200MW抽汽供热机组甩负荷试验及分析

介绍了内蒙古丰泰发电有限公司（以下简称丰泰)200MW供热机组不投入旁路系统进行甩负荷试验的全过程，并求取了转子的实际转动惯量，为机组突发甩负荷事故和其它同型机组进行甩负荷试验提供了参考依据。     

水下滑翔机纵倾运动的自适应积分反演控制

针对浮力驱动式水下滑翔机动力学模型及参数的不确定性,研究了滑翔机纵倾运动跟踪控制问题.首先建立俯仰角与滑块位移的关系,综合应用Lyapunov方法和反演技术设计了非线性自适应跟踪控制器,用自适应机制克服了模型参数的不确定性,在反演镇定函数中引入了积分项,进一步提高了消除稳态跟踪误差的能力,进而将得到的滑块位移作为参考输...     

16万m~3液化天然气全容罐内罐动力学性能分析

以16万m3液化天然气全容罐内罐为研究对象,应用ANSYS软件建立模型,并运用其模态分析模块和瞬态动力学分析模块进行模态分析和地震响应分析,分析时考虑了液体与罐壁的液固耦合现象。结果表明,液化天然气全容罐内罐的自振频率较低并且分布密集,罐壁的固有振型呈环向多波现象;典型部位的3个代表节点的位移和应力时程响应显示水平地震波对液化天然气全容罐内罐的位移和应力变化起主导作用。     

深海垂直剖面实时监测系统的设计与实现

为了对深海动力环境进行监测,设计了一种深海垂直剖面实时监测系统。系统利用浮力调节的方法实现测量平台沿系留索升降,在升降的过程中进行海洋剖面参数的测量,同时将测量数据通过感应耦合传输和卫星通信的方式传送给岸站。突破了水下大背压条件下浮力调节技术和海上数据实时通信传输技术,实现了深海动力环境的实时测量。     

基于局部回归融合的多核聚类方法

针对现有多核聚类方法较少考虑多核数据局部流形结构以及在多核融合时学习参数过多进而易受多核噪声异常等干扰的问题,文中首先提出了基于局部核回归的聚类方法(CKLR).该方法通过局部学习来刻画单核数据的流形结构并采用稀疏化的局部核回归系数来进行预测和聚类.文中进一步提出了基于单核局部核回归融合的多核聚类方法(CMKLR).该方法为每个核矩阵构造对应的稀疏化的局部核回归系数,并采用全局线性加权融合的方式获得了多核数据下的局部流形结构和同样稀疏化的多核局部回归系数.所提方法较好地避免了现有方法的两个缺陷,且该方法仅包含局部邻域大小这一超参数.实验结果表明,所提方法在测试数据集上的聚类性能优于当前的主流多核聚类方法.     

GSM-R技术在我国铁路通信应用及发展前景

GSM-R(GSM-Railway)属于专用移动通信的一种,专用于铁路的日常运营管理,是非常有效的调度指挥通信工具。是基于分组数据的通信方式。文章分析了GSM-R技术、系统组成及功能特点及在我国铁路通信中的应用,最后对GSM-R技术的发展前景做以展望。     

逻辑分析仪部分参数测量结果的不确定度评定

介绍了逻辑分析仪部分参数测量结果的不确定度分析评定方法,评定过程及结论,可应用在对于计量标准进行相应指标的不确定度评定分析上。     

烧结成矿过程中铁酸钙特征与冶金性能定量关系

烧结成矿过程中铁酸钙质量分数、晶体形态及其结晶粒度等特征对烧结矿质量好坏有重要影响。本文以现场烧结配料结构为基准，使用分析纯进行不同温度梯度微型烧结试验，利用偏光显微镜重点分析了烧结矿成矿过程中铁酸钙生成特征，并分析了其对烧结矿冶金性能的影响规律。结果表明：在1 280～1 400℃升温过程中，烧结矿以斑状结构为主，其中不同形态的铁酸钙质量分数共减少了26.40%,烧结矿RDI_{+3.15 mm}及RI指数分别由74%、72%降低为69.20%、67.57%;在1 250～1 280℃升温过程中和1 400～1 200℃降温过程中，烧结矿以交织熔蚀结构为主，有针柱状铁酸钙大量生成，且针柱状铁酸钙中Al₂O₃/SiO₂较小为0.25,烧结矿RDI_{+3.15 mm}及RI指数呈变好趋势；在1 200℃降温至室温的过程中，烧结矿主要以熔蚀结构为主，是板柱状和他形铁酸钙的形成阶段，尤其在1 200～1 100℃降温段，针状、柱状铁酸钙均占比较高为32.70%,烧结矿RDI_+3.15...     

配电变压器能效试验中的降功率措施与实现

阐述一种配电变压器能效试验的降功率方法，通过降低试验电源容量，减小能效试验装置的体积和重量，实现便于移动和携带的能效试验装置。采用数据拟合算法对试验数据进行修正，有效解决了配变能效试验数据与试验功率存在非线性导致误差大的问题，从而提高了能效测试的数据精度。     

基于高阶一致性学习的聚类集成算法

现有的大部分关于聚类集成的研究主要关注有效的集成算法的设计。为解决由于基聚类器的质量高低不一、低质量的基聚类器对聚类集成性能产生影响的问题，从数据发掘的角度出发，以基聚类器为基础挖掘数据的内在联系，提出一种高阶信息融合算法——基于高阶一致性学习的聚类集成（HCLCE）算法，从不同的维度表示数据之间的联系。首先，将每种高阶信息融合成一个新的结构化的一致性矩阵；然后，再对得到的多个一致性矩阵进行融合；最后，将多种信息融合为一个一致性的结果。实验结果表明，与次优的LWEA(Locally Weighted Evidence Accumulation)算法相比，HCLCE算法的聚类准确率平均提升了7.22%，归一化互信息（NMI）平均提升了9.19%。可见，HCLCE能得到比聚类集成算法和单独使用一种信息更好的聚类结果。