脱羰基金属、脱氨、脱氨和脱油技术 在甲醇生产中的应用

O前言 随着国家能源安全战略方针的变化以及醇醚清洁燃料的开发，我国煤制甲醇的原料路线在国家能源战略方针中占据越来越重要地位，国内甲醇行业也得到迅速发展，在原料路线、生产规模、节能降耗等方面取得了突破，生产技术也逐渐向单系列、大型化发展，在此情况下甲醇装置长周期、高效率地运行突显重要。然而，从我国甲醇行业的实际情况看，在发展进步的过程中存在一些问题，[第一段]     

合成醋酸生产中碘甲烷的危害及其脱除研究

目前我国醋酸工业现状为甲醇羰基化法占38％，乙烯氧化法占41％，乙醇氧化法占21％。乙醇氧化法以粮食为原料，在人多地少的中国，这条路线没有发展前途。乙烯氧化法要消耗宝贵的乙烯资源，国内乙烯主要为油头工艺，成本较高。由于需要乙烯生产附加值更高的聚烯烃产品，国内乙烯资源较紧缺，该法生产装置正逐步退出醋酸生产领域。目前只有甲醇羰基化合成法原料易得，成本较低，产品的市场竞争力强。实际上，在发达国家先进的工艺甲醇低压羰基化法占据醋酸总生产能力的70％以上，其他方法根据各国原料优势而定，国内现状则基本上是乙烯法、乙醇法、羰基化法三分天下。可以预见，国内醋酸工业将面临深刻的结构调整，甲醇羰基化合成法将在国内获得长足的发展。     

浅谈甲醇生产中的若干净化问题

20世纪80年代中期，随着Co-Mo系耐硫变换催化剂的研制成功，使得变换工段进行变革有了物质基础。传统的变换工艺全部使用Fe-Cr系中变催化剂，由于起活温度高(一般为280～300℃)，因此该工艺存在能耗高及净化度低等问题。为了改变这种状况，经过近20年的不断开发与工业实践，以下两类较为先进的中变串低变和全低变工艺已基本取代了传统的高温变换工艺。     

基于关键特性的数字化飞机检测技术研究

飞机不仅是大众的空中交通工具,更是维护国家利益,捍卫大国地位,带动国民经济发展,促进科技发展的重大战略装备,它是体现一个国家科技水平、工业水平和综合国力的标志.数字化检测技术作为数字化飞机制造的最后环节,集现代计算机、通信、精密仪器、自动控制和管理等技术于一体应用于现代航空制造业,对于飞机产品快速高质量交付,具有不可替代的重要性.本文对关键特性的数字化飞机的检测技术进行了分析探讨.     

双谐振腔LLC谐振变换器分析

在大功率开关电源领域中,通常采用多路并联输出的拓扑结构以提高变换器的输出功率.但是由于元器件的生产工艺误差,各路的谐振元件参数不可能完全一致,而LLC谐振变换器的增益特性对谐振元件的参数十分敏感,因此,各路的电流及输出功率不均衡问题较为突出.针对此问题,提出一种双谐振腔LLC谐振变换器,通过将两路变压器的次级用均衡电路连接在一起,实现了较好的均流及功率均衡的特性.分析了变换器的工作原理,建立了变换器的稳态模型,分析了均衡电路的工作原理,并且通过仿真和实验进行了验证.     

融合位置特征注意力与关系增强机制的远程监督关系抽取

实体关系抽取是构建知识图谱的主要任务之一,旨在确定句子中实体之间的关系类别.远程监督关系抽取方法通过将远程知识库与文本数据对齐来自动标记数据,已成为处理关系抽取任务的主要方式.为解决远程关系抽取不能充分利用单词之间的位置关系信息,并且没有考虑重叠关系之间语义相关性的问题,本文提出一种融合位置特征注意力和关系增强机制的远程监督关系抽取模型.该模型使用基于高斯算法的位置特征注意力机制重新分配句子中单词的权重,并且采用分段卷积神经网络和词级注意力来捕获句子特征.然后,利用基于自注意力的关系增强机制来捕获重叠关系之间的语义关联.在NYT10公共数据集上的实验结果表明,本文模型的性能优于所比较的基线关系抽取模型.     

SpringSide交叉报表构造模型研究

分析SpringSide构造报表的方法,给出一种由原始查询数据构造交叉报表的算法;为了加快软件开发效率,基于软件重用思想,给出两个通用交叉报表构造模型,并给出相应算法。最后实例说明利用模型构造交叉报表方便、高效。     

本体语义相似度自适应综合加权算法研究

本体语义相似度计算是解决语义网中语义异构的关键环节。通过对传统语义相似度计算方法的分析研究,引入本体层次结构,给出基于信息内容、距离、属性的语义相似度改进计算方法,并采用主成分分析法,提出一种自适应相似度综合加权计算方法(ACWA),以解决传统综合加权计算时人工赋权的不足。实验结果表明,提出的ACWA算法的计算结果与参照标准之间的皮尔森系数较传统算法平均高出了8.1%,有效提升了本体语义相似度计算的准确性。     

一种针对大规模URL关键字的多模匹配算法

针对网络信息安全中大规模URL关键字匹配过程中自动机内存占用过大问题,提出一种基于分类思想的多模匹配算法,将URL关键字按照模式长度和匹配要求进行分类,分别使用Wu-Mamber算法和自动机类多模匹配增效算法GFAM进行匹配.实验结果表明,经过分类后,大规模配置(＞10w)情况下,算法能够将占用内存降低为只使用GFAM算法的内存的5％以内.