十大引领强党建 创新精进促发展

在金隅集团和金隅冀东水泥公司坚强领导下,天津金隅振兴公司党委始终坚持党的领导,加强党的建设,深入学习贯彻习近平新时代中国特色社会主义思想和十九届历次会议精神,树牢“四个意识”,坚定“四个自信”坚决做到“两个维护”。     

基于数据驱动的核动力系统异常检测及分析方法研究

针对核动力系统在线异常检测存在故障样本稀少且不完备的现实问题，借鉴安全运行域的概念，基于逻辑距离计算的思路，提出一种基于正常运行数据驱动的核动力系统异常检测方法，并以某核动力系统常用运行工况历史数据为对象，对算法进行了试验验证。结果表明，设计算法能有效检测系统异常和故障，具有良好的可靠性和可解释性，并且检测力度具有可调节性。      

回转窑动态检测及托轮磨削的应用

我公司3#回转窑Φ4.8 m×74 m，三档支撑，带液压挡轮，斜度4％，设计产量5?000~6?000 t/d。回转窑运行过程中，筒体存在晃动现象，在窑尾密封处观察较为明显，晃动幅度约±20 mm，甚至导致三档托轮基础及周围栏杆也随之晃动。     

放射性检测领域的能力验证

放射性检测领域长期以来没有能力验证提供者,从事放射性检测工作的人员对实验室间比对和能力验证的认识不够深入。能力验证的关键过程包括能力验证物品的制备及其均匀性和稳定性检验、包装及分发、参加者结果的评定等内容。其中参加者结果的评定可参考IAEA的评定方法,更为全面可靠。     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

超大型塔器整体两侧直线度检测

在传统检测手段无法满足越来越趋向大型化、超大型化的塔器整体两侧直线度的过程检测和控制保障背景下,打破传统思维,大胆创新检测手段,自行设计开发出超大型塔器整体两侧直线度检测整套技术,充分解决超大型塔器整体两侧直线度的检测难题.     

食品安全国家标准中维生素的测定方法及进展

人体所必需的营养素除了蛋白质、脂类、糖类等能量物质外,维生素也是不可或缺的营养物质,是评价其营养质量的关键指标。检测食品中的维生素含量,是有效保证其质量与安全的必要条件。因此,对现有国家标准食品中维生素的检测方法进行综述,总结各方法的前处理及检出限等,为增强检测工作效率,以及食品检测方法的研究和发展提供参考。     

浅谈食品中抗生素残留的常用检测技术

抗生素主要指的是代谢产物,可以实现对微生物的有效抑制与消灭,是在动植物、真菌或者是细菌等微生物代谢基础上逐渐形成的。通常情况下,相关人员在对抗生素进行制备时,主要是通过生物合成、化学合成以及半合成等几种方式来进行。在食物链传输过程中,可以积累出更多的抗生素,在浓度超出一定的标准范围之后,就会对人们的生命健康造成严重威胁。本文主要针对食品中抗生素残留经常食用的检测技术进行了深入分析,希望能为相关人员提供合理的参考依据。     

利伐沙班的定量检测:拉曼光谱法与远红外吸收光谱法

利伐沙班是一种新型口服抗凝药，它具有疗效确切、安全性好、使用方便等优点，所以经常用于静脉血栓栓塞性疾病的预防与治疗，以及非瓣膜性房颤的卒中预防。由于利伐沙班在患者体内的浓度会影响其对凝血因子Xa的抑制作用，这导致患者的临床反应有个体差异，影响最终治疗效果。为了更加合理地使用利伐沙班，临床上需要监测人体血液或尿液中利伐沙班的浓度。针对该临床需求，文中基于远红外指纹谱和拉曼特征谱在物质有效识别和定量分析的优势，采用傅里叶变换红外光谱仪和激光共聚焦拉曼光谱系统，针对液体状态下利伐沙班进行识别并定量检测。文中先通过傅里叶变换红外光谱仪检测利伐沙班的远红外吸收谱随其浓度发生的变化，再通过激光共聚焦拉曼光谱系统检测了利伐沙班的拉曼光谱随其浓度发生的变化，最后比较了远红外光谱法与拉曼法的准确率。经过比较，远红外检测的精度比拉曼光谱检测的精度提升2倍。这些结果对临床医学中利伐沙班的使用具有重要意义。     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.