准东煤旋风燃烧的数值模拟

为掌握准东煤在液态排渣旋风炉中的燃烧特性,对准东煤旋风燃烧过程进行了数值模拟。通过建立传热传质模型求解熔渣层的热物性参数,并作为边界条件代入燃烧CFD模拟中构建联合迭代算法。结果表明,迭代收敛后火焰温度与热电偶测量值基本吻合,误差小于4%。大于10μm的飞灰颗粒与熔渣层碰撞并被黏附,颗粒沉积可简化为一次碰撞。熔渣层厚度沿筒长方向呈非均匀分布,最大厚度约为2 mm,可近似为牛顿流体的流动边界层。排渣口处熔渣温度大于黏度25 Pa·s对应的温度,能够实现稳定液态排渣。立式旋风炉捕渣率大于0.6,捕渣率分布主要受配风方式的影响。     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

可分离凸规划问题的交替邻近梯度法的次线性收敛率

给出了目标函数为3个凸函数的和且具有线性约束的可分离凸规划问题的交替邻近梯度法在遍历意义下的次线性收敛率为■的一个充分条件.     

SRAM白光中子单粒子翻转注量率(10~7量级)效应研究

中子诱发中子单粒子效应进而影响电子设备或系统的稳定性和可靠性,本文基于中国散裂中子源BL06测试束线,在20 kW、50 kW、70 kW、80 kW和100 kW束流条件下,对800 nm、500 nm、350 nm和130 nm工艺静态随机存储器开展了不同注量率下白光中子单粒子翻转研究.实验发现:在误差允许范围内,中子注量率为1.34×10~7~6.68×10~7 n/(cm~2·s)时,白光中子诱发的中子单粒子翻转平均位翻转截面无明显变化,即当前注量率范围内,中子单粒子翻转基本不考虑注量率效应.     

基于载荷均衡的韧性配电网分布式故障恢复

韧性电力系统旨在应对电力系统的极端事件,高效的故障恢复是提高配电网韧性的重要手段。为了提升配电网的韧性,提出了基于载荷均衡的分布式故障恢复方法。首先,相邻馈线终端单元根据故障恢复区负荷、相邻馈线容量及负载率,计算各相邻馈线完成故障恢复后的负载率期望值。然后,各相邻馈线终端单元均以该期望值为目标,分别完成各自的故障恢复路径。最后,根据各相邻馈线的故障恢复路径形成故障恢复区的故障恢复方案。算例分析结果表明,该方法在保证各馈线载荷均衡的前提下可以有效而快速地实现故障恢复。     

0.9%氯化钠注射液与参附注射液配伍的溶血作用研究

对参附注射液中说明书规定使用溶媒的溶血作用进行分析及安全性评价.采用紫外-可见分光光度计法测定以0.9%氯化钠注射液为溶媒稀释后的参附注射液和用2%兔红细胞混悬液混合后的吸光度值,根据吸光度值之差计算其溶血率.并采用双因素无重复试验方差分析对不同批次和不同浓度参附注射液进行统计学分析.结果显示,不同批次参附注射液间溶血作用存在显著性差异,溶血作用与浓度相关,且稀释倍数为6倍和8倍时都有溶血风险.因此,应该严格选用药品说明书中规定的溶媒,为参附注射液临床应用安全提供保障.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.