高盐、高浓度有机废水蒸发特性实验

 搭建废水动态蒸发实验装置，对精细化工行业常见的蒸氨废水、颜料生产废水开展蒸发分离实验研究以获得废水蒸发特性，为实际蒸发系统设计提供基础数据支持。结果表明：废水的沸点升高随浓缩倍数的增加而逐渐上升，来自不同工艺段的蒸氨废水、颜料生产废水由于浓度差别，在相同的浓缩倍数下沸点升高略有不同；在蒸发过程中，颜料生产废水蒸发冷凝液的COD随着蒸发的进行逐渐降低；不同种类废水蒸发冷凝液的TDS与pH值变化规律大致相同，受原液中易挥发物质及夹带液滴的影响较大，随着浓缩倍数的增加先减小后趋于恒定。     

高频调幅交变电磁场金属液滴悬浮振荡的 3 维数值模拟

采用有限元方法模拟高频调幅交变电磁场以及液滴内流体流动, 金属液滴自由界面的追踪采用任意拉格朗日欧拉(arbitrary Lagrange-Euler, ALE)方法. 数值模拟得到了高频调幅交变电磁场、金属液滴内部液体流动和液滴表面形变的动态行为. 数值结果表明: 在高频调幅交变电磁场中, 金属液滴所受洛伦兹力集中在液滴内部近表面区域, 液滴受近似表面力的洛伦兹力激励; 在表面张力和重力的共同作用下呈周期性振荡, 液滴的振荡幅度起伏变化, 具备参数振荡特征. 对液滴振荡的频谱分析结果显示, 液滴振荡的主频和高频调幅交变电磁场的调制波频率相同, 在其倍频处也会出现较大峰值, 液滴振荡的频谱特征与高频调幅交变电磁场中金属液滴所受洛伦兹力的频率特性吻合.     

四川盆地碳酸盐岩源岩气地质特征与勘探前景

充分利用露头、岩芯、岩屑等原始样品，通过薄片观察、物性分析、扫描电镜、X射线衍射及同位素分析等实验方法，结合测井资料、地震剖面解释等进行研究，从碳酸盐岩源岩气地球化学评价参数和指标厘定入手，以南川区带高产稳产气藏为实例，深入解剖四川盆地茅口组一段碳酸盐岩源岩的岩矿、物性、电性、含气性及生烃潜力，探讨了表生沉积环境、早期成岩作用等因素对碳酸盐岩源岩气储层的影响，尤其是富镁黏土矿物黑滑石在碳酸盐岩中有机质富集、碳酸盐岩气成生和聚集的积极作用，进一步明确气藏高产稳产的主控因素，落实“甜点段”的特征和分布，指明了该领域勘探开发的前景。     

基于CRC的ASM信号维特比纠错算法

为提高甚高频数据交换系统(very high frequency data exchange system, VDES)中应用特定消息(application-specific messages, ASM)的解码性能, 提出一种基于循环冗余校验(cyclic redundancy check, CRC)的改进维特比纠错算法。通过合理降低符号状态数和使用部分CRC参与纠错, 使该算法平衡了纠错性能和计算量, 同时提出了新的分支度量以解决过于理想化的传统分支度量导致的性能损失。仿真表明, 新分支度量相比传统分支度量提升了1 dB的误帧率(packet error rate, PER)性能, 在用12个CRC寄存器参与纠错的条件下，该方法比相干解调算法提升了1 dB的PER性能, 同时通过合理的符号状态数降低策略将计算量降为传统算法的1/4。     

一种应用于高含硫气井的智能取垢器系统设计

油气井生产过程中，受地质环境、生产阶段、矿物成分等多种因素综合影响，井筒上易产生垢物堵塞，影响正常生产；而解堵和工艺措施的有效性由能否精准取样井下垢物直接决定。针对高含硫气井井下垢物样本取样需要，设计研制了一套智能井下取垢系统，介绍了智能井下取垢器的体系结构及工作原理；详细论述了电路板减震结构、取垢弹爪、容垢篮装置以及扶正装置等取垢器关键机械结构及部件；阐述了基于DSP的电气定时控制系统的体系结构及控制原理，重点说明了系统PID控制算法关键参数计算过程。室内性能实验以及试验井功能试验结果表明，研制工具的耐温、承压性能以及取垢和容垢装置自动化伸缩同步联动控制功能可靠，入井和出井过程顺利，能为高含硫气井井下垢物精准化取样提供设备支撑。同时，提出的设计方法和思路对其他智能化井下工具的研发具有一定的参考意义。     

罗伯特·安格斯·史密斯:英国有毒气体污染治理的奠基者

罗伯特·安格斯·史密斯是19世纪著名的化学家和环境学家,他担任了英国中央碱督察局第一任首席督察官,填补了督察局检查程序和工作风格的空白,提出"最佳实用方法"进行盐酸减排,强调督察员与碱业制造商的良好关系,以化学技术和咨询手段管控制碱业,有效减少有毒气体盐酸的排放,平衡污染治理与经济发展之间的关系。此外,史密斯还发现并命名了"酸雨",指出有毒气体二氧化硫的巨大危害,利用化学方法分析降水成分,对化学气候学做出开创性的贡献。     

自动调温与均温艾灸仪的研制及温度场分析

为了解决现有艾灸过程中热量不均衡、热量利用率低、操作繁琐等问题，达到高效利用热量和药烟的目标，本文设计并实现了一种新型智能艾灸仪，该艾灸仪包含燃烧、熏蒸、收集及控制系统，可以实现烟雾自动收集、温度精确智能控制以及艾灸操作流程简化等功能。基于传热学理论对艾灸仪的熏蒸系统建立热力学模型，并利用Fluent软件对其进行温度场分析，分析结果表明：锥形流道是两种结构方案中较优的流道结构；所设计的温度均衡隔板对艾灸仪的温度均衡起到至关重要的作用；实际使用中存在的泄漏不仅对升温速度有轻微的影响，对温度场的分布也有一定的影响。设计与研究结果为现代艾灸仪的临床应用提供了理论基础。     

基于回转输运试验的煤散料离散元接触参数修正

为获取精确的刮板输送机离散元模拟结果，基于回转输运试验，通过响应面法对煤料的接触参数进行修正.采用Plackett-Burman试验考察接触参数对受力及堆积角的影响，发现煤-钢静摩擦系数、煤-煤摩擦系数具有显著正效应.根据爬坡试验结果，以受力及堆积角为响应值规划Box-Behnken试验，建立受力、堆积角与显著项间的二次回归多项式，以实测数据为目标值求得最佳参数:煤-钢静摩擦系数为0.401，煤-煤静摩擦系数为0.333，煤-煤滚动摩擦系数为0.041.通过不同输运条件下的回转试验验证了参数的准确性，为刮板输送机的离散元研究提供参考.     

Superior corrosion resistance-dependent laser energy density in(CoCrFeNi)95Nb5 high entropy alloy coating fabricated by laser cladding

(CoCrFeNi)95Nb5 high entropy alloy(HEA)coatings were successfully fabricated on a substrate of Q235 steel by laser cladding technology.These(CoCrFeNi)95Nb5 HEA coatings possess excellent properties,particularly corrosion resistance,which is clearly superior to that of some typical bulk HEA and common engineering alloys.In order to obtain appropriate laser cladding preparation process parameters,the effects of laser energy density on the microstructure,microhardness,and corrosion resistance of(CoCrFeNi)95Nb5 HEA coating were closely studied.Results showed that as the laser energy density increases,precipitation of the Laves phase in(CoCrFeNi)95Nb5 HEA coating gradually decreases,and diffusion of the Fe element in the substrate intensifies,affecting the integrity of the(CoCrFeNi)95Nb5 HEA.This decreases the microhardness of(CoCrFeNi)95Nb5 HEA coatings.Moreover,the relative content of Cr2O3,Cr(OH)3,and Nb2O5 in the surface passive film of the coating decreases with increasing energy density,causing corrosion resistance to decrease.This study demonstrates the controllability of a high-performance HEA coating using laser cladding technology,which has significance for the laser cladding preparation of other CoCrFeNi-system HEA coatings.     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.