毫米波非致命生物效应试验

W 波段毫米波由于波长短且处于大气窗口,因此易于传输微波能量且波束能量容易集中;在足够功率密度下W 波段毫米波可以对皮肤产生强烈烧灼感,所以适合作为非致命系统的毫米波源,用于警用、防爆、反恐方面。但由于高功率W 波段毫米波的产生与传输比较困难,目前仅美国有相关系统的研制、部署的报道,国内的相关研究起步比较晚。中国科学院电子学研究所高功率毫米波回旋管的研制处于国内先进水平,与军事医学科学院合作进行了W 波段毫米波生物效应试验研究。试验对象主要为小白鼠、大鼠、猪皮、狗等专用试验生物,取得了初步进展。     

抓好安全监管 强化水政执法为推进可持续发展水利提供有力保障

安全生产事关人民群众的生命财产安全,事关改革发展和社会和谐稳定的大局。水政监察和水利执法工作是依法维护水利行业合法权益和推进可持续发展水利的基础保障。为切实加强水利安全生产监督管理,依法开展水政监察和水利执法工作,陕西省人民政府办公厅《关于印发省水利厅主要职责内设机构和人员编制规定的通知》（陕政办发[2009]72号）决定设立省水利厅安全监督处（省水政监察总队）,其主要职责是承担水利行业安全生产,指导水库、水电站大坝的安全监管;组织实施水利工程质量和安全监督;     

对135系列船用柴油机组螺旋桨图谱设计的分析

本文较详细地介绍了与１３５系列船用柴油机组配套的螺旋桨的图谱设计与计算方法，结合实际进行了定性、定量分析，以期解决船、机、桨的匹配问题。     

变电站在线监测智能电子设备的自动化测试

变电站在线监测智能电子设备(IED)通过IEC 61850标准通信方式采集并上传一次设备的状态信息到综合应用服务器等站控层装置,是变电站一体化监控系统的重要组成部分,对其进行功能测试是保证系统正常运行的基础。文中通过分析在线监测IED的功能,设计其功能测试用例,通过自动化测试脚本以及测试引擎,代替手动测试,提高测试效率。通过研制的在线监测IED自动化测试系统,以油中溶解气体监测数据上传功能为例,进行了自动化测试实验,并给出了测试流程及测试结果,验证了该方法的正确性和可行性。     

智能变电站海量在线监测数据处理方法

通过对智能变电站状态监测数据的特点以及Hadoop云计算技术的分析,研究数据检测机制以及索引构建方法,提出一种基于Hadoop的智能变电站在线监测数据可靠存储及快速查询方法.该方法将变电站在线监测所收集的海量变电设备在线监测数据冗余存储在Hadoop分布式文件系统(HDFS)中,对在线监测数据的索引表结构进行优化,并存储在分布式结构化数据库(HBase)中,实现海量在线监测数据的快速查询.搭建基于Hadoop的在线监测数据处理实验平台,进行了基准测试、排序测试以及在线监测数据读写性能测试等.测试结果表明,上述方法及平台在查询时间、读写效率及吞吐量等方面具有良好的性能,能够满足智能变电站大规模在线监测数据的可靠存储及高效处理的需要.     

基于Hive的电力设备状态信息数据仓库

随着智能变电站的建设及其状态监测系统的发展,电力设备状态信息数据规模逐渐增大。针对现有电力数据仓库在海量状态数据存储查询和分析处理方面的不足,提出基于Hive的电力设备状态信息数据仓库及其多维数据快速查询与分析方法。通过对状态监测系统与生产管理系统（PMS）的分析,将电力设备静态信息与状态监测信息存储到Hive数据仓库中。设计了基于Hive的电力设备状态信息数据仓库的系统架构和海量状态数据存储结构,采用Hadoop 分布式文件系统（HDFS）对数据进行分布式存储管理,MapReduce作为海量数据查询分析     

人防基坑土钉快速支护技术研究

研究表明，深基坑工程由于受多种因素的影响，难以用解析方法精确确定设计参数。研究中采用工程类比和有限元模拟，研究优化土钉支护设计参数。通过基坑稳定性分析，工程监测结果表明，实施土钉支护后，实现深基坑快速开挖支护的目的，并产生显著的技术经济效益。     

新编模具实用技术300例

247.Cr12钢制照相机后盖板冷冲模的渗硫处理 (1)冷冲模的失效形式 照相机后盖板是用0.5mm厚的Q235钢板冲压成形的,所用的经常规处理的Cr12钢制冷冲模,在冲压7～8只后盖后,在凹模的四个内角处就会发生严重的粘模现象,冲制的后盖板在凸面的四角处发生严重的拉伤而成为废品,采用菜油、猪油、二硫化钼等润滑剂或在凹模内腔处进行镀硬铬处理,对改善冲制件的拉伤现象作用不大。 粘膜实质上是一种咬合磨损,是在金属摩擦副间的滑动面上发生咬合的结果,降低摩擦副间的咬合力可减小咬合磨损,采用渗硫、蒸汽发兰、磷化等表面处理,可解决咬合磨损问题。其中以渗硫效果最好。     

电力用户侧大数据分析与并行负荷预测

随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。     

利用最新表面分析技术发展新材料

一前言表面分析装置对于完成新材料的开发和性能改进的任务,是非常重要的。这是因为在材料的各种性能中。对表面性能(耐蚀性、焊接性、涂装性等)有多种不同的要求,钢铁材料也不例外。目前,已有AES(俄歇电子分光)或ESCA(X射线光电子分光)SIMS(二次离子质量分析)