适应装配式变电站建设的产业链化设计探析

针对目前装配式变电站在建设过程中有关设计、设备、施工、运维等方面的主要问题,创新提出在设计中引入"产业链化设计理念",依托数据化平台,开展三维设计,将设计、构件生产、现场施工和运行检修四大建设主体"四位一体",协同工作,形成设计主导的链式建设模式。四大建设主体协同完成装配式变电站建设,不仅能简化设计过程、缩短设计周期、提高设计精度,而且能解决装配式变电站在实施过程中的桎梏,提高施工质量,充分发挥了装配式变电站高效、绿色、节约的优势。     

压水堆核电厂堆外源量程探测器计数率分析

压水堆核电厂启动过程中，次级中子源为堆外源量程探测器提供本底计数率，避免测量盲区，确保反应堆安全启动。但次级中子源的引入会为核电厂带来较大的经济和环境负担，同时也需承受次级中子源破损等带来的风险。为此，可使用受辐照燃料组件的自发裂变中子源进行替代，即无源启动方式。通过研究堆外源量程探测器计数率的理论计算方法，并基于运行电厂测量数据进行分析验证，为源量程探测器计数率的理论预估提供了较为完善的理论方法流程。本文结果可为无源启动源量程探测器计数率分析提供支持，同时也可用于次级中子源装载量或布置位置的优化分析等。     

AgBr-Ag3PO4-CSs三元复合光催化剂的制备及性能

以AgNO_3、KBr、Na_2HPO_4和碳球(CSs)为原料,通过共沉淀法制备了高活性的AgBr-Ag_3PO_4-CSs三元复合光催化剂。利用X射线衍射、场发射扫描电子显微镜、紫外-可见漫反射光谱和X射线光电子能谱等对复合催化剂的结构、形貌、光吸收范围及价态进行了表征,通过可见光下降解罗丹明B(RhB)和苯酚对复合催化剂的性能进行了考察。结果表明:以CSs为载体,将AgBr和Ag_3PO_4负载在CSs上,当n(AgBr):n(Ag_3PO_4)=4:100时,所得的4%AgBr-Ag_3PO_4-CSs复合催化剂光催化效果最佳,可见光照50 min时,对RhB的降解率达到99.3%;光照60 min时,降解率达到99.5%,几乎降解完全。对苯酚也具有超强的降解能力,捕获剂实验表明空穴为主要活性物种,并且所制备的复合光催化剂循环使用5次后时仍具有较高的光催化活性。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

分析化学中四类滴定方法的差异性比较

分析化学中的四大滴定方法分别为酸碱滴定法、络合滴定法、氧化还原法、沉淀滴定四大类。通过对四类滴定方法进行学习,对其考察对象、滴定突跃的影响因素、指示剂的作用原理进行比较分析,以期对分析化学中的四大滴定有一个更加深刻的了解。     

人工砂混凝土性能试验研究

采用正交试验方法配制了不同人工砂取代率、石粉含量、粉煤灰含量的混凝土, 对比了每组混凝土的坍落度, 研究了3 d、28 d龄期混凝土的抗压性能。结果表明: 最优配比的人工砂取代率、石粉含量和粉煤灰含量分别为10%、3%和5%, 此时28 d抗压强度为40.1 MPa, 满足30 MPa的混凝土设计强度。     

湍流进流诱发的二维水翼振动噪声特性研究

为研究螺旋桨流噪声,以螺旋桨的基本构型单位二维翼型为研究对象,研究其在不同工况下的振动噪声规律。以Lighthill声类比理论为基础,应用计算流体力学软件CFX和声学仿真软件LMS Virtual Lab分别模拟在不同工况下翼型的流场和声场分布。取翼型非定常脉动力作为声源,然后采用边界元方法分别求解翼型流噪声和振动噪声。结果表明,噪声水平随速度和翼型攻角的变化呈现较为明显的规律;相比考虑翼型振动时的振动噪声,忽略翼型振动影响的情况下流噪声水平偏大。     

45号钢垫圈断裂的原因分析和改进措施

针对45号钢垫圈在装配后发生断裂的情况,对45号钢垫圈进行断口形貌分析、力学性能分析、化学成分分析和金相组织分析。宏观形貌显示内孔存在加工台阶和明显刀痕,能谱测试发现断裂起始处存在锌元素,金相组织分析确认内孔加工面存在微裂纹。结合加工工艺分析,确认45号钢垫圈的断裂原因,并提出改进措施。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。