石墨炉原子吸收光谱法测定泛昔洛韦中痕量钯

采用石墨炉原子吸收光谱法测定泛昔洛韦中痕量钯。用1%盐酸处理样品,氘灯背景校正。3种不同浓度的加样回收率分别为101.3%、105.3%、109.5%、RSD分别为4.3%、0.8%、1.5%。     

分解炉虚拟样机的开发

以水泥生产过程中的分解炉为对象，分析了分解炉内具体的物理化学过程，同时开发了反映分解炉工作过程(流体力学、燃烧学、分解动力学、颗粒动力学)的数学模型，借助数值模拟方法进行了分解炉虚拟样机的开发，为分解炉的设计与开发提供了试验平台。     

频域时间反转多用户系统的信干噪比和误比特率分析

为了更有效地将时间反转技术应用到正交频分复用系统中,推导了多天线频域时间反转预编码多用户系统的平均信干噪比和误比特率的表达式。通过推导信号功率均值的表达式和用户间干扰信号功率均值的近似表达式,得到用户的平均接收信干噪比的近似表达式,进而得到二进制相移键控调制下的平均误比特率的一个下界和近似表达式。仿真结果表明,推导的平均信干噪比的近似值与仿真结果很接近,近似BER值与仿真得到的平均BER值较为接近;通过增大速率回退因子和天线数,可明显提高平均信干噪比,降低误比特率。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

炉温滑模变结构控制系统的研究

针对ＧＪ型光辐射加热炉在对不同材料加热时,其数学模型参数变化范围较大的特点,提出了采用滑模变结构控制代替常规ＰＩＤ控制的方法,并对炉温变结构控制系统进行了仿真研究,研究结果表明,采用变结构控制的炉温控制系统,不仅有很好的动态特性,而且具有较强的鲁棒性,对对象参数摄动具有很好的自适应能力,这将大大增加辐射加热炉的应用范围。     

黄旗海产卤虫(Artemiapathenogenetica)成虫干片蛋白质、脂肪酸、氨基酸和矿物质的分析

对黄旗海产卤虫（Ａｒｔｅｍｉａｐａｔｈｅｎｏｇｅｎｅｔｉｃａ）成虫干片的蛋白质、脂肪酸、氨基酸和部分矿物质进行了初步分析．结果表明,粗蛋白含量为５４．１４％,脂肪酸中亚麻酸的含量为１５．０７％,蛋白质中的１７种氨基酸和部分矿物质的含量也很丰富,由此说明从盐碱湖中开发利用卤虫资源,使之成为新的食品源和优质饲料有着广泛的前景．     

高炉异常炉况判断专家系统的设计与实现

探讨了高炉异常炉况判断专家系统的结构,讨论了从传感器数据中抽取高炉况特征的方法,时态黑板结构与时间知识表示,对于炉况特征的模糊量化和专家知识中的参数设定,系统采用机器学习方法自动调整,对于高炉异常炉况的操作方法,系统采用规划－动作－反应方法向用出动国作建议,并对所动作动作建议实现实时的重构解释。     

焦炉集气管焊接变形的控制

针对焦炉集气管在现场安装过程中，易出现集气管弯曲变形、联接短管法兰面倾斜，导致安装质量差、返修多的状况。通过预留合理的焊接收缩量、控制焊接能量、安排好顺序等和防焊接变形措施以及合理的焊接方法控制、过程监控，使焦炉集气管制造质量达到设计要求。