高炉鼓风机计算机控制系统的设计与实现

本钢铁业公司鼓风机是AV40—9轴流压缩机，采用了计算机控制系统．从系统的构成到各个主要的控制回路．做了比较详细地说明．     

高速磁浮车-轨耦合系统动态机理与振动响应

对高速磁浮车-轨耦合系统进行动态机理和振动响应研究。首先,对高速磁浮中的各类耦合关系进行建模;其次,分别分析了动态和静态条件下的车-轨耦合作用机理;然后,建立了高速磁浮车-轨耦合动力学有限元模型;最后,对磁浮列车高速通过桥梁时轨道梁、功能件的动力响应和车-轨共振速度进行分析。结果表明：高速运行时车-轨作用频率不同,长时间共振速度下运行时车-轨振动明显增大;若桥梁动力放大系数小于1.2,则基频比最小值为1.16;若桥梁动力放大系数小于1.3,则基频比最小值为1.04。     

吉木萨尔陆相页岩油微观赋存类型

为了更好地认识页岩油微观赋存状态及类型,避免实验过程中水钻取样对原油分布的影响,选取吉木萨尔页岩典型含油岩芯,采用全程液氮钻、切、磨制样工序,通过全能谱扫描电子显微镜、二次电子成像及背散射相结合的技术手段,获得微观储层矿物类型和结构、储集空间类型、形貌以及C, O, Si, Al, Ca, K, Na,Mg等元素在微、纳米尺度的分布。依据去除矿物因素后的C元素含量分布,判别原油在微、纳米空间尺度的富集程度。结合矿物岩石组构和储集空间形貌,对微、纳米尺度页岩油原油的赋存状态及分布类型进行直观的定量表征,并基于C元素含量推测微观含油饱和度的相对变化。针对原油与孔喉的配置关系,进行储层微观孔喉结构与原油赋存状态的表征,明确原油赋存类型。总结出研究区4种微观原油赋存类型:白云质溶蚀微米级大孔道中的可动油、砂质粒间微纳米级孔中可动油、砂质粒间孔喉壁吸附的半束缚状态的油膜以及自生黏土矿物晶间孔内束缚油。     

新型冠状病毒主蛋白酶天然产物抑制剂的筛选

为寻找新型冠状病毒主蛋白酶天然产物抑制剂,本文以SARS-CoV-2主蛋白酶为研究对象,通过计算机辅助药物筛选方法初步筛选出16个潜在抑制剂并进行体外酶活测试.其中,野黄岑素对SARS-CoV-2主蛋白酶的IC50为（10.79 ± 2.116 ） μmol/L,没食子儿茶素没食子酸酯抑制SARS-CoV-2主蛋白酶的IC50为（2.104 ± 0.346） μmol/L.最后,将两种天然产物与主蛋白酶进行分子动力学模拟发现没食子儿茶素没食子酸酯和野黄岑素与新型冠状病毒主蛋白酶结合时的复合物RMSD都在0.22 ?附近,说明两个天然产物与新型冠状病毒主蛋白酶结合较为稳定,可以作为新型冠状病毒主蛋白酶的抑制剂或先导化合物.     

分形编码中的最优压缩映射

提高传统分形压缩编码的性能。方法将分形变换编码建模为一个不等式约束条件下的非线性规划问题,将压缩射条件作用到最优射的求解过程中,得到全局意义上的最优压缩映射,给出了该模型及相应的求解算法,对算法收敛性,初始点选择等问题进行了讨论。     

一种神经网络实现GPS导航定位算法

目的 研究ＧＰＳ接收机状态解算的估计方法。方法 利用Ｈｏｐｆｉｅｌｄ神经网络对ＧＰＳ接收机数据进行处理,结果 以统计自述平均误差和均方根误差作为衡量性能的指标,神经网络方法与迭代量小均方误差算法相比较定位误差减小,结论利用神经网络实现ＧＰＳ接收机状态解算是可行的,且与迭代最小均方误差算法比较,可提高定位精度。     

1,6—二磷酸果糖制备研究：Ⅰ.菌种的筛选及培养条件

介绍了１,６－二磷酸果糖产生菌的筛选和最佳培养条件的确定,在所筛选的菌种中９５１８、９５１９号菌株均具较高的产１,６－二磷酸果糖酶系活力。其最佳培养条件为：培养温度２８℃,ｐＨ６．５。     

TS分子筛的催化氧化性能研究：Ⅲ.苯酚氧化制苯二酚

研究了自合成的钛硅分子筛（ＴＳ－１）对Ｈ２Ｏ２氧化苯酚制苯二酚反应的催化活性。对反应的温度、时间、催化剂用量、酚：Ｈ２Ｏ２等因素进行了考察：在催化剂用量为苯酚的１０％、酚：Ｈ２Ｏ２（ｍｏｌ）为３：１时,经５７℃／６ｈ反应,Ｈ２Ｏ２的转化率和对产物苯二酚的利用率可达９０％和８０％,还观察到,分子筛的晶粒大小对苯酚的氧化活性影响较大,大晶粒催化剂的内表面利用率较低,从而影响催化活性。     

M-ary 正交调制 DS/CDMA 在衰落信道中的性能分析

讨论了Ｍ－ａｒｙ正交调制ＤＳ／ＣＤＭＡ系统在瑞利及莱斯衰落下的误码性能。采用理论分析的方法,推导出了在瑞利及莱斯衰落下ＤＳ／ＣＤＭＡ系统误码率的闭式表达,理论分析与数值积分结果相符。对于实际信道功率时延曲线为指数衰减的情况,讨论了不同指数衰减率对系统性能的影响,并就分集接收方案及不同系统参数的影响也作了分析。结果表明随着指数衰减率的增加和莱斯参数的减小,误码逐渐增大;而随着分集的加入,系统误码性能可大大改善。     

衰减激励条件下确定性系统多新息辨识的收敛性分析

在衰减激励条件下,分析了确定性系统多新息辨识算法的收敛性。得到了如下结果：１）当信息向量φ（ｔ）有界时：（ｉ）衰减指数ε＞１２时,估计误差θ（ｔ）有界,即‖θ（ｔ）‖＝Ｏ（１）或‖θ（ｔ）‖≤Ｍ＜∞;（ｉ）ε＝１２时,θ（ｔ）以１ｔｃ（ｃ＞０）速度收敛于零,即‖θ（ｔ）‖＝Ｏ１ｔｃ;（ｉｉ）０＜ε＜１２时,θ（ｔ）以指数ｅｘｐ（－ｃｔ１－２ε）（ｃ＞０）速度收敛于零,即‖θ（ｔ）‖＝Ｏ（ｅｘｐ（－ｃｔ１－２ε））。２）当φ（ｔ）以ｔμ速度增加（μ＞０）,即φ（ｔ）＝Ｏ（ｔμ）或‖φ（ｔ）‖≤ｃｔμ,ｃ＞０,（ｉ）μ＋ε＞１２时,θ（ｔ）＝Ｏ（１）;（ｉ）μ＋ε＝１２时,θ（ｔ）＝Ｏ１ｔｃ,ｃ＞０;（ｉｉ）μ＋ε＜１２时,θ（ｔ）＝Ｏ（ｅｘｐ（－ｃｔ１－２（μ＋ε）））,ｃ＞０。