磷光粉表面包覆对铜基磷光复合材料发光及摩擦性能影响

选用热稳定性好的SiO2为包覆物,采用溶胶-凝胶法,以正硅酸乙酯为硅源,对商用磷光粉SrAl2O4∶Eu2+,Dy3+表面进行包覆,以解决磷光粉在高温下制备复合材料过程中因与金属粒子接触以及高温氧化产生猝灭的问题。实验通过热压烧结制备块体铜基磷光复合材料,考评包覆工艺对高温下制备的复合材料发光及摩擦性能的影响。通过X射线衍射、扫描电镜、荧光分光仪等设备对包覆前后磷光粉的表面形貌和发光性能进行分析和表征,采用摩擦试验机对包覆前后磷光粉与高铝青铜粉末混合制备复合材料烧结试样的摩擦性能进行研究。结果表明磷光粉表面包覆可有效避免其在高温下氧化猝灭和接触猝灭,包覆后磷光粉应用于铜基复合材料中可有效降低复合材料的磨损量,提高材料的耐磨性,当包覆比为10%时复合材料的发光性能、耐磨损性能最佳。     

辽宁省2020年防汛防台风工作综述

2020年8月下旬以后，辽宁省连续遭遇三场台风，为历史首次，台风强度大，给辽宁省带来较强风雨影响。通过高位推动防汛防台风工作、超前部署防御措施、精准发布预警信息、科学实施避险转移，最大限度减轻灾害损失，实现了全省“不死人、少伤人、低损失”的防汛防台风工作目标。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。     

水轮机控制系统试验数据处理

水轮机控制系统试验数据的真实性和可靠性是运行人员对水轮发电机组安全运行做出正确评估的重要依据.研究利用自适应的N点加权后置平滑滤波和自适应N点加权中间平滑滤波法对试验数据进行处理,并用处理前后的数据对公伯峡4号机电液随动系统进行参数辨识,取得了比较理想的效果,表明该方法能有效处理水轮机控制系统试验数据.     

基于STM32的全自动病理染色控制系统的设计与实现

FISH （fluorescence in situ hybridization,荧光原位杂交）染色是应用于病理分析的重要技术。传统的手工染色方式由于操作繁琐及实验条件限制难以控制杂交质量,而国内现有的染色系统存在自动化程度低等缺点。为了解决上述问题,基于STM32嵌入式系统和GUI （graphical user interface,图形用户界面）开发了一套全自动病理染色控制系统。以STM32F103ZET6作为下位机处理器,利用QT软件和C++语言设计GUI界面,实现了对多样本FISH染色过程的全自动化控制。所研发的控制系统能够满足全自动病理染色系统的控制要求,滴加试剂的位置精度达到0.05 mm,试剂体积精度达到0.6 μL,设备故障响应时间小于0.5 s,多次实验设备运行故障率小于3%,加样时试剂类型选择准确率达到100%,图像可判读率达到90%以上。该控制系统具有高效率、高鲁棒性的优点,结合全自动病理染色硬件系统进行染色实验,取得了均匀、良好的染色效果,因此具有良好的应用价值。     

SiO2包覆对SrAl2O4:Eu2+,Dy3+及其复合涂层发光性能影响

以正硅酸乙酯(TEOS)为前驱体,采用溶胶-凝胶法制得SiO2-SrAl2 O4包覆粉体,利用超音速等离子喷涂技术在45#钢基体上制备了Cu-14Al-X/SrAl2 O4(未包覆/包覆)复合涂层.采用扫描电子显微镜、X射线衍射仪和激光粒度分析仪对SrAl2 O4:Eu2+,Dy3+磷光粉和SiO2-SrAl2 O4包覆粉体进行表征.利用荧光分光光度计对包覆前后磷光粉及Cu-14Al-X/SrAl2 O4(未包覆/包覆)复合涂层的发光性能进行分析,探究超音速等离子喷涂过程中SiO2表面包覆防猝灭工艺效果.结果表明:SiO2包覆膜层未改变SrAl2O4:Eu2+,Dy3+磷光粉的晶体结构,对磷光粉的发光性能影响不大,可起到有效的隔离和保护作用,使磷光粉的发光性能得到改善,防猝灭效果较好.     

动态调整蚁群-BP神经网络模型在短期负荷预测中的应用

为提高短期电力负荷预测精度,提出了动态调整人工蚁群算法(DAACS),对BP神经网络参数进行优化,建立了动态调整人工蚁群-BP神经网络组合算法(DAACS-BP)预测模型,综合考虑气象、天气、电价、日期类型等影响因素,对四川电网进行短期电力负荷预测.仿真表明,该方法克服了BP神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,收敛速度快,输出稳定性好,提高了电网短期负荷预测的精度,可有效用于电力系统短期负荷预测.     

水轮机智能调速系统数学模型仿真及参数辨识

为建立与电网稳定计算有关的水轮机调速系统数学模型及模型参数测量辨识,提出一种基于自适应人工鱼群-神经网络技术并适用于水轮机调速系统控制的新技术,建立智能调速系统数学模型,使之符合实际调节及微机优化控制。分析了该模型组成部分的传递函数,提出采用自适应人工鱼群算法来弥补人工鱼群和神经网络算法的不足,阐述了自适应人工鱼群算法-神经网络优化器的算法。给出了自适应人工鱼群优化算法参数辨识算法设计和实现步骤。利用Matlab和自适应人工鱼群算法进行模型参数辨识,对一次调频和二次调节试验过程进行仿真并与实测对比。结果表明,仿真值与实测值相当接近,所研制的自适应人工鱼群-神经网络优化器,达到了优化PID调节器控制输出量的目标;所建立的调速系统数学模型真实地反映调速系统在机组并网工况下的调节特性,说明该方法原理正确,可用于优化控制。     

基于物联网的地下车库智能LED节能照明系统

正车库照明是城市建筑里不可或缺而又经常被人们所忽视的照明场所。地下车库空间封闭,基本没有自然光,主要依靠灯光来实现照明。地下车库照明具有以下特点:(1)不是人们的主要活动场所。人们在车库的活动一般是停车,然后离开车库去办事;办完事回到车库取车,然后离开。(2)对照度要求不是很高,国家标准规定主干道的地面照度不低于75lx。(3)现有的车库照明基本采用传统日光灯,一般都是长明灯,即24小时亮灯。事实上,地下车库照明的耗电问题,本质上来说是用电管理的问题。一个较为普遍的管理方式是采用分时段控制的方式,即白天和前半夜全亮,后半夜半亮(关闭一般的照明灯)。这种方式管理粗放,节能效果也有限。     

自适应变系数粒子群和径向基神经网络在短期电价预测中的应用(英文)

分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。