基于扰动观测器的旋转倒立摆滑模控制

该文针对旋转倒立摆中存在的匹配和不匹配不确定性扰动对系统的影响,提出了一种基于扰动观测器(DOB)的滑模控制(SMC)方法.通过设计一种基于扰动估计的滑模面,提出利用DOB的方法来抵消系统中的匹配与不匹配扰动,并利用李亚普诺夫稳定性定理证明所设计的控制器可以保证闭环系统的稳定性.借助MATLAB仿真软件和实验平台对系统...     

基于改进旋转策略的量子遗传-神经网络算法的软件缺陷预测模型

针对标准量子遗传-神经网络在进行缺陷预测时存在的收敛速度慢、易陷入局部最优等问题,提出了基于改进旋转策略的量子遗传-神经网络算法的预测模型.首先,以标准BP(back propagation)神经网络为基础,确定其拓扑结构.接着,采用动态更新旋转角度的策略对旋转角度进行更新.然后,利用改进的算法对神经网络进行优化,并构...     

海南文昌海草床沉积物硫氧化细菌的多样性

以热带海草床沉积物土著硫氧化微生物资源的开发为目的,首先选择培养基并对海南文昌海草床沉积物中可培养硫氧化细菌进行了富集培养和分离纯化,进而利用16S rRNA测序方法获得了硫氧化细菌的分类信息并建立了系统发育树,最后对其硫氧化性质进行检测,共分离鉴定出38株具有硫氧化功能的菌株,它们均来源于变形菌门（Proteobacteria）中的γ-变形菌纲（Gamma-Proteobacteria）和厚壁菌门（Firmicutes）.其中弧菌属（Vibrio）、芽孢杆菌属（Bacillus）和产微球茎菌属（Microbulbifer）为优势属,同时获得了嗜盐单胞菌属（Halomonas）、海杆菌属（Marinobacter）和深海海旋菌属（Thalassospira）中常见的硫化物氧化细菌.测序分析结果表明,海南文昌海草床环境样品中硫氧化细菌的多样性丰富,且不同站位之间受沉积物间隙水硫化物浓度的影响也存在差异.本研究获得了海南文昌海草床不同类型的硫氧化细菌菌株,丰富了海南海草床土著硫氧化细菌的菌种资源,为海草床沉积物硫化物微生物治理技术的开发奠定了基础.     

高压电场中陶粒填充床对亚甲基兰的脱色效能

考察了高压脉冲电场中陶粒填充床对于亚甲基兰的脱色效能.实验结果表明,在高压脉冲电场与陶粒的相互作用下,亚甲基兰得到了有效去除.当反应条件为电压25 kV,通入空气流量为270 mL/min,亚甲基兰溶液初始质量浓度为5 mg/L,流速为40 mL/min,在反应180 min时,去除率稳定在78%左右.随着电压的增加,流速的减小,亚甲基兰初始质量浓度的减小和空气的通入,亚甲基兰的去除率都得到增加.在高压脉冲电场下,陶粒的存在增强了电场强度,同时放电过程也增强了陶粒对于亚甲基兰的吸附,二者的相互作用促进了亚甲基兰的降解.     

填充床放电等离子体反应器对铜绿微囊藻的去除

研究了多根高压电极型填充床放电等离子体反应器对铜绿微囊藻光密度的去除.探讨了高压电极材料、气量、峰值电压和脉冲频率对填充床放电等离子体反应器中铜绿微囊藻光密度去除的影响.结果表明:高压电极材料对铜绿微囊藻光密度的去除不太明显;铜绿微囊藻光密度去除率在处理当天随气量、峰值电压、频率增加而增强的作用效果不明显;而是在放置培养期间,铜绿微囊藻生长受抑制的程度加强,光密度去除率增加.     

两相厌氧生物技术处理环氧树脂生产废水

研究采用两相厌氧生物技术处理环氧树脂生产废水。试验结果表明:经过AMBR和EGSB反应器处理后,COD去除率达到91%,SS去除率达到67%;进水在产酸器AMBR反应后,pH值由6.8降至5.86,VFA由1265 mg/L升至3862 mg/L,酸化效果较好;经产甲烷器EGSB反应后,pH值和VFA分别为7.61和206 mg/L,产甲烷效果良好;经过后续工艺SBR处理后,出水符合国家污水综合排放标准。     

室内与现场结合级配碎石级配组成优化

针对现有级配碎石级配组成设计方法缺乏现场实际铺筑性能验证不足的情况,采用逐级填充法进行粗集料配比确定,配置四种粗细集料配比,以最大干密度、CBR和三个围压下抗剪强度指标进行室内级配碎石级配组成优化,然后现场铺筑同样配比级配碎石层,以平均回弹弯沉值指标评价级配碎石承载能力,并分析了室内指标与现场指标的关联性.研究结果发现,逐级填充法设计出的级配碎石组成结构与室内和现场均具有很高的强度,最大干密度为2.530 g/cm3,CBR最大达到529%,最大回弹弯沉值为110.5(0.01 mm);以粗细集料配比作为级配碎石级配组成设计指标,得到最优质量配比为70∶30;基于现场实测指标验证,推荐室内CBR和27.6 kPa围压下抗剪强度作为粗细集料配比优化评价指标.本研究可补充现有级配碎石级配设计方法和理论.     

Toeplitz矩阵填充的尾端修正增广拉格朗日乘子算法

基于均值的增广拉格朗日乘子（MALM）算法,提出了一种尾端修正的Toeplitz矩阵填充新算法.该算法利用增广拉格朗日乘子（ALM）算法迭代速度较快的优点,对迭代矩阵序列进行结构化与尾端修正.在一定程度上减少了每步均值处理所产生的数据传输量,从而降低了计算代价.同时详细讨论了新算法的收敛性.最后通过数值实验证明了新算法比l步修正的增广垃格朗日乘子（l-MALM）、MALM以及ALM算法在计算时间上有较大程度的减少.