CD-GF型钻井球阀阀体的力学特性分析

CD-GF型钻井球阀阀体的结构最为薄弱,其外壳的开孔部位常出现开裂现象,影响钻井作业的正常进行。为此,运用ANSYS Workbench工程分析软件,对6种结构方案的CD-GF型钻井球阀阀体在压、拉、扭载荷作用下的力学特性进行详细的数值分析。研究结果表明:在不同拉力、内压和工作扭矩的组合作用下,相对于原阀体结构A,其他5种方案(A_1、A_2、B、B_1和B_2)在最大应力上减小的平均值分别为16. 4%、36. 0%、7. 6%、23. 2%和40. 7%,总变形量减小的平均值分别为16. 7%、37. 3%、22. 9%、30. 6%和45. 5%;在6种球阀阀体结构方案中,最大应力部位均出现在与阀体轴线垂直的孔壁上,随着与圆孔区域距离的增大,其应力值减小;在所有拉力、内压和工作扭矩的组合作用下,阀体的最大应力均小于其材料的极限抗拉强度,其力学行为处于材料弹性变形阶段;拉力载荷是影响钻井球阀阀体强度的主要因素;结构B_2(外径增大28mm+双边开孔方案)对原阀体结构A的增强效果最好。研究结果可为钻井球阀阀体的结构优化与改进提供基础数据。     

计算机网络技术在图书馆馆藏资源优化中的应用

本文讲述了在计算机网络技术的发展下,网络技术为实体图书馆带来了工作上的优势,在减少了图书馆的工作人员负担的同时,也相对提高了图书馆管理工作效率。此外,在人们到实体图书馆借阅图书时,与过去传统式图书馆相比,能够更加方便快捷,良好的改善了人工操作所达不到的一种工作效率。图书馆工作人员可以在进行资源管理整合时,采用计算机技术,进行网络化整合图书资源管理,对相对独立的信息进行融合,可有效地改善人工管理图书资源的复杂性和困扰。用户使用网络技术,进行图书资源检索,可以更快捷的获得想要的图书信息,从而使图书馆在网络技术化的帮助下,能更深入的走进人们的生活当中,让人们对了解所需的文化知识有了更进一步的帮助。     

道路桥梁施工管理中存在的问题及优化措施

道路桥梁在建设过程中,由于前期设计考虑不当,中期建设施工管控问题,加上过于重视经济效益,过度节约成本,这些诸多因素导致道路桥梁工程的质量问题,最后严重影响着通车运营后的行车和行人的安全,所以在桥梁建设过程中,相关人员要严格把控好桥梁的质量及人员安全,对已建成的桥梁所存在的问题,总结经验,有则改之,无则加勉。要不断地利用新技术新材料来提高道路桥梁建设的水平,增强道路桥梁工程的质量,推动道路桥梁建设行业的不断发展。     

新能源电站EPC采购管理的优化研究

新能源发电项目具有工期紧、任务重、设备到货集中等特点,这些特点为EPC设备采购管理工作带来了很大的困难。本文通过对新能源发电项目中EPC采购管理的深入分析和优化研究,从传统EPC采购管理在新能源项目中面临的问题出发,提出了新能源发电项目中EPC采购管理的优化方案,旨在为相关专业人士提供参考,从而促进新能源发电项目的不断发展与优化。     

SiC_p/A356制动盘铸造成形工艺设计和缺陷预测

SiCp/A356复合材料制动盘具有轻质低噪长寿命等突出优点,在城市轨道列车基础制动系统中具有广阔的应用前景。但SiCp/A356复合材料铸造性能较差,成形过程中极易形成气孔、缩孔缩松及裂纹缺陷。本文利用ProCAST凝固模拟软件对制动盘的金属型真空调压成形工艺进行仿真分析,基于流场、缩孔缩松、凝固时间及固相率等结果,确定了制动盘内部成形质量良好的浇注系统设计和浇注工艺参数,成形了内在质量完好的SiCp/A356制动盘。     

基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。     

径向不耦合装药爆破效果的数值研究

为了研究径向不耦合条件下爆破效果的影响因素,利用AUTODYN-2D对比不耦合系数、不耦合介质、炸药种类对爆破效果的影响规律。结果表明,与耦合装药相比,径向不耦合装药条件下炮孔压力明显降低。对比水介质和空气介质下的爆破效果可知,水介质不耦合条件下,炸药爆炸能量的传递效率更高。炮孔压力与炸药种类密切相关,TNT产生的炮孔压力最大,但作用时间较短,而ANFO和乳化炸药的作用时间较长。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。