基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

巧用双刀双掷开关给普通电钻增加反转功能

使用过普通电钻的人都遇到过钻眼后钻头拔不出来的麻烦。其实这个问题很好解决,只要在电钻上增加一个反转功能问题就迎刃而解了。电钻普遍采用单相串励电动机,它的基本结构是：励磁绕组（也叫定子绕组）与电枢绕组（也叫转子绕组）串联,转子绕组是经过电刷与定子磁场绕组串联的。工作原理是：当电钻通人交流电时（单相串励电动机交直电通用,因此也可使用直流电）,     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

考虑串孔影响的穿层水力扩孔合理冲煤量研究

在煤层增透方面,穿层水力扩孔冲出煤量主要依据经验以及遵循“能冲尽冲”的原则,致使串孔现象严重,针对这一问题,采用理论分析、数值模拟结合工程试验的方法,阐明了串孔致因机理和串孔前后扩孔孔硐内负压损失分布特征,构建了考虑吸附膨胀应力和Klinkenberg效应的扩孔孔硐附近煤体瓦斯流动流-固耦合数学模型,利用Comsol软件,模拟了不同冲煤量下扩孔孔硐附近煤体所受应力分布和煤体渗透率的变化情况。研究结果表明:随着煤体不断被冲出,孔硐有效抽采半径相对变化率呈现衰减趋势;扩孔孔硐附近最大主应力呈现先急剧减小再增大,然后降低直至原始应力大小的趋势;渗透率的变化趋势与最大主应力恰好相反;扩孔孔硐周围煤体渗透率的增加主要受煤体的径向位移所控制,孔硐周围煤体大幅径向位移会产生串孔现象,渗透率虽得到大幅度提高,但瓦斯抽采效果和安全采掘很难保证,需要厘定出水力扩孔合理冲出煤量。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

石墨-活性炭纤维复合电极电吸附处理含盐废水的研究

高盐废水是目前水处理领域的难点,作为一种新型的除盐技术,电吸附技术具有众多优点.本文研究了一种新型碳基复合材料,石墨-活性炭纤维复合电极,并考察了其应用于电吸附的影响因素和除盐效果.在电压为1.6 V,停留时间为60min,极板间距为1 cm时电吸附装置的除盐效果最优.用其分别对精制棉黑液和叶绿素铜钠废水进行了处理.电极对数为8对时对经酸析处理后的精制棉黑液的电导率和COD的去除率分别达到58.8%和75.6%;电极对数为6~8时对叶绿素铜钠生产废水的电导率的去除率能超过50.0%,COD的去除率约为13.5%.     

Pd/Al2O3粒子电极电催化还原BrO3-的研究

针对常规方法难以去除水中Br_3~-的问题,采用浸渍煅烧法制备了负载型纳米Pd/Al_2O_3粒子电极,研究了该电极电催化还原Br O-3的效果.催化剂的结构表征表明该反应实现了Pd纳米晶的均匀负载,纳米Pd/Al_2O_3具有较高的电催化活性和较低的能耗,其最佳反应条件为3%Pd负载量,0.9 m A·cm-2电流密度和1 g·L催化剂投量,酸性条件可促进Br O-3的直接或间接还原.ESR检测证实了Pd的负载增强了反应体系活性物种[H]的生成,进而促进了Br O-3的间接电催化还原.     

电容去离子技术综述(一):理论基础

电容去离子(CDI)是最近十余年快速发展起来的一种用于脱盐的新型水处理技术。它通常通过对两张相对放置的多孔电极施加电压,使水中带电粒子在电场的作用下定向移动并被吸附于电极上,从而实现水的净化。该技术的发展不仅包括理论研究与因素控制,其在工程上的成功运作也证明了该技术的可行性。本系列文章结合国际上近年来的研究成果对CDI进行了全面的叙述。其中,本文包括双电层理论、发展历史与研究现状、电极成型方式、电极表征的方法以及对未来的展望。     

多维电极体系处理模拟染料废水的实验研究

以自制多维电极体系对模拟染料废水CODcr及色度去除进行研究,同时考察反应器电压、电解时间、主电极极间距、电流密度等因素对去除效果的影响。试验结果表明,在最佳反应条件下,印染废水经电解后,脱色率达90％以上,CODcr去除率达81％以上,为难降解染料废水的处理提供了一种新方法。     

微生物合成纳米钯强化反硝化选择性脱氮

为强化生物反硝化选择性脱氮,利用普通的反硝化污泥合成生物钯纳米粒子(Bio-PdNPs),探究了不同Bio-Pd NPs负载量(0、5、10 mg·L^-1,分别记为Bio-Pd NPs-0、Bio-Pd NPs-5和Bio-Pd NPs-10)对生物反硝化的影响.结果表明,适量钯的负载(Bio-Pd NPs-5)可使硝酸盐去除率由67.85%提高到94.00%(C/N=7,5 h),对氮气的选择性由77.30%提高到97.46%.而负载过量的钯(Bio-Pd NPs-10)会抑制生物反硝化,但其对N₂的选择性仍然高达90.01%,这对减少温室气体N₂O的排放具有重要意义.机理分析表明,Bio-Pd NPs介导的反硝化体系以丁酸型发酵和混合性发酵为主,产生的氢气通过在钯表面迅速分解形成Pd[H]催化反硝化,提高对N₂的选择性,Bio-Pd NPs促进了反硝化过程电子传递及电子传递介质(细胞色素c)的分泌,电子传递体系活性(ETSA)由570.37μg·mg^-1·h^-1<...