钢筋负温自动电渣压力焊的研究

多层钢筋混凝土框架中竖向钢筋的连接,习惯采用搭接绑扎或手工电弧焊方法,这些方法不仅钢筋接头受力性能差,而且工效低,材料消耗大。近年来,国内外出现了一些新的竖向钢筋的连接方法,如日本采用气压焊;美国采用铝热焊;我国于1978年由陕西省建筑科学研究所进行了自动电渣压力焊的工艺试验,1980年开始分别在西安、北京等地区进行工程试点,取得了较好效果。 1981年,黑龙江省低温建筑研究所对钢筋负温自动电渣压力焊工艺进行了试验研究,为在三北地区推广电渣压力焊工艺,提出     

以汞为反应介质制备氧化锌纳米空心球

以汞为反应介质, 表面活性剂胶束为模板, 通过锌的氧化反应制备了氧化锌空心球. 采用SEM、EDX、TG、DTA、XRD、IR等测试手段对产物的形貌和结构进行了表征, 并考察了表面活性剂对产物生长的影响. 研究表明, 氧化锌空心球为无定型结构, 壁厚为纳米尺度, 由氧化锌纳米粒子组装而成, 煅烧后转变为六方纤锌矿结构. 加入适量PEG或CTAB, 能制备出氧化锌空心球; 不加入表面活性剂、加入过量PEG或SDBS, 则不能制备出氧化锌空心球.     

医院建设中物联网技术的应用研究

在信息科技蓬勃发展的浪潮下,物联网技术在医疗行业的应用日益拓展。在医院建筑设计中,物联网技术的应用可显著提升医院的运营效能,优化患者的就医体验,也能适度减轻医护人员的工作负荷,进一步提升医院管理水平。文章聚焦物联网技术的特性、医院中物联网技术的应用实践,以及在实施过程中遇到的挑战,进行深度剖析与讨论。     

探索区块链在数字教育平台中的应用

区块链是分布式对等网络、非对称加密、智能合约等多种技术集成的新型数据库软件.区块链技术赋能全球产业链快速发展,已涉足金融服务、物流运输、供应链、医疗保健等多个领域,释放新的价值.为此,探索区块链技术在数字教育平台中的应用,讨论区块链在数字教育平台中的教育记录存储、教育资源版权、教育契约存证、学情跟踪监控、教育成果认证等...     

基于WRF模式和风速误差修正的中期风电功率预测方法

随着新能源保供电的重要性日渐凸显,调度人员对中期风电功率预测的需求程度也进一步加深。针对由预测前瞻时间增长导致的风速预测误差不断增大问题,提出一种基于中尺度数值天气预报模式（WRF）和风速误差修正的中期风电功率预测方法。首先,利用WRF模式获取高时空分辨率的数值天气预报数据;然后,采用混合高斯分布算法量化表征预测误差的时序规律,构建基于隐马尔科夫模型（HMM）的风速预测误差修正方法;最后,基于误差修正后的风速预测建立极端梯度增强（XGBoost）模型进行功率预测。算例分析表明,所提误差修正算法显著提升了风速预测精度,同时可有效降低中期风电功率预测误差。     

江西省电网火电厂大容量机组锅炉现状及分析

针对江西电网火电厂机组400 t/h及以上容量锅炉在煤炭市场发生变化后出现的供电煤耗高、＂四管＂爆破、燃烧稳定等系列问题进行分析,并提出了相应的应对措施.     

多因素影响下预崩解炭质泥岩动回弹特性研究

为探究多因素影响下预崩解炭质泥岩的动回弹特性,通过动三轴试验研究偏应力、最小体应力、含水率、压实度和干湿循环次数对动态回弹模量的影响,并建立考虑上述因素影响的动回弹模量预测模型。研究表明：动回弹模量与最小体应力、压实度呈正相关关系,与偏应力、含水率呈负相关关系;在同一围压下,动回弹模量随偏应力增加而降低,降幅区间为14.1%～30.7%;含水率为6%时对应的动回弹模量最大;在围压和偏应力相同时,含水率从6%递增至10%,动回弹模量降幅区间为18.6%～35.5%;压实度从93%递增至96%时,动回弹模量增幅区间为4.47%～20.64%。采用干湿循环损伤因子表征干湿循环次数对动回弹模量的影响,发现损伤因子随干湿循环次数N增加可分为3个阶段,即快速增长阶段(N=0～1)、缓慢增长阶段(N=1～6)和增长稳定阶段(N=6～9)。各因素按显著性由高到低排序依次为：压实度、干湿循环、含水率、偏应力、最小体应力。建立的综合考虑约束效应、剪切效应、压实度、含水率和干湿循环的预测模型具有较高地准确性和适用性,可有效评估和预测湿热地区炭质泥岩路堤的动回弹模量。     

基于Anytime算法的组合优化问题求解

介绍一种基于Ａｎｙｔｉｍｅ算法的组合优化问题求解框架,并报告了对ＴＳＰ问题进行求解的实验。实验结果表明,上述框架可以较好地协调２的复杂度与求解时间要求之间的冲突。     

桂城四乡联围自动化监控系统的研究

随着信息化在水利行业的大力推广,作为水利信息化组成部分的水闸泵站自动化监控系统也日益受到重视.本系统从本地区的实际出发,采用现场总线通信技术对闸门和泵站进行远程控制,通过PLC进行现场控制.文中也详细地介绍了系统采用的GE公司的组态软件iFIX.     

Identification of the key thermal points on machine tools by grouping and optimizing variables

The grouping and optimization approach to identify the key thermal points on machine tools is studied.To solve the difficulty in grouping because of the high correlated variables from distinct groups,the variables grouping technique is improved.Temperature variables are sorted according to their relativities with the thermal errors.The representative temperature variables are determined by analyzing the variable correlation in sort order and removing the other variables in the same group.Considering the diverse effect of importing the different variables on thermal error model,the method of variable combination optimization is improved.Regression models made up of different combination of representative temperature variables are evaluated by the index of both the determined coefficient and the average residual squares to select the combination of the temperature variables.For the machine tools with complicated structures which need more initial temperature measuring points the improvement is demanded.The improved approach is applied to a precision horizontal machining center to identify the key thermal points.Experimental results show that the proposed approach is capable of avoiding the high correlation among the different groups’ variables,effectively reducing the number of the key thermal points without depressing the prediction accuracy of the thermal error model for machine tools.