IBM PC改进的时钟中断扩展用法

IBM PC的时钟中断处理程序INT8中,有一个“嵌入”软中断INT 1CH可供用户使用,它指的是在时钟中断处理程序中包含有INT 1CH这条指令,使得每发生一次时钟中断都调用一次INT 1CH程序。在ROM BIOS中,INT 1CH的处理程序只是一条空操作返回指令,用户可以用自己设计的程序来取代系统原有的INT 1CH服务程序,以满足某种定时的周期性的工作。     

辊压机液压缸漏油的解决方案

1概述近年来辊压机在水泥粉磨中的应用越来越广泛,由辊压机与管磨机构成的半终粉磨或联合粉磨系统不但能够大幅增加水泥产量,而且使颗     

基于对称KL距离的自适应粒子滤波算法

针对粒子滤波算法中粒子数自适应的问题,提出了一种新的算法.将当前滤波时刻的粒子随机划分为粒子数相同的两个粒子群,并采用对称KL距离方法计算他们之间的信息距离,然后根据信息距离的大小决定增加或者减少下一时刻参与滤波的粒子数,从而实现了滤波过程中粒子数目的自适应.该方法在确保一定滤波精度的基础上,能够减少滤波过程中需要的粒子数,为降低粒子滤波算法的时间复杂度提供了新的途径.仿真结果表明了算法的有效性.     

数字孪生技术在全生命周期生产中的应用

阐述数字孪生技术在工厂生命周期中的应用和展望,包括产品研发、产品制造、产品维护过程,从而通过数字孪生技术,实现物理世界和虚拟世界的联通。     

西门子S7-300 PLC在冷弯机组中的应用分析

简述SIMATIC S7-300可编程控制器在冷弯机组系统控制中的具体应用及系统调试要点，PLC控制系统的配置及控制方案的选择思路。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

电解质溶液碳纳米管复合材料热电性能研究

热电材料,是一种能实现电能与热能交互转变的材料,可用于温差发电、热电制冷等。到目前为止,所研究的热电材料一般都为固体材料或者高温条件下的液态金属,尚未见文献在电解质溶液热电性能方面有过报道。相关的研究表明,低维度纳米多孔化结构可能成为提高材料热电性能的重要途径,为此,进行了以碳纳米管(canbon nanotubes,CNTs)堆积床为骨架,在其中注入电解质溶液的试验研究,发现其表观塞贝克系数(Seebeck,S)可提高一个数量级,而导电系数在碳纳米管体积分数较小的情况下几乎保持不变,从而可能使热电材料的热电优值ηZT(themoelectric figure of merit,ZT)再提高1~2个数量级,而ηZT直接决定热电设备的转换效率。     

金沙湾乡村俱乐部会所

项目这是一个乡村俱乐部的会所,同时也是高尔夫球场及休憩旅游配套的数千亩计划开发用地中的第一幢建筑物。因此,除了在功能上要作为俱乐部会所使用,同时建筑物也要为全区未来的开发建立调性和发展方向。俱乐部位于茅山东侧的一个水库边,同时拥有山林和湖水等优渥的自然条     

一种新型四足变胞爬行机器人的步态规划研究

随着移动机器人在探测救援中的应用逐渐增多,活动灵巧、环境适应能力强的多足机器人越来越受到国内外学者的关注。介绍一种腰部可以活动的四足机器人的设计及其步态生成,并展示了活动腰部可提升机器人对极端环境的适应性。提出三个基本假设以简化机构模型,提出腰部构态变换规则,并用几何方法说明了腰部构型变化可扩大机器人腿部活动空间,从而提升对复杂环境的适应性。另外,腰部运动与步态融合,生成了两种新的基本步态——扭腰直行步态和原地旋转步态。基于提出的两种步态,对比了固定腰部与可动腰部条件下运动稳定裕度的变化,分别计算了狭窄弯道通过条件,并分析了所设计步态对头部视觉的影响,从而证明所设计机器人具有较高的极端环境适应能力。     

基于PSO-GRNN模型的埋地管道腐蚀剩余寿命预测

目的 构建埋地管道腐蚀深度预测模型,预测腐蚀管道的剩余使用寿命。方法 依据ASME B31G剩余强度评价标准,给出管道的最大允许腐蚀深度计算方法,引入广义回归神经网络（GRNN）,构建埋地管道腐蚀深度预测模型,采用粒子群算法（PSO）优化GRNN的网络参数,结合管道腐蚀发展趋势预测方法,对埋地薄弱管道进行腐蚀剩余寿命预测。以陕西省某埋地输油管道为例,选取8个主要外腐蚀因素,构建外腐蚀指标体系,借助Pycharm编程仿真,结合埋片试验,对该模型预测结果进行验证分析,并预测各腐蚀管段剩余使用寿命。结果 与BP模型相比,PSO-GRNN模型的管道腐蚀深度预测结果最大相对误差控制在13.77%以内,平均相对误差仅为6.63%。寿命预测结果显示,部分管段的剩余使用寿命未能达到其预期服役寿命。结论 所建模型预测性能要明显优于BP模型,预测精度更高,能够较好地预测埋地管道的最大腐蚀深度和未来的腐蚀发展规律,剩余寿命预测结果贴近实际,为管道的维修和更换提供了指导依据,在实际工程中,具有一定的应用价值。