加氢脱氮催化研究的新进展

化石燃料的加氢脱氮有利于改善油品质量及其稳定性,同时避免燃烧时NO_x的排放。本文介绍了不同化石燃料中有机氮化物的含量及类型,对不同加氢脱氮催化剂及其催化活性位的本质进行了探讨,同时论述了C—N键断裂机理及燃料中主要有机氮化物的HDN反应网络。着重概述了传统金属硫化物催化剂的改性方法,新型的金属碳化物、金属氮化物和金属磷化物催化剂的研究现状。     

一类矩阵群的完全性

用与[1]不同的方法,把文[1]的结论作两方面的推广,其一是把矩阵的阶数从2推广到任意,其二是把有理数域推广到任意特征不是2的可线性化的域.     

概率语言多属性群决策方法及其在新型智慧城市市民获得感评价中的应用

针对公众参与的语言信息多属性群决策问题,研究了考虑参与者满意度的概率语言多属性群决策方法。首先,根据参与者的语言评价信息确定并规范化概率语言决策矩阵。然后,对大群体进行共识分析,由最大化参与者群体的满意度构建线性规划模型,确定参与者群组的权重;构造正、负理想方案的评价向量,构建多目标规划模型,用拉格朗日乘子法求解属性权重;定义各方案的加权贴近度,并以此对方案进行排序和优选。最后,通过新型智慧城市市民获得感评价案例验证了模型的可行性和有效性。     

金红石纳米团簇与铀酰离子界面作用理论研究

为探索无机氧化物矿物质与锕系物种的界面作用和成键本质,设计优化了实验已知稳定的金红石(110)表面纳米团簇(SNCs).计算表明中性和弱酸性溶液中的sol模型比pH较小情况下的sat模型吸附更有利,与实验观察到的提高溶液pH导致铀酰吸附速率降低的结果相一致.能量分解表明,界面吸附主要以轨道吸引作用为主,并伴有少量空间效...     

求解自融资投资组合模型的量子行为的粒子群优化算法

为有效求解自融资投资组合模型,基于粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的量子行为的粒子群优化算法(LDQPSO).在算法的设计中,借助Levy飞行策略对粒子位置的迭代公式进行更新,用于提高算法的局部收敛精度和全局探索能力;针对迭代后期的早熟问题,引入了多样性的...     

粒子群算法优化中药化学成分的毛细管电泳分离条件

建立了一种基于粒子群优化算法的毛细管电泳条件辅助优化方法。以丹参为研究对象,将改良的色谱指数方程用于评价酚酸类成分的电泳分离性能,用粒子群优化算法对分离条件进行全局寻优,获得最佳的区带电泳分离条件(5.0 mmol/L硼砂,18.5 mmol/L磷酸二氢钠,6.1%乙腈,运行电压18.2 kV)。为进一步改善分离,在所获优化条件下添加50.0 mmol/L SDS,在胶束电动毛细管色谱分离模式下使酚酸类成分(原儿茶醛、丹参素、丹酚酸B等)得到更好分离。本方法准确可靠,可推广应用于其他复杂化学体系的毛细管电泳分离条件优化。     

智慧无废城市评选的序贯式群决策EDAS法

无废与智慧理念具有内在关联性,智慧城市和无废城市融合发展,对我国无废城市建设工作开展具有重要意义.针对智慧无废城市序贯式评选无后效性、多阶段和连续性特点,文章在EDAS框架下以犹豫模糊集表征决策信息提出了一种序贯式群决策方法.首先,分析序贯决策阶段权重的影响因素包括方案决策信息及权重先验信息,据此建立以方案满意度为基点...     

有限群共轭类长度的一点注记

假设G=AB是子群A和B的互相置换积。通过A?B中元素的共轭类长度给出了群G的结构,推广了一些最近的结论。     

基于工作电流分析的回转副摩擦状态识别实验研究

回转副摩擦状态的变化对机械设备的运行有着重要影响. 针对回转副摩擦状态的识别问题, 设计了以回转副工作电流为摩擦特征来源的实验方案. 通过采集摩擦过程的回转副驱动电机工作电流信号, 分析实验信号的频域和时频域特征, 建立工作电流的摩擦特征库, 用于训练多分类支持向量机分类器, 并在分类器上完成摩擦状态的识别. 实验结果表明, 经特征提取与降维处理后建立的多分类支持向量机分类器具有近90%的识别正确率, 所提出的实验方案有利于实现远距离信号的采集, 适用实际生产加工.     

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。