大型炉排炉清洁高效燃烧的问题剖析与实炉优化

大型炉排炉被广泛应用于生物质及生活垃圾的能源化转化,但由于其设计和运行仍处于工程经验探索阶段,实际运行过程中,存在过量空气系数大、气固相燃尽差、NO_(x)原始排放高等问题。针对炉排炉复杂的层燃反应过程,构建了大颗粒转化模型和多成分并行颗粒层燃模型,实现对炉排炉燃烧过程的精细化数值模拟。并通过与实验结果进行对比,验证模型的精度。利用数值模拟方法,分别针对生活垃圾和农业秸秆的大型炉排炉进行了实炉分析与优化,并根据表面着火和底部着火2种层燃模式,进行了现场运行调整。结果表明:某中拱型垃圾焚烧炉的炉膛局部高温和NO_(x)排放较高的问题,源自于前后侧烟道的组分分布、燃烧和还原反应与设计预期的偏离,运行优化后消除了实炉的局部高温,NO_(x)排放亦显著下降,所提出的结构改进方案可使NO_(x)原始排放降低至26.8 mg/m^(3);某秸秆振动炉排发电锅炉的床层和气相燃烧效率低的问题,源自于大一次风的对流冷却作用和炉膛内的“烟囱流”现象,运行优化后实炉CO排放大幅减少,发电负荷显著上升。

不同波形加载下[100]单晶铝层裂破坏的分子动力学模拟研究

采用分子动力学方法模拟了[100]单晶铝在等冲量斜波和方波作用下的形变和层裂行为,分析了加载波形与层裂行为之间的相关性。研究表明,脉冲形状与热力学路径的协同作用影响了材料层裂。不同加载波形下单晶铝层裂强度的差异并非受缺陷主导的非均匀孔洞形核影响,而是由不同热力学路径下温升的差异决定。例如:当最大加载速度为3.00 km/s时,单晶铝均经历均匀层裂,但斜波加载下铝的层裂强度较方波加载时提升56.6%。斜波加载会产生逐渐增强的压缩波,使单晶铝产生相比于冲击加载更轻度的损伤。这一现象随着加载速度的提高而变得更加显著。

Ti-Pt周期调制梯度材料的制备及准等熵加载特性

基于波阻抗梯度材料的准等熵加载技术是掌握材料动态响应特性的重要技术手段,对于提升材料服役性能至关重要。采用电子束蒸发镀膜技术成功制备出Ti-Pt周期调制梯度材料,通过对周期层内双组分(Ti和Pt单层)厚度的调控,实现了波阻抗的宏观梯度变化。梯度材料实测总厚度与理论设计总厚度的误差仅为1.67%,并且实测平均硬度及弹性模量分别为2.8和99.8 GPa。材料内部层界面清晰,物相分析未发现金属合金相。利用一级轻气炮驱动TiPt周期调制梯度材料加载5μm厚Al靶,在Al靶内产生冲击-准等熵加载波形。数值模拟结果与实验曲线在上升趋势上吻合良好,5μm厚Al靶处的粒子速度、应力和应变率曲线的准等熵段存在较大起伏,应变率曲线在正负值间持续振荡,并且振幅较大。应力云图显示周期调制梯度材料在加载过程中会形成多个波系的追赶、叠加、整合。数值模拟结果显示,当靶材厚度为60μm时,波系完成整合,转变为连续的压缩波。结合数值模拟结果开展了60μm厚Al靶的轻气炮加载实验,粒子速度曲线和应力曲线的准等熵段转变为平滑的加载波形,应变率曲线准等熵段振幅显著减小,实现了良好的准等熵加载效果。研究结果表明,周期调制梯度材料与靶材厚度需进行匹配设计,研究结果可为新型周期调制梯度结构的应用提供指导。

基于机器学习的创伤伤员检伤分类预测模型构建及验证

背景创伤现场批量伤员的检伤分类是现场急救中的关键环节,探索如何更加高效准确地对伤员进行检伤分类具有重要意义。目的基于生命体征数据和机器学习算法建立并验证创伤伤员检伤分类预测模型。方法回顾性分析美国创伤数据库2017—2019年的院前急救创伤伤员数据,采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极端梯度提升(eXtreme gradient boosting,XGBoost)和多层感知机(multi-layer perceptron,MLP)5种机器学习算法开发创伤伤员检伤分类预测模型并验证。采用准确率、精准度、召回率、F1值和AUC值(ROC曲线下面积)进行结果评价,使用ROC曲线进行可视化,并在解放军总医院第一医学中心急诊创伤数据集中对最优模型结果进行验证。结果共选取伤员数据24948例,基于ISS分级标准分为轻伤9496例,中等伤9532例,重伤5496例,危重伤424例。ROC曲线分析显示,相较于其他四种模型,GBDT算法预测上述ISS分级的效能最好,准确率为82.63%,精确度为68.21%,召回率为60.92%,F1值为61.91%,AUC为90.38%。在解放军总医院第一医学中心急诊创伤数据集中验证GBDT模型,准确率为83.15%,精确度为77.38%,召回率为59.89%,F1值为55.26%,AUC为90.38%。结论本研究成功开发并验证了一组检伤分类机器学习预测模型,未来可应用于创伤伤员现场检伤分类辅助决策。

低浓度VOCs气体漩涡燃烧分解过程的数值模拟研究

常规RTO设备治理VOCs废气需长期大量投入助燃天然气,显著提高了能耗和成本。利用数值模拟方法,从浓度提升和燃烧组织两个方面,评估了VOCs的氧化放热与高温分解过程,并组织优化了燃烧室内的流动与燃烧,提出了漩涡燃烧方法,配合VOCs浓缩技术,可以仅依靠被处理的VOCs自身的氧化放热,能量自维持地实现低浓度VOCs的高效分解,从而为VOCs治理中摆脱对助燃天然气的依赖奠定理论基础。

基于轻量化U-Net模型分割乳腺癌超声图像

目的观察轻量化U-Net(L-U-Net)模型分割乳腺癌超声图像的价值。方法回顾性分析779例女性乳腺癌患者共1009幅超声图像,以其中807幅为训练集、202幅为测试集。将MobileNetV2模块和MobileViT模块嵌入U-Net模型编码端构建L-U-Net模型,包括常规轻量L-U-Net(L-U-Net 1)和次轻量L-U-Net(L-U-Net 2)模型;以医师人工标注病灶区域结果为参考标准,评估L-U-Net模型的分割精度及轻量化程度。结果L-U-Net模型分割乳腺癌超声图像的像素准确率、交并比和戴斯相似系数与U-Net模型相近,且参数量、浮点运算数和内存使用量低于而推理时间高于U-Net模型。U-Net及L-U-Net模型分割病灶边界清晰的乳腺癌超声图像的效能均较好;对病灶边界模糊但仍可辨识的图像,U-Net模型易误标非病变区域,而L-U-Net模型分割结果更为准确;对病灶边界模糊且肉眼难以辨识的图像,3种模型均存在标注不全情况,其中U-Net和L-U-Net 1模型缺失区域更大、而L-U-Net 2模型缺失区域较小。结论利用L-U-Net 2模型分割乳腺癌超声图像能以良好的轻量化程度获得较好的分割精度。

大规模批量伤员检伤分类系统应用研究进展

在大规模批量伤员伤亡事件中,现场及院前检伤分类在很大程度上可以在医疗资源有限的前提下降低死亡率。尽管世界各地都存在不同的检伤分类标准,但尚未达成共识。通过对各种检伤方法回顾研究,结合人工智能算法及可穿戴式设备的研究进展,为提高检伤分类效果提供参考。

面向智能信号测试系统的MIMO通信调制分类方法

电力系统继电保护日趋智能化、数字化,继电保护测试性能要求也日趋复杂。保护设备型号复杂,对测试系统的信号调制兼容提出了更高要求。因此,提出了一种新的调制分类方法,可以对二进制相移键控、正交相移键控、16正交幅度调制等多种调制信号进行分类。所提出的分类方法可在存在未知频率、时间和相位偏移并且没有信道状态信息的情况下工作。首先,对接收信号进行预处理,消除时间偏移的影响。其次,通过计算频域信号的高阶累积量来提取关键特征。然后,使用似然比检验确定阈值并进行正确分类概率的封闭式理论推导。最后,在仿真中将该方法与其他方法进行了对比,结果表明,所提出的方法在准确度与计算速度方面均优于其他方法,验证了该方法的有效性。

风电设备智能监测与故障诊断技术研究

随着风电行业的快速发展,风电设备的运行可靠性和维护效率变得尤为重要。本文系统研究了风电设备智能监测与故障诊断技术,探讨了传感器技术、数据传输与处理技术,以及大数据分析技术在智能监测中的应用,并详细分析了故障信号处理、故障特征提取与识别等关键技术。同时,本文还设计了一套智能监测与故障诊断系统,通过实际案例验证了有效性和技术优势,以期提高风电设备的运行可靠性和维护效率,为风电设备的高效运行和维护提供了有力支持。

D2D通信增强的蜂窝网络中基于DDPG的资源分配

针对终端直通(D2D)通信增强的蜂窝网络中存在的同频干扰,通过联合调控信道分配和功率控制最大化D2D链路和速率,并同时满足功率约束和蜂窝链路的服务质量(QoS)需求。为有效求解上述资源分配所对应的混合整数非凸规划问题,将原问题转化为马尔可夫决策过程,并提出一种基于深度确定性策略梯度(DDPG)算法的机制。通过离线训练,直接构建了从信道状态信息到最佳资源分配策略的映射关系,而且无需求解任何优化问题,因此可通过在线方式部署。仿真结果表明,相较于遍历搜索机制,所提机制在仅损失9.726%性能的情况下将运算时间降低了4个数量级(99.51%)。

铁调素水平与骨代谢相关性临床及实验研究

目的探讨人群血清铁调素浓度与骨密度的相关性,并了解铁调素对小鼠成骨前体细胞(MC3T3-E1)分化影响及相关机制。方法①采用酶联免疫吸附法(ELISA)检测骨量正常与骨质疏松症两组人群血清铁调素水平;②采用细胞计数试剂检测比较成骨前体细胞(MC3T3-E1)在不同浓度铁调素干预后细胞增殖的影响,运用RT-PCR、Western Blot方法了解铁调素对成骨分化功能指标(ALP、Runx2、BMP2、P-SMAD1/5和SMAD5)影响。结果人群血清铁调素水平与腰椎、髋部骨密度呈显著正相关;铁调素在一定浓度范围(0~10 ng/mL)浓度增加可显著上调细胞功能分化表达(ALP、Runx2)、促进成骨信号通路蛋白表达(BMP2、P-SMAD1/5和SMAD5)。结论临床数据显示血清铁调素水平和骨量具有显著相关性,铁调素水平低骨密度值也低;而细胞实验显示一定浓度铁调素可显著激活BMP2-SMAD1/5信号通路、上调成骨分化相关基因的表达,诱导细胞成骨分化。因此,本研究结果提示:血清铁调素可能与骨质疏松症存在相关性,临床检测铁调素可能是骨质疏松症诊疗过程中一种新的评估指标,值得进一步研究。

基于分子动力学模拟的VOCs热氧化特性分析

采用反应分子动力学模拟的方法,选择苯、甲苯和苯乙烯作为代表性VOCs组分,分析其在不同温度下发生热解和氧化的反应特性,获得其总包动力学参数,并应用于VOCs在蓄热氧化装置(RTO)中的CFD模拟。芳烃类VOCs的初始热解步骤主要发生脱氢、脱侧链和开环反应,生成对应支链结构的小分子烃类和苯,而氧化过程则直接生成CO、H2O以及少量的烃类。不同VOCs的热解与氧化反应速率存在显著差异,动力学分析表明,使用一级反应假设适用于描述VOCs热解及氧化初始阶段的反应过程。CFD模拟表明,提高入口温度可以显著提升VOCs的转化效率,而在同等VOCs处理量的前提下,提高VOCs浓度、降低进口总流量,对VOCs转化效率的改善程度与提高入口温度相当,这表明VOCs浓缩技术耦合RTO更为高效节能。

UAV协助下非正交多址接入使能的数据采集系统中能效优化机制

无人机(UAV)协助下非正交多址接入(NOMA)使能的数据采集系统,考虑了地空概率信道模型和服务质量约束,并联合优化UAV三维布局设计和传感器功率分配最大化所有传感器的总能效。针对原混合整数非凸规划问题,提出了一种基于凸优化理论、深度学习理论和哈里斯鹰优化(HHO)算法的能效优化机制。在任意给定的UAV三维布局下,首先将功率分配子问题等价转化为凸优化问题;其次基于最优的功率分配方案,采用深度神经网络(DNN)构建从传感器位置到UAV三维布局的映射,并利用HHO算法离线训练最佳映射对应的模型参数。训练后的机制仅需执行少量代数运算并求解单个凸优化问题。仿真实验结果表明,在传感器数为12的情况下,相较于基于粒子群算法的遍历搜索机制,所提机制在仅损失约4.73%的总能效的情况下将运算时间降低了5个数量级。

D2D通信系统中基于图卷积网络的分布式功率控制算法

为有效控制终端直通(D2D)通信系统中的同频干扰并降低它的实现复杂度,提出一种基于图卷积网络(GCN)的分布式功率控制算法,旨在最大化所有D2D链路的加权和速率。首先将系统拓扑结构建模为图模型并定义节点和边的特征以及消息传递方式,随后借助无监督学习模型训练GCN中的模型参数。离线训练后,每条D2D链路可根据局部信道状态信息以及与相邻节点的交互过程来分布式地得到最佳功率控制策略。实验结果表明,相较于基于优化理论的算法,所提算法缩短了97.41%的运算时间且仅损失了3.409%的加权和速率;相较于基于深度强化学习理论的算法,所提算法具有良好的泛化能力,在不同参数设置下表现更加稳定。

低碳化理念下茶一体式包装设计的探索研究

目的为践行国家节能减排倡议与为中国的绿色发展做出贡献,探索低碳化理念下茶叶一体式包装的设计与应用,将传统文化与绿色环保材料相结合,为传统文化的传承与创新提供路径,提高茶叶产品的文化内涵与外在视觉表现。方法首先通过分析当下茶包装现存的问题,并解构茶包装的各个生命周期;其次利用层次分析法对茶绿色包装低碳化设计进行研究,重构茶包装低碳化设计原型;最后依据分析调查大众当下对热销茶产品的包装设计元素的喜好,对包装材料、包装结构及包装视觉设计进行优化设计研究。结果通过改良茶的外包装结构及对包装的回收再利用,拓展了探索低碳化设计研究的新方向,也验证了从产品包装生命周期与设计伦理理念出发,对包装材料与视觉信息简化设计以降低资源消耗的有效性。结论低碳化理念下的茶包装设计在使用环保材料的同时,也在包装的视觉设计上使用带有中华文化元素的简洁设计,可在提高产品商业竞争力的同时,还起到传播传统文化的作用。

生物质气化再燃技术中焦油的利用

针对生物质气化再燃技术路线中焦油的价值及利用开展研究。通过热重-质谱联用仪分析典型农业废弃物在热解、气化过程中焦油组分的析出情况,并在管式流动实验台上研究焦油在生物质气化气还原NO中的作用以及焦油还原NO受当量比、温度等因素的影响规律,最后建立了甲苯还原NO的机制模型,并以停流动实验台的实验结果进行了验证。结果表明:苯、甲苯、苯乙烯和苯酚是具有代表性的焦油组分;焦油对生物质气化气还原NO有积极的作用;焦油组分还原NO存在最佳的当量比,并要求合适的温度窗口,需要关注聚合反应;甲苯还原NO机制(NO reduction by toluene,NRT)模型与实验结果拟合良好,模型的生成速率和消耗速率分析显示HCCO和C2H在焦油还原NO中具有重要作用。