集成吸收-压缩复合热泵的微燃机热电联产系统

针对生产蒸汽的微燃机热电联产系统的排烟温度较高的问题,本文提出集成吸收-压缩复合热泵的微燃机热电联产系统.该系统以微燃机热电联产系统排烟为驱动热源,可生产0.5 MPa的饱和蒸汽,一次能源利用率为67.3%,相对节能率为23.56%,同典型的微燃机热电联产系统进行热力学性能对比分析,一次能源利用率和相对节能率分别提高约11.2%和14.76%.该系统中增加的吸收-压缩复合热泵系统,使系统的排烟损失降低约78%.此外,还研究了发生压力、基础溶液浓度、精馏塔塔顶温度、精馏塔釜温度对吸收-压缩复合热泵系统性能的影响,为系统的实验设计提供了理论依据.本研究为微燃机热电联产系统的余热回收利用提供了新的思路和方法.     

改进灰狼优化算法医疗锂电池剩余寿命预测

【目的】通过改进灰狼优化算法对医疗锂电池进行剩余寿命预测,从而保障抢救时机并减少医疗事故的目的。【方法】运用小波核极限学习机(Wavelet kernel extreme learning machine,WKELM)与小生境灰狼算法(Niche grey wolf optimization,NGWO)相融合的算法形成改进灰狼优化算法WKELM-NGWO算法。采用NGWO算法对WKELM参数进行优化处理,并将最大化训练集的分类准确度作为目标函数,得到寻优过程的数学模型。采用差分方式对医疗电子设备锂电池容量的时间序列进行处理,得到多维时间序列特征向量,归一化处理获得特征向量,并将其分为训练集和测试集。计算得出每只灰狼个体的适应度值fi,并对适应度值fi进行排序,适应度值fi排在前三的个体位置分别记为Xα,Xβ,Xδ。选择最优的灰狼个体位置作为WKELM参数对数据进行训练后,对心脏起搏器用锂电池和心脏除颤仪用锂电池两种锂电池测试样本进行剩余寿命预测操作。【结果】在相同的预测起始点下,WKELM-NGWO算法的均方根误差(RMSE)误差低于WKELM和NGWO算法,基于融合算法WKELM-NGWO的医疗电子设备锂电池剩余寿命(Remaining useful life)预测曲线更接近电池的退化曲线。【结论】WKELM-NGWO融合算法增强了对不同数据的适应能力,既克服了小波核极限学习机(WKELM)学习速度慢、结构不稳定的问题,也克服了小生境灰狼算法(NGWO)求解精度低、收敛速度慢从而导致跳不出局部最优解的问题。     

纳米铁硫簇的制备及其结构研究

采用表面修饰的方法在水醇的混合溶剂中制备出了在空气中性能稳定的纳米铁硫簇。以TEM，SAED，FTIR，TG，DTA及DFM分析手段研究了纳米铁硫簇的形貌、结构及性质。结果表明，PyDDP具有较好的修饰性，所合成的纳米铁硫簇平均粒径约7nm，在CHCl3溶液中有较强的团聚性能。     

N-乙烯基咔唑的合成新工艺研究

首次以咔唑和甲基丁炔醇为原料,在氢氧化钾(KOH)碱性条件下反应,合成了高纯度的N-乙烯基咔唑,并对反应条件进行了优化.结果表明:咔唑、甲基丁炔醇、KOH的摩尔比为1∶1.1∶1.1,反应溶剂为乙醇,反应温度为78℃回流,反应时间2.5 h,产物产率最高可以达到81.3%,纯度为99.5%.该合成方法反应条件温和,操作简便,产物产率高,适合工业化生产.     

碱式氯化铝在处理制革废水中的应用

<正> 一、引言随着工业发展所带来的废水种类和数量的不断增长,废水处理已成为环境保护中的重要研究课题。混凝沉淀是废水处理中的一种经济而简便的处理方法、碱式氯化铝是废水混凝沉淀处理的有效混凝剂,它在单独处理和各种处理流程中的预处理、中间处理或最终处理中均表现出很多优势。早在六十年代初期,就有不少外国专利文献介绍碱式氯化铝用于某些废水的处理。在日本,随着碱式氯化铝与有机高分子絮凝剂并用的深入研究,使其在废水处理中的应用范围越来越广。自1973年以来,我国对碱式氯化铝在废水处理     

金富猕猴桃离体培养与植株再生的优化研究

以“金富”猕猴桃的单芽茎段为外植体进行离体培养和植株再生的优化研究.结果表明,以MS 6-BA1.0 mg/L NAA 0.1 mg/L作增殖继代培养基为宜,以1/2MS NAA 0.3 mg/L作生根培养基为宜.适当浓度的6-BA对猕猴桃的不定芽增殖有明显的促进作用,而对茎伸长却有抑制作用,6-BA和NAA配合使用可促进芽苗主茎伸长,对改善猕猴桃植株组培苗质量有较好的作用.炼苗移栽成活率达到94%以上.     

浅析直道跨栏跑的跨栏步

跨栏步分为前支撑阶段——起跨、腾空阶段——栏上动作、后支撑阶段——着地。每个阶段有不同的技术要求。把跑与跨良好的结合,以提高运动成绩——拥有良好的跨栏步技术是一个重点。     

一类高阶扩散方程解的性质

讨论一类在相变中产生的高阶扩散方程解的性质, 得到了关于解的渐近性和解在有限 时间的Blow-up现象.