记忆里的四喜丸子

四喜丸子是中国老百姓常吃的一道菜，在我们淮扬地区又名红烧狮子头．逢年过节、婚寿庆典宴席上取其喜庆、团圆之意，所以称为四喜丸子。做得好的四喜丸子，肉质肥瘦相间．汤汁油亮鲜艳．配上垫底的青菜碧绿鲜嫩，光这种造型和视觉效果．就足以让一些饕餮之徒不顾圣人“肉食者鄙”的谆谆教诲而食指大动．口水连连。     

基于 GA－SVＲ 数据融合的风机噪声预测述

研究风电机组振动噪声特性对机组工况判别及故障诊断的意义,以永磁同步风电机组为例,建立基于遗传算法的支 持向量回归( GA － SVＲ) 的多源数据融合振动噪声预测模型。采集机组空载、负载及变化风速不同运行工况下的振动、噪声 数据,基于信息熵理论处理后建立样本数据,并选择发电机主轴纵横两个方位、齿轮箱高速轴和低速轴纵横两个方位的振动 数据为模型输入变量,机组的噪声数据为模型输出变量,建立 GA － SVＲ 特征级融合预测模型,以实测数据验证预测模型。 结果表明,该预测模型在机组噪声预测应用中,能得到较精确的噪声波动趋势及预测值,具有实际应用可行性。     

浅析土钉墙内部稳定性计算的几种方法

土钉墙内部稳定性分析的关键是如何确定最危险滑移面的位置并计算相应的安全系数。迄今为止,国内外工程界对此尚无普遍认同的方法。论文就目前国内外常用的几种计算分析方法以及它们的假设条件和应用范围等进行了归纳,同时,提出了技术人员容易忽略的一些问题,以期对相关人员有一定的参考意义。     

修井单流阀的改造及应用

单流阀是修井起下管柱作业时防喷、防溢流的配合工具。原先的单流阀,存在结构复杂、易损坏、损耗泵压、污染大的缺点。改造后的浮球式单流阀,在中原油田的六口井现场应用中均取得良好效果。它结构简单、密封效果好,具有无泵压损耗、无污染、寿命长的特点。     

壳聚糖-二氧化硅复合湿凝胶的改性及其对木家具中有害物质吸附性能的研究

采用改性共溶胶-凝胶法制备多孔壳聚糖气凝胶通过扫描电镜、红外、X射线能谱、BET等手段对其进行分析。结果表明:制备的壳聚糖-二氧化硅复合气凝胶既保留了气凝胶的轻质结构和介孔特性,又含有壳聚糖所具有的烷基、羟基、氨基、酰胺基等活泼有机基团,且通过改性提高其活性,使其能吸附木家具中挥发性有机物和重金属。其中以戊二醛改性的壳聚糖-二氧化硅复合湿凝胶吸附能力最好,其对乙酸丁酯和正十一烷的吸附率为85%~95%,对重金属的吸附率大于50%,其吸附VOCs的能力为二氧化硅凝胶的1.92倍,吸附重金属能力为二氧化硅凝胶的6.86倍。     

基于GA-SVR数据融合的风机噪声预测述

研究风电机组振动噪声特性对机组工况判别及故障诊断的意义,以永磁同步风电机组为例,建立基于遗传算法的支持向量回归(GA-SVR)的多源数据融合振动噪声预测模型。采集机组空载、负载及变化风速不同运行工况下的振动、噪声数据,基于信息熵理论处理后建立样本数据,并选择发电机主轴纵横两个方位、齿轮箱高速轴和低速轴纵横两个方位的振动数据为模型输入变量,机组的噪声数据为模型输出变量,建立GA-SVR特征级融合预测模型,以实测数据验证预测模型。结果表明,该预测模型在机组噪声预测应用中,能得到较精确的噪声波动趋势及预测值,具有实际应用可行性。     

基于自组织映射的改进 BP 神经网络短期光伏出力预测研究

针对光伏发电出力随机波动给电网调度造成困难这一问题,提出了一种基于SOM-PSO-BP的模型对光伏有功功率进行短期预测,用于提高电网对可再生能源的调度能力。首先采用自组织映射对原始数据组进行聚类降维;接着使用粒子群算法对BP神经网络的权重和偏置矩阵进行寻优;然后利用训练集构造SOM-PSO-BP预测模型;最后在对比仿真中验证了所提方法的有效性。     

合成辣椒素中水分与挥发分含量测定

合成辣椒素可用于非致命性武器和弹药、镇痛剂、驱虫剂、无公害的农药和船舶防污驱虫涂料等。水分和挥发分含量会影响到合成辣椒素的质量和使用性能,准确测定其数值是非常必要的。比较了不同测定方法和测定条件对水分和挥发分测定结果的影响,确定了较好的测定方法和测定条件。     

变电站短路电流计算及应用

正准北750 kV变电站是新疆电网的重要组成部分,可以满足盈余电力外送需要,促进可再生能源大规模开发。短路电流计算对变电站电气设计具有重要的意义,一旦变电中发生短路故障,短路电流比正常负荷电流大许多倍,严重危害电     

深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle, UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。