基于状态变量-多模型的主汽温控制系统

在现代火力发电厂控制中,锅炉出口过热蒸汽温度(主汽温)是锅炉的主要参数之一,对电厂的安全经济运行有着重大的影响。针对主汽温系统大惯性、非线性的特点,提出了基于状态变量-多模型的控制方案,即先采用状态反馈补偿主汽温的惯性,以PID作为控制器对补偿后的广义被控对象进行控制;再针对不同工况下对象特性的变化,对各工况控制子系统进行模态综合,实现大范围的控制。对主汽温系统的仿真结果表明,该方案可以较好地解决系统的大惯性和非线性问题。     

二轴中子粉末衍射谱仪探测系统改进

通过将探测器的数目由1个增加到4个、用水平发散角为20′的Soller准直器取代30′的单缝准直器，对中国原子能科学研究院重水研究堆旁的二轴中子粉末衍射谱仪进行了改进。铁粉的衍射实验结果表明：改进后的谱仪在同等中子计数强度条件下，计数速率提高了2．3倍，因而缩短了测量时间，同时也提高了谱仪的分辨率。     

KONICA-7020/7030数码复印机维修资料(上)

代码消除方法J10先取下旁路纸盘中的纸,再取出卡纸J11打开ADU门,取出卡纸后,将门关上。拉出纸盘,取出卡纸原因旁路供纸开始(SD(3旁路)ON)后一段预定时间内,PS(1对位)未接通上纸盘供纸开始(SD2(第1供纸(上)ON))后一段预定时间内,PS1(对位)未接通引起的操作如果正复印时发生卡纸,则复印机将纸提出后停机J12下纸盘供纸开始(SD2(第1供纸(下)ON))后一段预定时间内PS1(对位)未接通J13DB上纸盘供纸开始(SD10(1第1供纸(上)ON)后一段预定时间内,PS104(卡纸检测PS1)未接通打开DB输送门,取出卡纸后,将门关上。拉出纸盘,取J14段DB预下定…     

宣钢取消混铁炉可行性分析

在对宣钢转炉炼钢厂的生产情况进行调研的基础上,对炼钢厂混铁炉的存在提出了置疑,并借鉴沙钢的"铁水包多功能"模式,提出取消混铁炉的可行性措施.     

La1-xCaxMn0.96Fe0.04O3（x=0.31、0.5、0.6）的中子衍射研究

利用Rietveld分析方法对钙钛矿锰氧化物La_1-xCa_xMn_0.96Fe_0.04O₃（x=0.31、0.5、0.6）室温下中子衍射实验数据进行拟合。结果表明，La_1-xCa_xMn_0.96Fe_0.04O₃化合物具有MnO₆八面体，空间群为Pnma，La（Ca）原子占据4c晶位，Mn（Fe）原子占据4b晶位，O原子分别占据4c和8d晶位。根据拟合结果，计算出Mn-O键的键长和Mn-O-Mn的键角，并对该系列样品结构和磁性能间的关系进行了简单讨论。     

基于绿色天然物质合成荧光碳点及其性质和应用综述

由于荧光显微技术、激光技术和纳米技术的快速发展,荧光纳米材料在生物医药研究和应用方面也越来越重要。传统的荧光材料包括小分子、共轭聚合物等,被广泛应用于生物成像、生物标记诊断、荧光检测等领域。20世纪,随着纳米科学的出现,一种新型的荧光材料——量子点开始进入人们的视野。传统的量子点主要由Ⅱ-Ⅵ、Ⅲ-Ⅴ族元素组成(如Cd、Te等),故称为半导体量子点,由于传统半导体量子点的主体为半导体,在生物安全和环境污染方面存在隐患,从而限制了量子点的应用和发展。自2004年首次发现荧光碳点以来,碳点就一直受到国内外学者的广泛关注。碳点一般指尺寸小于10 nm,具有准球形的结构,能稳定发光的一种纳米碳。与其他碳纳米材料相比,碳点具有独特的发光性质,即发光具有尺寸和波长依赖性。同时,碳点发光克服了有机染料发光不稳定、易光漂白等缺点。此外,碳点易制备且原材料来源广泛、价格低廉。碳点的细胞低毒性对于其在生物领域的应用至关重要,因此,受到了研究者的极大重视。由于碳点不含重金属元素,因此不具有无机半导体量子点的高毒性,可应用到生物成像以及荧光靶向定位领域。最近几年更是掀起了以绿色天然物质为碳源合成荧光碳点的研究热潮。合成此类碳点的优势在于其原料廉价、可再生,适合大规模制备,减少了与化学物质的接触,绿色环保。目前主要报道的原料集中在蔬菜、水果,植物花瓣和果实等,大部分天然物质均含有糖类、蛋白质等成分,从而在合成过程中自我钝化形成异元素掺杂碳点,使其光学性能优异并被广泛应用。但目前报道的此类碳点发光主要集中在短波长且荧光量子产率较低,发光机理尚未明确。本文基于绿色天然物质合成的荧光碳点的最新研究进展,总结了此类碳点的主要合成方法、表征方法、性质以及在离子传感、生物传感与检测、生物成像等领域中的应用,分析总结了此类碳点的优点和缺点,最后展望了基于绿色天然物质合成的荧光碳点在药物载体及药物传递、靶向治疗疾病等研究领域的发展方向。     

LS-SVM误差补偿的广义预测控制

广义预测控制（Generalized Predictive Control,GPC）汲取了DMC（Dynamic Matrix Control）、MAC（Model Algorithmic Control）中的多步预测优化策略,抗负载扰动、随机噪声、时延变化等能力强,且选取模型参数少,利于控制。然而,据研究发现GPC对模型失配问题有一定的局限性。最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）是在支持向量机的研究基础上发展而来的,具有良好的回归、分类功能。在认真学习LS-SVM原理的基础上,提出了基于LS-SVM误差补偿的广义预测控制,并选择两个模型进行了仿真实验。通过与常规GPC的比较,表明了该算法具有更优的控制性能。     

一种智慧矿山场景下的目标检测方法

智慧矿山场景单一、目标种类少,对识别算法速度要求高。针对上述特点,文中在YOLOv3的基础上提出了一种Mine＿YOLOv3网络。设计了一种Darknet-31特征提取网络,既可以提取矿卡等大目标的语义特征,又可以提取石头等小目标的细节特征,且网络计算量较少,有利于快速识别前方障碍物。此外,针对k-means聚类算法对初始点敏感的缺点,文中使用k-means++生成先验框坐标,提高了算法收敛的速度。实验证明,改进后的算法在矿山数据集上的FPS为50.7,mAP为68.32%,可快速准确地对智慧矿山中的目标进行识别。