大型复杂冲压件CAPP的发展趋势

讨论了大型复杂冲压件计算机辅助工艺设计中数值模拟技术的应用、系统模型与工艺决策等关键技术的发展 ,以及CAPP与相关系统的集成 ,分析了大型复杂冲压件计算机辅助工艺设计的发展趋势。     

渗透法处理高盐废水的原理及工艺

高浓度含盐废水的主要处理方法有反渗透、离子交换、蒸馏等，目前处理成本比较高。为改变当前高盐废水处理成本居高不下的现状，受渗透的基本原理启发，以分析渗透法处理高盐废水的基本原理为基础，提出渗透法处理高盐废水的新工艺。以溶质氨的设计溶液为例，分析高盐废水处理的新工艺流程及工艺的可行性，井对比反渗透工艺，详细阐述新工艺的特点。经计算分析认为。基于渗透原理的高盐废水处理工艺可降低高盐废水的处理成本，可作为高含盐废水处理方法的一个新的研究方向。     

医院污水处理系统工艺改进的研究初探

通过对昆明某医院污水处理系统工艺两次改造的实验研究表明：医院污水经深化处理后比未经深化处理污水的COD、SS、氨氮、色度、粪大肠菌群数都大幅度降低，达到了GB18466-2005《医疗机构水污染物排放标准》和GB18920-2002《城市污水再生利用城市杂用水水质》中冲厕及绿化用水。建议循环再利用。     

SBR法处理麻生物脱胶废水的T艺实验研究St

采用SBR法处理麻生物脱胶废水，实验考察了溶解氧、曝气时间、污泥负荷与处理效果的关系。结果表明，在限制性曝气及COD     

生物脱氮研究的新进展——全程自养脱氮工艺

介绍了生物脱氮研究的最新进展———全程自养脱氮工艺,并全面、系统地论述和分析了全程自养脱氮工艺的机理、自养脱氮工艺实现方式及其特点与技术关键,并指出了今后应着重研究的几个方面。     

青藏高原生态资产地域划分中的SOFM网络技术

针对目前地域划分中存在的问题,论文尝试以人工神经网络技术作为区划工作的理论支撑,构建了自组织特征映射SOFM网络,以青藏高原环境与生态系统资产作为待分客体,探索了新技术和方法在生态资产地域划分中的应用。结果表明,对于自然界中广泛存在的非线性问题,SOFM网络具有比聚类分析等线性分类器更强的适应性。应用SOFM网络在对待分客体生态资产进行类型划分的基础上,使用策略性循环尺度转换(SCS)范式对其进行了区域转换,最终完成了青藏高原范围内生态资产的地域划分。     

用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。     

基于特征和知识的自由锻CAPP系统

建立了基于特征和知识的自由锻CAPP系统模型 ,论述了特征、基于知识的工艺决策等有关问题。通过总结几年来开发该系统的经验 ,从系统原理、专家系统等方面探讨了该系统的开发研制 ,并简单介绍了该系统的主要功能和特色     

Fenton法处理线路板生产废水中有机物质

比较传统Fenton法和电解Fenton法对线路板生产中高浓度有机废水的处理效果。根据模拟实际生产情况，确定健鼎公司电解Fenton法的最佳处理条件。     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.