刍议如何在工程实务中最大程度发挥混凝土拌合站作用

混凝土厂拌设备既是一个独立的机械设备，又与其他关联设备密不可分，它的运行效率与厂区内方方面面因素密切联系，要提高它的运行效率，就要努力协调好各方面的关系。本文站在提高工程效率的角度，从保养、选址及使用等方面谈谈混凝土拌合站如何发挥更大作用。     

稻水蝇(Ephydra macellaria Egger)生活史研究

稻水蝇在内蒙古东部地区年发生 4代 ,世代重叠 ,发育历期世代间存有极显著的差异 ,虫态间发育历期除幼虫与蛹外亦呈极显著差异 .成虫越冬 .4月下旬越冬成虫大量出现 .4月下旬见一代卵 ,5月 10日为一代幼虫盛发期 ,化蛹在 5月 2 5日始盛 ,一代成虫于 5月下旬可见 .第二代 5月下旬见卵 ,6月上旬至 7月上旬幼虫发生 ,6月中旬至 7月上旬化蛹 ,6月下旬至 7月中旬为二代成虫可见期 .第三、四代幼虫分别发生于 7月上旬及下旬 ,第四代成虫于 8月中旬羽化 ,8月下旬达到羽化高峰并越冬 .第 2代危害严重 ,发生数量极显著多于其它各代     

精对苯二甲酸装置溶剂脱水塔中对二甲苯累积量对分离效果的影响

用ASPEN PLUS流程模拟软件模拟计算了精对苯二甲酸(Pure Terephthalic Acid,PTA)装置中溶剂脱水共沸精馏塔内醋酸与水的分离过程,在此基础上研究回流中不同质量分数的对二甲苯(PX)在塔内的分布及其对塔釜加热负荷的影响.结合剩余曲线分析对二甲苯、水和醋酸正丁酯三元系统的分离特性.研究结果表明:在PTA生产中采用醋酸正丁酯为共沸剂进行醋酸和水的分离时,应该在对二甲苯质量分数积累到0.15时,在回流罐分相器上增加旁路来排放部分溶剂以降低系统内PX的质量分数.     

PTA装置溶剂脱水塔进料组分含量变化对塔分离效果的影响

利用Aspen Plus流程模拟软件模拟计算了精对苯二甲酸(PTA)装置溶剂脱水共沸精馏塔,液相采用UNIQUAC模型计算活度系数,气相采用Hayden-O'Connell模型计算逸度系数,模拟结果与实际工况符合较好。在此基础上将其转化为基于Aspen Dynamic的动态模型。利用三元相图分析醋酸-水-醋酸正丁酯(HAc-H2O-NBA)三元体系中进料组分含量变化对溶剂脱水塔操作条件的影响,提出单塔板温度控制和双塔板温度控制两种方案。仿真研究进料组成变化对两种控制方案相关操作变量的动态响应情况,从中挑选出一种较优的控制方案,指导实际生产操作。     

丁二烯第一萃取精馏塔操作参数的优化

利用A SPEN PLU S流程模拟软件对丁二烯第一萃取精馏塔进行模拟计算,在此基础上进行操作变量对塔顶和塔釜关键组分的灵敏度分析,并对第一萃取精馏塔进行溶剂比优化,最后利用神经网络进行建模,预测不同C 4进料情况下的最佳溶剂比,并用于指导生产。实际生产情况表明该方法是有效的。     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

以环外双键体系为桥的低偶极大β 生色团

利用AM1／FF和ZINDO／S－CI方法分别以环外双键体系为桥的电光生色团的电子性质和二阶非线性光学特性进行了理论研究。表明表明,利用环外双键在激发态会出现偶极反转的特殊性质,通过对其取代方式的优化,可以设计出低μ大β生色团。通过延长共轭长度及优化给、受体强度,可以进一步提高贡献于分子非线性之跃迁的振子强度而得到品质因数超过DANS,偶极矩小于5deb的高性能电光生色团。     

基于壳程数最小年度化费用换热网络综合的研究

根据换热器对数平均传热温差校正因子与换热器进出口温度之间的关系,指出了单壳程偶数管程换热器在可操作条件下的最大温度交叉程度,在此基础上,根据换热器投资费用同壳程数的关系,提出了基于壳程数的换热网络综合的数学模型,并采用遗传模拟退火算法进行了求解,实例表明该模型对求解实际工程换热网络是有效的。     

直流伺服系统摩擦力及死区补偿的鲁棒自适应控制器

直流伺服系统的死区和摩擦力参数往往是不可知的,而且速度估计也存在误差,如果不能较好地处理这些因素将会严重影响系统的性能。针对这些问题,提出了一种鲁棒自适应控制方法,并运用Lyapunov稳定性原理证明了其稳定性;提出了使用差分器来估计速度值的方法,以减少实际系统中因速度估计误差引起的控制性能的降低。仿真结果表明:该控制方法在提高系统速度估计精度、改善摩擦力和死区补偿效果等方面具有很好的效果,为直流伺服的系统设计提供了一种较好的方法。     

一种基于Alopex和分布估计算法融合的进化算法及其在参数估计中的应用

构造了一种基于Alopex(Algorithm of pattern extraction)和分布估计算法(Estimation of distribution algorithm,EDA)相融合的进化算法EDA-Alopex.该算法将分布估计算法嵌入到一种基于Alopex的群智能进化算法(Alopex-based evolutionary algorithm,AEA)中,利用分布估计算法收敛速度快及与传统进化算法进化模式不同的特点来改进AEA算法.新算法综合了AEA算法搜索得到的个体间相关性信息和EDA搜索过程中得到的全局概率信息,能够更好地指导种群向有利的区域进化.仿真结果表明:EDA改进的EDA-Alopex算法搜索性能与AEA算法的搜索性能相比有较大提高,特别是其收敛速度与AEA算法相比有明显提高.