流化床粗煤泥分选床层特性

在自制LCH-2400型流化床分选机机体内,通过分层采样分析,研究流化床粗煤泥分选过程中的流态化特性。实验结果表明:当上升水流速度是13.94 mm/s时,分选密度1.62 g/cm3,实验指数n值为2.34,流化床层中粗煤泥形成了高度为200 mm的矸石层、1 800 mm的过渡层和100 mm的精煤层,矸石层中大于1.8 g/cm3密度级含量是80.1%,小于1.3 g/cm3密度级含量是4.96%,形成了有利分选的矸石层,为分选机高效分选创造了条件。     

基于uCOS-II的模糊自适应温度控制系统设计

针对车间温度控制系统具有非线性、滞后性和时变性等特点,提出了一种改进型的模糊自适应PID控制器。该控制器通过在线调整学习速率因子和PID参数增量,并结合积分分离思路,实现PID参数的自适应调节。仿真结果表明该控制器优于传统PID控制和传统模糊自适应PID控制。控制系统采用PIC24F作为主控芯片,结合操作系统uCOS-II的实时性、可靠性以及模糊自适应控制的非线性、时变性等特点,通过实验成功的实现对温度准确控制。     

基于独立分量分析的跳频通信抗梳状阻塞干扰方法

针对梳状阻塞干扰对跳频通信造成严重影响的问题,根据跳频信号与梳状干扰的统计独立特性,将独立分量分析引入跳频通信抗干扰之中,提出了基于独立分量分析的跳频通信抗梳状干扰方法。围绕输出信号的统计独立性构建对照函数,利用对照函数引导分离矩阵迭代,进而将分离矩阵作用于接收混合信号,实现跳频信号与干扰信号的有效分离。仿真结果表明：提出的方法可有效提高跳频通信对抗梳状阻塞干扰能力;当误码率为10-3时,提出的方法可使跳频通信的抗干扰能力提升约8 dB。     

高炉粉尘Fe和Zn非熔态分离工艺

开发一种高炉粉尘再资源化处理工艺,采用"非熔态还原--磁选分离--Zn的回收、富集"方法对典型高炉粉尘进行Fe、Zn非熔态分离研究.结果表明:在910～1 010℃,使用纯H2、CO为还原剂进行非熔态还原,同时实现粉尘中Fe2O3(s)→Fe(s)和ZnO(s)→Zn(g)的高度转变,金属化率达到90%以上,气化脱锌率达到99%以上,且还原过程未发生烧结.还原产物直接经磁选分离、富集得到TFe品位90%的富Fe物料;含锌挥发物经回收、富集得到ZnO含量92%的富Zn物料.成功地将高炉粉尘全部转化为MFe、ZnO等有价资源,实现了零排放,且分离过程不需高温熔融,过程能耗低,无环境污染.     

一种基于标识分离映射网络的子网移动性管理方案

标识分离映射网络成功实现了身份与位置分离,解决了单点移动性问题,但是没有考虑子网移动性管理的问题。在此基础上提出一种基于分级多层映射机制的子网移动性支持方案,通过子网多身份标识到唯一路由标识的多对一映射机制,在实现子网整体移动性支持的同时,又降低了网络整体信令开销和切换时延开销,优化了网络性能。仿真结果说明,在子网移动过程中,与普通节点单独注册相比,采用基于分级多层映射机制的块注册方式,可以有效降低网络整体信令开销和切换时延开销,尤其是核心网的信令开销,从而避免核心网资源的浪费,提高网络的整体性能。     

基于EMD的ICA语音增强

传统ICA方法是将所有源信号都从混合信号中都提取出来,而参考独立分量分析(ICA-R)通过将一些先验信息引入到ICA学习算法中,从混合信号中仅提取期望源信号.本文为了从混合语音信号中提取出期望的语音信号,采取的是基于经验模态分解(EMD)方法来获取功率谱包络作为参考信号,继而把参考信号运用到ICA－R算法中,达到语音增强的目的.计算机仿真和性能分析结果表明,此方法在有噪声干扰的情况下达到语音增强的目的.     

珞璜电厂粉煤灰微珠的精细化分选

 针对华能集团重庆珞璜电厂煤粉炉粉煤灰的利用问题,采用XRF、XRD、Siroquant 定量、SEM-EDS 及光学显微镜等技术手段,在深入分析煤粉炉粉煤灰的岩石学、矿物学、元素地球化学特征的基础上,对此类粉煤灰的微珠进行浮沉、弱磁选和气流分级等精细化分选实验研究。结果显示,以水为介质的浮沉实验可获得质量分数0.15%的漂珠;磁场强度208×10³ A/m 湿式弱磁选实验可获得质量分数14.8%、Fe₂O₃含量44.65%的磁珠;气力旋流分级实验可获得中值粒径分别为89.6、40.2、21.3、12.7、8.1、4.9 μm 共6 个粒度级的粉煤灰微珠产品,表明通过精细化分选获得的粉煤灰微珠产品能够适应多种领域的应用,显著提高此类粉煤灰的高值利用率。     

采用PARAFAC的欠定盲分离中机械振源数估计方法

针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重叠的数据块,计算各数据块的单一时延协方差矩阵并叠加成三阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

卷积混叠盲信号分离的一种线性化方法

卷积混叠的盲信号分离是盲源分离问题中的难点．针对独立同分布的非高斯信号的卷积混叠,提出了一种新的盲解卷积方法——“两步提取法”：第一步消除所有源信号的延迟分量,提取仅含有源信号的线性混叠分量,使其转化为线性混叠盲源分离问题,称之为“卷积线性化”;第二步对“卷积线性化”后的估计信号进行分离,最终分离出源信号．同时,利用统计和矩阵理论,证明了设计“卷积线性化”滤波器的方法．仿真试验结果显示了该方法的可行性．