负载CuO/Cl活性炭的气态汞脱除特性

为了解CuO/Cl负载对活性炭吸附剂汞脱除特性的影响,开展了利用HCI,Cu(NO_3)_2·3H_2O,Cu(NO_3)_2·3H_2O混合NH_4Cl溶液3种浸渍负栽处理方法获得的活性炭吸附材料汞脱除性能实验研究.汞吸附实验在实验室规模的固态吸附刺汞吸附效能测定系统上进行.结果表明,3种负载改性的活性炭对单质汞的吸附能力均高于原始活性炭,且所获得的汞吸附能力从低到高依次为AC-CuO,AC-HCl,AC-CuO(Cl).活性炭负载CuO/Cl可以使吸附反应器出口处烟气中含有40%以上的二价汞,吸附能力的提高可归因于CuO对活性炭表面汞氧化的催化作用.温度提高有利于催化氧化过程,实际运行工况的最佳温度区间为370～470K.随着SO2浓度的升高,汞吸附能力明显降低.     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

SMARC变形控制及神经网络建模

在复合材料层板中偏离中性层的位置铺设镍钛形状记忆合金丝,然后通电加热镍钛丝,使其在形状回复过程中产生巨大的回复力,从而使层板结构发生弯曲变形.由于形状记忆合金的非线性以及合成的智能材料结构的应力、应变分布和形状变化规律都非常复杂,尝试引入人工神经网络来建立以可控参量(电流强度)为输入变量、易测参量(稳态挠度)为输出变量的模型,所建模型的预测数据与实验数据之间符合得较好,相对误差小于9%.      

一种新颖超磁致伸缩作动器的隔振模型

根据超磁致伸缩材料的本构方程分析了超磁致伸缩作动器输出位移的组成,以此为根据建立了基于超磁致伸缩作动器的单层单自由度隔振平台数学模型.该模型以平台在激振力作用下产生的振动位移为系统干扰输入;根据此模型分析了基于超磁致伸缩作动器的隔振原理;在频域内推导出了系统隔振能力与激振力频率及作动器最大输出位移之间的数学关系,然后在时域内采用自适应LMS(Least Mean Square)算法在Matalb环境下进行仿真.仿真结果与理论分析均表明,隔振平台的隔振能力与激振力频率的平方以及作动器最大输出位移成正比,从而为合理设计隔振平台用超磁致伸缩作动器提供了理论依据.该模型不仅可用于分析基于磁致伸缩作动器的隔振原理,对其它作动器的隔振原理也适用.      

空间矢量和单周控制三相航空有源电力滤波器

提出了一种新型三相航空有源电力滤波器的控制方法.按照空间矢量 的方法,将三相母线交流电压划分为6个区间,在每个区间,建立单周控制模型.这种基 于空间矢量和单周控制的控制器只需要1个带复位的积分器、3个比较器、2个触发器、1 个双八路多路复用器和一些线性器件.在每个区间有1个桥臂工作在低频状态,另外2个 桥臂工作在高频状态.采用这种控制器的有源电力滤波器具有简单、可靠、鲁棒性好、控制 精度高、效率高等优点.在分析、建模的基础上进行了仿真和试验研究.仿真与试验结果证 明,采用这种控制方式的三相有源电力滤波器能够动态地对电流谐波和无功进行有效补偿, 从而验证了这种控制方法的正确性和可行性.      

有源周期性结构控制电磁波反射波束指向研究

提出有源反射的概念.利用如光带隙电磁结晶结构、高阻抗结构等周期性结构的带隙特性和 阻抗特性,通过在类似高阻抗表面的周期性金属单元表面铺设有源器件--变容二极管,控 制周期性结构的性能,建立有源周期性结构,影响入射电磁波的传播特性,实现对反射波束 的指向的有源控制和有效改变.仿真实验证明采用单层或双层有源周期性结构表面,可以有 效控制反射波束的相位和角度指向.     

池内过冷核沸腾表面活化核心密度的研究

为研究在过冷沸腾条件下的加热表面的活化核心密度尺度分布是否具有分形特征,运用核态沸腾换热机理模型对不同过冷度下的4种不锈钢换热表面的活化核心密度进行了预测.结果表明:对于特定的沸腾表面,过冷度不影响活化核心密度曲线的形式,预测曲线与作者提出的加热表面活化核心密度的分形描述相一致,从而进一步证明了该结论具有普遍性.     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。