高空间照明均匀度植物光源系统的设计

传统的植物照明设计只针对单一参考面均匀度进行评价，难以满足植物在整个生长过程中对均匀光照环境的需求。针对这一问题，首先提出了空间照明均匀度评价体系，并基于该体系设计了一种复合光源模块的立体化照明系统，以期构建照明均匀的植物生长空间。进一步利用Taguchi方法优化实验过程，在结合ANOVA分析的基础上，获得了最优结构参数。最后对所得最优解进行灯珠形状分析和植物生长过程中的照明效果测试。实验结果表明:最优结构可提供一个水平参考面照度均匀度为87.22%，混色均匀度为90.11%；竖直参考面照度均匀度93.02%，混色均匀度91.43%的均匀照明空间。该植物光源系统可满足植物生长过程中对均匀空间照明环境的需求。     

基于模态局部化的可调式压电驱动谐振质量传感器的设计

该文提出了一种基于模态局部化现象来检测外部质量扰动的可调式压电驱动谐振质量传感器,质量传感器的检测结构由两个不同长度的悬臂梁通过机械耦合梁连接。首先利用哈密顿原理对压电驱动下的非对称谐振元件进行理论建模,采用伽辽金方法求解,得到前两阶模态下的振动特性;理论求解所得固有频率与COMSOL仿真分析、实验数据基本一致。实验研究表明,无调谐质量的谐振器检测范围为2~10 mg,添加调谐质量后的谐振器检测范围提高至1~13 mg,质量检测的分辨率也得到优化。此外,对传感器的结构进行非线性分析研究发现,超谐振动下的谐振器检测灵敏度提升了80%,这为非线性谐振传感器的设计提供了基础。     

基于 NSGA-Ⅲ和道路运输能力饱和度的露天矿卡车调度优化方法

为高效调配露天矿卡车运输,进一步降低矿山企业运输成本,提出一 种新的基于 NSGA-Ⅲ和道路运输 能力饱和度的露天矿卡车调度优化方法。 在车流规划阶段,以卡车总运输 量和卡车非作业时间最小为目标,以矿山 各生产要素和生产原则为约束,建立多目标数学模型。 采用 NSGA-Ⅲ多目 标遗传算法进行求解,求解出当前场景下 完成矿山任务需要启用的最少卡车数量,以及理想的车流规划。 在运输实 时调度阶段,提出道路运输能力饱和度的 调度策略,并和固定派车法组成综合调度方法来调整车流。 在某露天矿实 验结果表明:该方法提供了合理的车流规 划,在完成道路车流目标的同时,有效减缓了道路的拥挤程度,减少了卡车在 装载点和卸载点排队发生的频率,能对 矿山系统正常情况和特殊情况进行处理,实现了实时调度卡车排队最优。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

全液相高温调剖剂的研制

针对汽驱开发试验中出现的汽窜、油层受效不均等问题,研制出一种全液相高温调剖剂,10 g堵剂沉淀量达到1.8 g,无机凝胶强度达到5 MPa/m,封堵率在55％ ～90％间可调,耐温达到350℃,经现场调剖试验后,措施井的注汽压力提高1.7 MPa,吸汽剖面改善明显,调剖效果显著,提高了汽驱的注汽利用率和采收率.     

60万吨/年磷酸二铵装置扩能改造

对磷酸二铵装置内相关设备能力进行了系统识别,找出了影响产能提高的瓶颈,并对瓶颈加以改造,可以使装置能力由原来的60万吨/年,提高至每年75万吨/年。     

表面活性剂在润滑油中的应用

表面活性剂是当前润滑油添加剂中的重要组成部分,灵活利用其优势可以从根本上提升润滑油的性能参数,同时还可以促使润滑油实现环境友好型生产,满足当前的需求。本文从当前润滑油生产及其工业处理中表面活性剂的应用入手,深入进行分析,结合实际情况明确其表面活性剂的作用,以供参考。     

国外水电站续建项目设计探析--以尼日利亚达丁卡瓦水电站续建总承包项目为例

在非洲有不少的水电站由于资金筹措、政府换届或项目管理等原因,建设未完成而停工中止,进而荒废多年或者不了了之。以尼日利亚达丁卡瓦水电站续建总承包项目为例,分析其设计的特点,总结了部分设计的重点和难点。     

基于Relief-F特征加权的模糊支持向量机的分类算法

传统基于样本与类中心的欧氏距离构造模糊支持向量机隶属度函数的方法将所有特征同等对待,并未考虑不同特征对样本与类中心距离的影响。针对这一问题,提出基于Relief-F特征加权的模糊支持向量机分类算法。首先通过Relief-F算法计算各特征权重并剔除权重较小的特征;然后应用特征权重计算样本到所属类中心的加权欧氏距离;最后,基于加权欧氏距离构造隶属度函数。该方法在考虑到特征重要性对分类效果影响的同时,通过权重阈值剔除权重较小的特征,从而将数据降维,提高了分类准确度和训练效率。实验结果表明:与支持向量机和传统基于距离构造隶属度的模糊支持向量机相比,基于Relief-F特征加权的模糊支持向量机具有更高的训练效率和分类准确率。