多相永磁推进电机的外部短路分析

为了定量评估短路电流对多相永磁推进电机转子磁钢的危害,并为短路保护提供依据,建立了该类电机基于场路耦合的非线性电磁暂态数学模型。据此以一台50kW极18相永磁无刷直流电机为例,计算了发生外部单相对地和两相对地突然短路故障时的短路电流波形,并分析了发生短路时阻尼绕组对电磁暂态过程的影响,其仿真结果与实验结果吻合较好。研究结果表明,该方法可以有效地计算该类电机的暂态短路电流,可用于设计阻尼绕组和校核永磁磁钢的最大退磁工作点。     

60Co γ-Ray射线诱变水稻突变体的分离和遗传学初步分析

为了研究水稻发育的分子机制,我们利用γ射线对粳稻品种9522进行诱变,共诱变了3 000 g种子,M1代单株收种,M2代移栽5 963个株系于上海农科院.在M2代中筛选突变体,并在M3代中复选,最终得到了叶、株型育性等各类形态突变体666份.对其中162株突变体进行了遗传分析,有53.61%的突变体出现3∶1的分离,这些突变体是隐性的单位点突变.同时,这些突变体的分离也为水稻功能基因分离和功能鉴定等研究打下了良好的基础,并为水稻发育的研究提供了宝贵的材料.     

离心泵的流量调节与节能控制

利用自行开发的离心泵性能测定平台,考察了IHG32-125型离心泵的出口阀调节、单泵及双泵变速调节、定速泵与变速泵组合操作等不同方式的调节特性及能耗损失,并进行了对比研究。实验发现,对于单泵,当输送量由5.8m³/h降至4.7m³/h时,变速调节能耗仅为阀门调节能耗的62%;对于双泵,当输送量由10m³/h降至7m³/h时,双泵变速调节能耗为阀门调节能耗的46%,为定速泵与变速泵组合操作调节能耗的61%。因此利用变频技术而实现的变速流量调节的方式节能效果最为显著,且经济可行。     

镍负载量对自热转化催化剂Ni/γ-Al2O3性能的影响

利用常压固定床微反色谱联用装置、X 射线衍射 (XRD)以及程序升温还原等分析手段 ,考察了镍负载量对自热转化催化剂Ni/γ Al2 O3 的活性和还原性能的影响。实验结果表明 ,对于 10 0 0℃下焙烧的模型催化剂Ni/γ Al2 O3,用XRD检测均未发现NiO(2 0 0 )特征峰 ;而当镍含量达到 8.1%时 ,XRD可检测到以尖晶石形式存在的镍。模型催化剂中NiAl2 O4 的还原性能低于NiO。催化剂中镍的负载量在一定范围内增加 ,可使起始还原温度下降 ,催化剂转化活性升高。分析结果表明 ,镍负载量为 7.7%的催化剂还原温度低 ,转化活性很好 ,能有效地抑制催化剂的积炭 ,具有最佳的综合性能     

助剂对自热转化催化剂Ni/γ-Al2O3性能的影响

利用常压固定床微反色谱联用装置及程序升温还原的方法 ,考察了添加不同助剂对自热转化催化剂的还原性能、活性和水热稳定性的影响。实验结果表明 ,稀土氧化物作为助剂添加到模型催化剂中 ,可以大大改善催化剂的初活性和水热稳定性 ,MnO ,CeO2 和La2 O3 是提高催化剂水热稳定性的较好助剂 ,同时CuO是改善催化剂还原性能的一种很好的助剂     

辽宁“五点一线”之东翼丹东的海洋产业

随着社会的发展,绿地资源的紧缺以及科学技术的发展,人类向海洋进军的程度越来越深。海洋经济不断发展,各个地区均发展其特色海洋产业。丹东作为我国最北最东端的沿海城市,其海洋产业也有自己的特色。本文将介绍丹东的主要海洋产业。     

DNA分子标记技术在海水鱼类遗传育种中的应用与展望

DNA分子标记技术自问世以来已被广泛应用于动植物的遗传育种领域,应用该技术来开展海水鱼类遗传育种的研究对海洋鱼类资源的保护与开发有着重要意义.阐述了DNA分子标记技术在海水鱼类遗传育种研究中的应用现状,并对我国鱼类遗传育种工作提出了若干意见,同时就其发展前景作了展望.     

一个基于LS公式修正的新共轭梯度算法

基于LS公式βLkS提出一个求解大规模非线性优化问题的新共轭梯度法公式:βk*=gTk(gk-‖gk‖‖gk-1‖gk-1)/(-gTk-1dk-1),并证明新公式在σ∈(0,21)的SWP线搜索下具有充分下降性和全局收敛性.新方法的数值试验结果良好.     

焙烧温度对Ni／γ—Al2O3催化剂性能的影响

利用程序升温还原（ＴＰＲ）、Ｘ射线衍射仪和固定床微反装置等对不同温度下焙烧的Ｎｉ／γ－Ａｌ２Ｏ３催化剂的性能进行了实验研究。结果表明,焙烧温度对催化剂活性组分镍晶粒的粒度、镍的 的性能以及催化剂的活性和稳定性有很大影响。当焙烧温度的范围为７００￣９００℃时,催化剂具有良好的活性和水热稳定性。在６００℃下焙烧的催化剂极易被还原,催化剂初活性较好,但水热稳定性很差。在１０００℃下焙烧的催化剂很难被还原     

基于改进深度置信网络的木板表面缺陷检测模型

为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明：选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^-2,是最优结果,Adaboost-CNN算法次之,CNN算法最差。