工业生产中IF钢洁净度的控制

介绍了IF钢的生产工艺过程,分析了S、P、C、N等元素在IF钢冶炼过程中各工序的含量变化规律,并提出了相应的控制措施。通过工业试验研究了RH破真空后镇静时间对钢水纯净度的影响,认为镇静时间为30～40 min可使IF钢种全氧控制到最低。     

炮检距矢量道集非刚性匹配方位各向异性时差校正

随着勘探精度日益提高,宽方位地震资料的方位各向异性问题变得更加突出。介质的方位各向异性会导致地震成像道集中反射点的道间时差,且常规处理方法难以正确消除,影响成像结果的保真度和分辨率。基于"两宽一高"的实际地震数据,分析研究区方位各向异性在炮检距向量片(OVT)域偏移后形成的OVG道集上的表现特征,采用非刚性匹配(NRM)时差校正方法获得时空变的校正量,消除方位各向异性对成像的影响,实现了整体数据的方位各向异性时差校正。与常规处理结果相比,该方法改善了成像品质,频带展宽7 Hz左右,有助于提高储层描述精度。     

不同厂家PVC树脂的性能对比

对比了国内外3种优等品SG5型PVC树脂的白度、诱导时间、静态热老化性能、初期着色性、晶杂点(包括"鱼眼")等性能。结果表明:①各项性能均为进口树脂C国产树脂A国产树脂B;②采用刚果红法测定PVC树脂的热稳定时间时,建议先用有机溶剂洗涤;③PVC树脂企业应制定更为贴近下游应用的性能评价方法。     

基于概要数据结构的全网络持续流检测方法

持续流是隐蔽的网络攻击过程中显现的一种重要特征，它不产生大量流量且在较长周期内有规律地发生，给传统的检测方法带来极大挑战。针对网络攻击的隐蔽性、单监测点的重负荷和信息有限的问题，提出全网络持续流检测方法。首先，设计一种概要数据结构，并将其部署在每个监测点；其次，当网络流到达监测点时，提取流的概要信息并更新概要数据结构的一位；然后，在测量周期结束时，主监测点将来自其他监测点的概要信息进行综合；最后，提出流持续性的近似估计，通过一些简单计算为每个流构建一个位向量，利用概率统计方法估计流持续性，使用修正后的持续性估计检测持续流。通过真实的网络流量进行实验，结果表明，与长持续时间流检测算法（TLF）相比，所提方法的准确性提高了50%，误报率和漏报率分别降低了22%和20%，说明全网络持续流检测方法能够有效监测高速网络流量。     

具有自动装卸搬运机器人的制造单元建模与分析

针对具有自动装卸搬运机器人的制造单元，着重考虑其双重资源约束的特点，提出了该系统的有限缓冲开排队网的建模方法。根据工件的加工、装卸与搬运等工艺流程，定义该系统的排队网模型的各种状态，基于连续时间马尔可夫链，采用精确解法对该模型进行分析求解，获得系统一系列的稳态性能指标。为了验证排队网建模方法的有效性，建立其对应的仿真模型，分别采用排队网模型的数值计算与仿真模型的仿真统计2种方法求出系统的性能指标进行对比，并基于排队网模型对该制造单元的系统性能进行分析，为该类制造单元的资源配置优化和设施布局优化等问题提供重要的理论支撑。     

基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBOSVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。     

电喷雾质谱法示踪钨回收过程离子的转化路径

将环隙式离心萃取器(ACCs)与电喷雾飞行时间质谱(ESI-TOF-MS)相结合，在线监测了回收过程中的钨萃取行为(宏观)和钨形态的转化路径(微观)，发现宏观萃取反应和微观离子形态转化同时发生并相互补充。伯胺N1923萃取钨在144 s内即可达到萃取平衡，萃取率高达98%以上，同时，酸钨比n(H)/n(W)是一个关键变量，当酸钨比n(H)/n(W)=2.4时，全流程钨回收率超过93%。最后，得到了基于钨形态监测的萃取机理，同时，减少原料液中W1含量，增加W10含量，可有效提高钨回收效率。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。