火电厂辅助系统实现集中监控方案探讨

提出了电厂辅助系统实现计算机监控的经济及管理上的合理性、技术上的可能性,并结合电厂目前辅助控制系统特别是化学水处理系统的现状,提出技术方案。     

液相混合辅助低温制备Ca_2Si_5N_8:Eu~(2+)荧光粉

采用液氨介质溶解原料金属Ca、Eu形成金属-氨溶液,原料非晶硅悬浮于溶液中,通过液氨挥发使金属-氨溶液产生过饱和,并以金属酰胺形式沉析在非晶硅表面,将这种液相混合处理的原料在常压1100℃保温6h合成Ca2Si5N8:Eu2+荧光粉。采用XRD、SEM和PL光谱仪分别表征了产物的晶体结构、微观颗粒形貌以及发光性能。结果表明:这种液相混合降低了荧光粉合成温度,在常压下1100℃保温6h合成了结晶良好的Ca2Si5N8:Eu2+荧光粉;合成的荧光粉颗粒呈类球形且分散性较好;合成的Ca2Si5N8:Eu2+荧光粉激发峰为467nm,发射峰位于580nm。     

圆形截面无腹筋梁斜截面破坏形态分析

文章通过对一组不同剪跨比、不同混凝土强度等级下的圆形截面钢筋混凝土无腹筋梁在集中荷载下的抗剪试验研究,分析总结了此类构件斜裂缝及次生裂缝出现和发展的规律和特征以及斜截面破坏过程、形态的规律和特点.为进一步研究圆形截面构件的抗剪性能提供参考意见.     

龙卷风原理的吸尘装置结构设计及流场仿真分析

为提升垃圾清扫性能,利用龙卷风原理设计吸尘装置并对其结构参数和扩展域进行研究,采用ANSYS FLUENT 16.0、有限体积法与RNG k-ε模型对吸尘装置的流场进行计算,分析探讨各结构参数和扩展域参数对龙卷风的形成及吸尘效果的影响规律,提出了新型的吸尘装置的原理以及设计方案. 研究结果表明:排尘口高度与吸嘴直径的比值是1.6时,此时装置产生的龙卷风上部完全发展且结构稳定;吸嘴进风口距地面高度与圆筒直径的比值是0.2时,此时装置产生的龙卷风具有明显的单涡结构,吸嘴覆盖区域的近地面风速最大,吸尘效果最好;导流孔倾斜角度为45°或-45°时装置产生的龙卷风最稳定且强度最大;涡流比在一定范围内增加时装置内的风场结构的强度变大,有利于吸尘效率的提高;扩展域的高度和直径均存在阈值,当扩展域参数大于相应阈值时,其影响可以忽略不计. 吸尘装置通过设置合适的结构参数,能够形成高稳定性与强吸尘效果的类龙卷风流场,可实现高效清扫效果.     

人力资源数据挖掘技术及其应用

文章描述了数据挖掘技术原理和实现数据挖掘的基本方法,采用了选择树分类器,将选择树模型用于人力资源数据仓库的挖掘系统中,获得了成功的应用。     

带有不匹配干扰的多智能体系统有限时间积分滑模控制

针对动态多智能体系统协同控制问题,本文研究了带有不匹配干扰的二阶多智能体系统的有限时间包容控制,提出了基于非线性积分滑模控制（Integral sliding-mode control,ISMC）的复合分布式包容控制算法.首先利用Lyapunov稳定性和齐次性定理,分析了未受扰系统的有限时间包容控制问题;然后针对存在不匹配干扰的多智能体动态系统,设计非线性有限时间干扰观测器估算智能体的状态和干扰,提出基于干扰观测器的复合分布式积分滑模控制协议,结合现代控制理论和滑模控制理论,研究了带有不匹配干扰的多智能体系统有限时间包容控制问题.最后数值仿真证明了控制算法的有效性.     

KM：把梦想一点点变为现实

理念构筑梦想 随着知识经济的初显峥嵘,迎接知识经济时代的挑战已成为全球的发展战略。知识作为企业中一种新的资源这种观念已逐渐为人们所认识和接受,而知识管理是企业在面临一种新的形势下做出的战略性反应。 什么是知识管理?在学术上并没有形成统一的认识。按卡尔·费拉保罗的提法,知识管理即“运用集体的智慧提高应变能力和创新能力,是为企业实现显性知识和隐性知识共享提供的新途径”。     

Web页面跟踪系统的设计与实现

随着Web的迅猛发展，许多用户开始关注如何有效跟踪特定网站和页面的更新情况．介绍一个基于Intranet的Web页面跟踪系统，该系统采用动态跟踪调度算法DSA；利用线程池技术提高带宽利用率；设计了一套分布式信息存储机制；并实现及时的信息分发．     

如何成功拥有ERP系统

进入２０世纪９０年代后期,信息技术将整个世界经济的发展带入了一个前所未有的高速增长时期。互联网的出现改变了原有的商业模式,电子商务的到来冲击了传统的ＥＲＰ市场。ＥＲＰ系统已从传统的内部资源管理逐步扩展到了企业外部资源的管理。随着ＥＲＰ系统内涵的不断增加,ＥＲＰ系统的实施和应用给供应商、企业、咨询机构等提出了更高要求。 一、企业方面 １．要确立实施成功的具体目标。很多企业将实施ＥＲＰ系统的目标定义为“提高管理水平,增强市场竞争力”。这种类型的目标,太大太抽象,实现起来可能很难,也可能很容易。企业应该…     

基于CNN和MC的水文时间序列预测组合模型

对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。