术低温制备的纳米多层涂层刀具的涂层-基体结合强度高;涂层层数、 涂层沉积顺序及涂层层厚比对纳米多层涂层刀具的切削力有不同程度的影响;纳米多层涂层刀具更适合高速切削,当切削速度大于 2.33 m / s 时,纳米多层涂层刀具的切削力和摩擦因数呈下降趋势,表现出良好的切削性能,其中双层纳米涂层刀具的切削性能更好;在高速切削时,纳米多层涂层刀具表面摩擦因数比普通未涂层硬质合金刀具低,纳米 Al₂O₃ / TiO₂ 多层涂层能够有效改善刀具的黏结磨损,减少刀-屑粘黏现象和烫伤现象,能够改善刀具表面的耐磨损性能。     

基于强化学习的城市交通区域协调控制研究

交通控制系统是一个复杂的巨系统,传统的建模和控制方式难以获得较好的控制效果.文章针对区域协调控制中难以建立精确数学模型的特点,引入了强化学习,提出了基于强化学习的无模型区域协调控制算法.采用微观交通仿真软件对算法进行了仿真实验,与Webster定时控制进行对比,实验结果表明:强化学习算法取得较好的效果.     

基于完全局部二值模式的多光谱法识别损伤苹果

目的 建立一种基于完全局部二值模式的多光谱法识别损伤苹果。方法实验搭建苹果的多光谱数据采集平台,采集了558组苹果多光谱数据。使用完全局部二值模式算法提取苹果的特征向量,再将特征向量送入支持向量机中,比较分类结果。结果通过准确率、特异度和召回率三种平均指标,在完全局部二值模式结合支持向量机分类模型下,苹果多光谱图像的25 个波段对表皮有损苹果和表皮无损苹果有很好的识别效果。并在第20 波段的识别准确率达到最高为99.63%。多光谱25个波段的平均分类准确率达到了99.110%,第20波段分类准确率最高,达到了99.632%,准确率越高,分类效果越好。结论所建立的方法可以实现有损苹果和无损苹果的高效识别,对苹果的储运和分选都有一定的意义。     

遗传算法优化BP网络对掺假蜂蜜快速识别研究

为了更好地实现对掺假蜂蜜进行检测和识别,提出一种遗传算法优化反向传播(BP)神经网络和激光诱导荧光(LIF)技术相结合的新方法.实验采用蜂蜜、果葡糖浆以及二者以不同比例混合获取的实验样本,每类样本数为150个,共600个实验样本.通过激光诱导荧光技术获取实验数据.将各类样本的70％用于算法模型训练、30％用于模型预测评估.通过PCA降维技术进行特征提取,分别用极限学习机(ELM)算法、BP神经网络算法、GA_BP三种算法进行实验.实验结果表明,相比于极限学习机的82.78％、BP神经网络算法的95.89％的准确率,GA_BP算法对预测样本的预测准确率最高,可达100％.通过将GA_BP与蚁群算法(ACO)优化BP网路、粒子群算法(PSO)优化BP网络作对比,发现GA_BP算法具有运行时间较短、鲁棒性较好的特点.     

基于SVM多分类器的FCD地图匹配算法

地图匹配是浮动车数据(FCD)处理的重要步骤,直接影响城市交通信息获取的准确性。目前的FCD地图匹配方法主要包括点到点、点到线等几何拓扑结构方法,它们仅使用了当前点和前一时刻GPS点信息,大量的FCD历史匹配数据没有被利用。本文在分析FCD误差分布的基础上,提出了一种基于SVM多分类器的FCD地图匹配算法,使用线到线的全局匹配得到的路段历史匹配样本对分类器进行离线学习,然后进行FCD实时匹配。最后给出了训练过程及参数调优,实验结果说明本文所提方法的匹配准确度优于点到点和点到线方法。