柴油、甲醇和水三组元乳化液流变特性的研究

对柴油，甲醇和水三组元乳化液的流变特性进行了研究，实验发现，乳化液在本实验的组分配比下近似为牛顿流体，而且乳化剂的种类，含量以及乳化液的组分均对乳化液的流变特性具有显著的影响，对于组分相同的乳化液，乳化液的粘度随着乳化剂含量和粘度的增加而增加；当乳化剂的含量和粘度相同时，若甲醇和水之间的相对质量分数保持不变，减少乳化液中柴油的质量分数（不少于50%），乳化液的粘度随之增加，水和甲醇的含量对乳化液粘度的影响比较复杂，还需要做深入细致的机理研究。     

乳化剂和分散相含量对乳化液黏度的影响

采用旋转黏度计分别测量了当乳化剂和分散相的质量分数变化时,柴油-甲醇-水三相乳化液以及柴油-水二相乳化液的黏度.实验发现,乳化剂和分散相的质量分数均对乳化液黏度有影响:当乳化剂的质量分数小于4.8%时,柴油-甲醇-水三相乳化液的黏度均大于柴油-水二相乳化液的黏度;当乳化剂的质量分数大于4.8%时,若分散相质量分数小于20%,三相乳化液的黏度小于二相乳化液的黏度,若分散相质量分数大于20%,则三相乳化液的黏度大于二相乳化液的黏度,且随着分散相含量的增加,两者的黏度差也增大;就柴油-甲醇-水三相乳化液而言,即使分散相的质量分数相同,若甲醇和水的比例不同,其黏度也有差异;乳化剂含量对乳化液黏度的影响要小于分散相含量的影响.     

柴油、甲醇和水三组元乳化液滴微爆过程的研究

分别采用激光全息摄影技术和高速数字摄影技术观察了柴油、甲醇和水乳化液喷雾在高温高压（773K，3．1MPa）环境中发生微爆现象的瞬间和全过程，证实了微爆现象的存在．由于微爆机理的复杂性，尚难以用数学方法准确描述该过程．实验分析表明：若环境温度处于“最佳温度”范围内，乳化液滴表面首先形成“无水层”，液滴内部形成一个水滴的概率很小，可能形成几个相对较大的水滴，只要其中一个较大水滴的蒸汽压力大于液滴的表面张力和环境压力之和，液滴就有可能发生微爆，微爆不仅与液滴直径、组分的质量分数和组分间的沸点差等乳化液的本身特性有关，而且环境温度和压力的影响也不容忽视．该研究可以为乳化液喷雾微爆过程的数学模拟提供参考．     

低温条件下高山离子芥SA的产生及NO对SA质量分数的影响

研究了高山离子芥在低温条件下SA的产生及NO对SA质量分数的影响．结果表明：低温胁迫下，高山离子芥悬浮细胞内源SA质量分数逐渐增强，随着温度的降低，SA质量分数逐渐增强．在0°C处理下，8h达到最高（2．14μg／g），4°C处理下，24h达到最高（1．6027μg／g）；随着温度的降低，高山离子芥悬浮细胞内NO质量分数明显增强．在NO促进剂SNP、NO合酶（NOS）抑制剂LNNA、NO专一性猝灭剂PTIO及硝酸还原酶（NR）抑制剂NaN3处理下，研究高山离子芥NO及内源SA质量分数的变化．结果表明：SNP诱发了高山离子芥悬浮细胞内NO及SA的合成积累，LNNA，PTIO抑制了细胞中NO及SA的合成积累，NaN3对SA影响效果不明显，对NO影响效果显著．每个处理下的高山离子芥在低温条件下的内源SA质量分数均高于常温（20℃）水平，且差异显著（P〈0．05）．SNP与LNNA，PTIO，NaN3复合处理中，LNNA与PTIO对SA的抑制作用被消除．     

PAM对煤油乳化及煤泥浮选的影响

为研究阴离子聚丙烯酰胺（PAM）对煤油乳化液稳定性及煤泥浮选效果的影响,采用机械搅拌方式,选择不同体积分数的PAM进行煤油乳化实验,并以煤油、煤油＋PAM、煤油乳化液、煤油乳化液＋PAM为捕收剂进行单元浮选对比实验。结果表明：在煤油乳化液制备过程中加入少量PAM水溶液可提高煤油乳化速度,增强乳化液的稳定性;当油水比为1∶1,乳化剂用量为1%时,PAM体积分数为21%的乳化液的稳定性最好;随着PAM体积分数的增加,浮选效果逐步改善,当PAM过量时,浮选效果降低;与纯煤油浮选结果相比,煤油＋PAM、煤油乳化液和煤油乳化液＋PAM的浮选指标有不同程度的改善,且后两者的煤油消耗量降低50%。     

PHPA/SDBS/Mg-Al-HTlc/H2O悬浮体流变性研究

研究了部分水解聚丙烯酰胺（PHPA）／十二烷基苯磺酸钠（SDBS）／Mg-Al类水滑石（Mg-Al-HTlc）／水悬浮体的黏度行为，分别考察了SDBS质量分数Ⅲ（SDBS）、HTlc质量分数w（HTlc）、w（SDBS）／w（HTlc）比及pH对体系黏度（田）的影响．发现在所研究的质量分数范围内，PHPA／SDBS体系的η随w（SDBS）的增大而下降；PHPA／SDBS／Mg-Al-HTlc悬浮体的η随w（HTlc）的增大先上升，后下降，在w（SDBS）／w（HTlc）=0．25附近出现一个最大值；随pH的增大，PHPA／SDBS／Mg-Al-HTlc悬浮体的η先上升，在pH为7．0～10．5之间出现一个平台，后下降．     

乳化液膜分离富集烟碱的研究进展

介绍了液膜分离技术；综述了利用乳化液膜（ELM）从烟碱模拟溶液中分离、富集烟碱的技术；分析了乳化液膜内外相条件、乳化液组成及其他操作条件对烟碱提取过程的影响，从而为从废烟叶、烟梗中分离、富集烟碱的优选条件做了预见．     

卤化物与水玻璃复合物的抑尘性能

在恒温箱中测定了粉尘试样添加ＣａＣｌ２或ＭｇＣｌ２和水玻璃后的含水率与环境温度、湿度、有效抑尘时间等因素之间的关系．研究结果表明：（１）当环境温度低于３１℃，相对湿度高于６０％，粉尘试样中ＣａＣｌ２和水玻璃含量的质量分数分别达到２０％和１０％（ＭｇＣｌ２和水玻璃含量的质量分数为２３％和１１．５％）时，试样的含水率就能保持大于５％（质量分数）；（２）当环境温度低于４０℃，相对湿度高于５０％，粉尘试样中ＣａＣｌ２和水玻璃含量的质量分数分别达到２６％和１３％（ＭｇＣｌ２和水玻璃含量的质量分数为３０％和１５％）时，试样的含水率就能保持大于５％（质量分数）；（３）ＣａＣｌ２或ＭｇＣｌ２与水玻璃复合后，其粘尘功能进一步增强，而且其溶液的弱酸性得到进一步降低。     

聚氨酯丙烯酸酯的合成和性能研究

以2，4-甲苯二异氰酸酯（TDI）、聚乙二醇（PEG）、丙烯酸羟乙酯（HEA）为原料合成了聚醚型聚氨酯丙烯酸酯（PUA），探讨了合成温度、溶剂含量、催化剂含量、聚醚二醇分子质量和单体投料比对聚醚型聚氨酯丙烯酸酯的分子质量及固化膜性能的影响．实验发现PUA预聚物的最佳合成过程为先70℃反应1．7h接着50℃反应1．5h；最佳溶剂含量为10％（质量分数）；最佳催化剂含量为0．3％（质量分数）．当TDI：PEG：HEA按2：1：2投料可得到组成比和投料比、实测分子质量和理论分子质量均相近的PUA预聚物．     

生物酶催化聚乙烯膜接枝的改性方法

目的 研究以辣根过氧化物酶（HRP）为催化剂，邻甲氧基酚为底物，H2O2为氧化剂的自由基引发体系，高密度聚乙烯膜（HDPE）接枝丙烯酰胺的反应过程。考察催化反应各参数对HDPE膜亲水性和染色性能的影响。方法用SEM，UV-Vis分析聚合物膜的组成和表面结构。测定改性HDPE膜的接触角和染色后膜的UV-vis吸光度，分析溶剂浓度对改性效果的影响。结果最佳处理条件是反应时间为1．5h，H2O2的浓度为0．03％（质量分数），邻甲氧基酚的浓度为0．5％（质量分数），反应液中丙酮的最佳浓度为30％（体积分数）。结论HRP催化接枝处理HDPE膜明显改善了其亲水性和染色性能。     

新型递归神经网络求解时变矩阵Moore-Penrose逆

将传统梯度神经网络（GNN）与张神经网络（ZNN）巧妙结合,提出了一种新型的神经网络（NNN）模型.在相同的条件下,采用NNN,GNN,ZNN模型求解时变矩阵M-P逆,从理论上证明了NNN模型的有效性和优越性.计算机仿真结果表明NNN模型在有噪声的条件下求解矩阵M-P逆具鲁棒性.     

一种新的前馈神经网络删剪算法

前馈神经网络中隐层神经元的个数与它的学习和泛化能力密切相关.通过广义逆矩阵算法解决最小二乘问题改进神经网络自构行学习算法,得到一种新的前馈神经网络删剪算法.将新算法用于已经训练好的大型网络,能删剪“冗余”的隐层神经元,得到一个最精简的神经网络.此精简的神经网络不需要重新训练仍能保持原有的性能,并且泛化能力很好.仿真实例说明此算法的有效性和可行性.     

基于混沌神经网络的语音识别方法

基于语音信号的时变特性,研究了神经网络语音识别的方法．把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法．把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较．实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率．     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

基于量子差分进化算法的神经网络优化方法

一般的神经网络的结构是固定的,在实际应用中容易造成冗余连接和高计算成本。该文采用了协同量子差分进化算法(cooperative quantum differential evolution algo-rithm,CQGADE)以同时优化神经网络的结构和参数,即采用量子遗传算法(quantum genetic algorithm,QGA)来优化神经网络的结构和隐层节点数,采用差分算法来优化神经网络的权值。训练后的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制可以提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子和蒸汽透平流量具有更好的预测精度和鲁棒性。     

Software Maintainability Prediction with UML Class Diagram

Software system can be classified into many function modules from the perspective of user. Unified modeling language( UML) class diagram of each function module was extracted,and design characteristic metrics which influenced software maintainability were selected based on UML class diagram.Choosing metrics of UML class diagram as predictors,and mean maintenance time of function module was regarded as software maintainability parameter. Software maintainability models were built by using back propagation( BP) neural network and radial basis function( RBF) neural network, respectively and were simulated by MATLAB. In order to evaluate the performance of models,the training results were analyzed and compared with leaveone-out cross-validation and model performance evaluation criterion. The result indicated that RBF arithmetic was superior to BP arithmetic in predicting software maintainability.     

基于BP神经网络颜色单通道温度测量及比较

基于高温物体的颜色与温度存在着非线性映射关系,提出一种基于神经网络的图象颜色测温方法.将获取的高温物体图像进行R,G,B(红、绿、蓝)三色素分离,分别独立地送入BP神经网络,通过样本训练后,拟合其与温度的非线性关系.实验证明,R,G,B都有良好的测量精度效果,其中绿色单通道精度最高且测量范围最大,说明此温度测量方法是切实可行的.     

基于神经网络调制信号识别技术的发展

信号调制样式的自动识别是软件无线电必备的功能之一,基于人工神经网络的识别方法因其较其他方法具有更好的性能受到广泛关注。分析了基于神经网络调制信号识别技术的基本原理,将目前研究的调制信号识别分为基于多层感知器神经网络的调制信号识别和基于径向基函数神经网络的调制信号识别,提出了神经网络调制信号识别技术进一步的研究方向。     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.