MTO联合装置急冷塔管道及其大型拉杆补偿器黏滞性阻尼减振技术研究

新疆某大型煤化工企业的68万t/a煤制烯烃项目于2016年建成,其中甲醇制烯烃（MTO）联合装置中甲醇-反应气进急冷塔的DN1800管道及大型拉杆横向补偿器存在剧烈振动问题,由于振动过大无法开车,安装普通液压阻尼器等设备后,问题依然存在。通过对管线结构特点、介质参数、拉杆补偿器特性等的分析,运用有限元软件对该管线进行模态、热位移计算及阻尼减振模拟计算,提出了进塔管线振动抑制控制的解决方案。在不更改管线结构的情况下,在管线的适当位置安装适当数量的黏滞阻尼器,有效降低了DN1800大型管线的振动,保障了生产安全并成功开车,为特大型管线减振提供了工程经验。     

四跨转子应用调谐质量吸振器抑制临界转速振动实验研究

为解决多跨串联转子在升速降速过程中经过转子的临界转速区域会产生严重振动的问题,设计了一种新型质量调谐吸振器,搭建了四跨转子实验台并进行了实验研究。根据转速信号对四跨转子轴系进行有开关控制吸振器的振动控制研究,在转子过临界时吸合相应转子上吸振器的电磁铁,使吸振器的固有频率与转子临界转速对应的频率一致。结果表明,新型调谐质量吸振器能够有效抑制四跨转子过临界时的振动,同时避免了由吸振器产生的新共振对转子的影响,使四跨转子轴系在全转速范围内保持较低的振动幅值。     

非饱和情况下基于802.11 DCF的改进协议DIDD

DIDD(double increase double decrease)协议是一种无线局域网介质访问控制802.11DCF(distributed coordination function)协议的改进。为分析DIDD协议在非饱和情况下的性能,该文使用三维Markov链模型,分析DIDD协议的回退过程求解节点的稳态发包概率;使用一维Markov链模型,求解起始回退阶段数的稳态分布;使用排队理论,计算了网络的非饱和吞吐量和数据包延迟。结果表明:在各种数据速率下,理论分析结果与仿真结果一致。     

市场信息不对称对我国构建和谐社会的危害与对策

信息不对称理论是指在市场经济活动中，各类人员对有关信息的了解是有差异的；信息不对称是市场经济的弊病，要想减少信息不对称对社会产生的危害。政府应在市场体系中发挥强有力的作用。在这个时代里，市场经济中的信息不对称现象比比皆是，问题的关键是各行各业的决策者怎样努力掌握与了解比较充分的信息，研究生产力发展的规律和趋势，把握住经济、技术和社会的发展动向。在我国经济发展中，市场信息不对称问题日益突出，并且严重影响了和谐社会建设和经济的稳定健康发展，因此我们要采取经济的、法律的、行政的、舆论的、网络技术等有效措施，大力消除市场信息不对称现象，促进和谐社会建设。     

低温甲醇洗工艺管线振动分析及阻尼减振研究

针对某煤化工企业甲醇车间低温甲醇洗工艺管线的振动问题,首先利用ANSYS有限元分析软件对管道进行模态分析,通过比较分析结果和现场振动数据确定管道振动的主要原因;然后利用SAP2000软件对设置阻尼器前后管道的振动位移进行计算,探讨阻尼器对管道的减振效果;最后根据模态分析和振动位移分析并结合现场情况拟定最终减振方案,在不停机的情况下安装粘滞性管道阻尼器,有效降低了该管线的振幅,保证了相关设备的安全运行。     

非饱和情况下基于802.11 DCF的改进协议DIDD

DIDD(double increase double decrease)协议是一种无线局域网介质访问控制802.11DCF(distributed coordination function)协议的改进。为分析DIDD协议在非饱和情况下的性能,该文使用三维Markov链模型,分析DIDD协议的回退过程求解节点的稳态发包概率;使用一维Markov链模型,求解起始回退阶段数的稳态分布;使用排队理论,计算了网络的非饱和吞吐量和数据包延迟。结果表明:在各种数据速率下,理论分析结果与仿真结果一致。     

浅析我国消费需求疲软的成因与解决对策

居民收入的支配可分为消费、投资和储蓄。无论是消费需求过热还是消费需求过度疲软,都不利于经济持续、快速、稳定地发展。我国经济获得了持续多年的快速增长的同时,我国的消费市场却长期处于疲软状态。本文认为不合理的收入分配、保障制度过速变迁、消费者对经济发展的不乐观预期、产品对居民的诱导不力以及政府的消费政策是影响我国消费市场疲软的根本原因。同时提出解决问题的三个对策,一要增加消费者的有效购买能力;二要增强消费者的即期消费意愿;三要厂商增加供给创造需求。     

基于Q学习参数辨识的动物学习能力评价方法

动物在特定环境下对行为决策的学习能力是其生存的重要基础,因此,如何准确地评价动物在马尔科夫决策任务中利用过去经验与重视未来奖励的学习能力,对于动物行为学与心理学研究至关重要。设置了含有状态转移概率的马尔科夫决策任务,训练家鸽在不同状态下从两个选项中做出选择,并考虑未来收益,以最大化累计奖励。实验结束后,对家鸽的行为决策进行Q-learning建模,用学习率α评估其利用过去积累经验做出选择的能力,用折扣因子γ评估其对未来奖励的重视程度。结果表明,家鸽在马尔科夫决策任务中利用过去经验与重视未来奖励的学习能力可以通过Q-learning模型参数进行评价。