玄武岩铸石技术在高炉冲渣沟中的应用

为解决5^#、6^#高炉冲渣沟原16Mn衬板因冲蚀、腐蚀磨损严重，局部翘曲变形的问题，采用耐蚀性及耐磨性均较好的玄武岩铸石板作为冲渣沟内衬。设计铸石板结构为防滑形并预留孔用螺栓锚固，增加了铸石板与底部灌浆料粘接的可靠性，采用CGM自流型灌浆料施工，工期仅为4天。应用3年后检查，铸石板仅有微量磨损．     

水利工程建设中的伦理问题初探

阐述了当前水利建设取得的成就，并着重分析了其中存在的若干伦理问题，以期引起社会的广泛关注，以求得理想的改善途径。     

混凝土外加剂在防渗工程中的应用

根据江东灌区的工程实际，总结了在渠道防渗工程中混凝土外加剂应用情况，提出了应用中的注意事项。     

智能仪表在钻机控制方面的应用

以ADμC812型8位单片机为核心,开发了适用于钻机控制中反馈信号测量的智能仪表。针对现场钻机控制系统在测量反馈信号时受到的干扰,提出了有效的解决方案。实现了对钻机绞车快绳线速度、拉力反馈信号的精确测量、显示,及把测量数据通过串口向计算机传输、存储的功能。     

基于Proteus的汽车空调控制系统的设计与仿真

介绍了利用Atmegal6单片机、Proteus仿真软件开发的汽车空调自动控制系统。利用Atmegal6单片机构建了一个智能型汽车空调控制系统,并对系统的液晶模块、热电阻温度采集、液晶模块显示、继电器控制、键盘输入、风向步进电机控制器进行了设计,用Proteus软件对系统进行仿真。结果表明该系统具有电路结构简单、分立元件少、系统界面友好、操作简单等优点,能满足一般要求的汽车空调的自动控制。     

基于Java EE多层架构的进销存管理系统

针对传统的进销存管理系统的开发方式所带来的一些问题,提出使用基于S2SH框架的N层体系结构来开发系统,介绍Struts2、Hibernate和Spring三个框架,分析系统功能,阐述系统实现所使用的一些关键技术,并使用基于S2SH框架的N层体系结构对系统进行总体架构设计,有效提高了系统的可维护性、可扩展性和可复用性。     

深度学习的图像实例分割方法综述

实例分割是一项具有挑战性的任务,需要同时进行实例级和像素级的预测,在自动驾驶、视频分析、场景理解等方面应用广泛.近年来,基于深度学习的实例分割方法迅速发展,如两阶段检测器Faster R-CNN扩展出的聚焦于网络的精度而非速度的强大实例分割基准Mask R-CNN,一度成为实例分割的标杆.利用高速检测的单阶段检测器延伸出的实例分割算法YOLACT填补了实时实例分割模型的空白,具有较高的研究和应用价值.本文首先对实例分割算法进行了类别划分,然后对一些代表性的算法及其改进算法进行了深入分析,并阐述了相关算法的优缺点,最后对实例分割方法未来的发展进行了展望.     

基于暂态零序能量的配电网故障选线方法研究

针对中性点经消弧线圈接地系统发生单相接地故障时因故障边界复杂、随机,故障稳态分量小,零序瞬时功率倒相而导致传统的单一特征量选线方法失效问题,提出了一种新的基于暂态零序能量的选线方法。该方法通过一种数字滤波器来滤除暂态零序电流中的不对称分量和稳态工频分量,得到各条线路零序电流和母线零序电压的暂态纯故障分量,由此构造暂态零序能量,并根据暂态零序能量的大小和方向判断故障类型及线路,即发生单相接地故障时,非故障线路暂态零序能量的方向为正,故障线路暂态零序能量的方向为负,且其绝对值为其余线路暂态零序能量之和;发生母线接地故障时,母线暂态零序能量的大小为其余线路暂态零序能量之和。针对母线暂态零序能量受噪声影响大而导致选线灵敏度低的问题,提出将自动重合闸技术应用到该选线方法中的方案。Matlab仿真结果表明,该选线方法的准确性、可靠性较高。     

基于灰色关联支持向量机的粮食产量预测

研究粮食准确预测问题,由于粮食产量受到多种高维非线性、随机性和有限样本等因素的影响,单一模型不能全面描述其变化趋势,预测精度较低。为了提高粮食产量预测精度,提出一种将灰色关联支持向量机的粮食产量预测模型。首先采用灰色关联分析确定粮食产量变化主要影响因子,然后通过支持向量机学习建立粮食产量与因子之间的非线性映射关系,最后为避免人为选择参数的盲目性,采用遗传算法确定支持向量机参数并对将来粮食产量进行预测。利用1978-2011年我国粮食产量进行仿真,并将预测结果与单一机模型进行对比。结果表明,灰色关联支持向量机提高了粮食产量的预测精度,可以较好地应用于粮食产量预测中。     

基于构件的Web系统前馈神经网络可靠性模型

对基于构件结构复杂度较高的Web系统进行可靠性评估时,基于状态或基于路径的软件可靠性评估模型计算复杂度较高,鲁棒性不足。为此,提出了一种计算复杂度低、鲁棒性强的基于构件的前馈神经网络可靠性模型CBPRM。CBPRM将Web系统中各构件的可靠性作为前馈神经网络输入,并基于构件可靠性敏感度对神经元进行动态优化,Web系统可靠性评估由前馈神经网络输出实现。理论分析和实验结果表明,在基于构件结构复杂度较高的Web系统可靠性评估中,CBPRM的计算复杂度低于对比模型,并可确保可靠性评估精度。