介绍电弧炉“熔、氧、还”结合炼钢法

1 问题的提出电弧炉氧化法炼钢的全过程,其冶炼时间不能大幅度缩短,往往由于熔清钢液时,磷超出规格范围。众所周知,钢液除磷的一个重要条件是温度不能太高。可是,温度不高,碳就不能氧化,这将使熔池不能沸腾,因而造成钢液中的气体和夹杂物无法去除。这一连串的问题告诉我们,只有趁温度不高,先把磷去掉,才能进     

统筹城乡发展全面推进城乡一体化

两年前,义乌市委、市政府认真贯彻党的十六大精神,顺应广大群众的呼声,按照统筹城乡发展的思路,编制了《义乌市城乡一体化行动纲要》,在全市全面部署开展城乡一体化行动,已取得初步成效,赢得了社会各界的赞誉。     

狭缝型透气砖在VOD钢包上的应用

介绍了刚玉质狭缝型透气砖在３０ｔＶＯＤ精炼炉中的应用，使用表明，该透气砖使用寿命长，供气特性好，综合效益显著。     

服务外包大赛对软件外包知识体系构建的启示

根据近两届中国大学生服务外包创新应用大赛相关内容,结合教育部和商务部在江浙两省开展地方高校计算机学院培养服务外包人才试点情况调研和相关企业人才需求实际,分析软件外包人才的知识、能力、素养需求。结合CDIO工程教育理念,探讨大赛对软件外包知识体系构建的启示,并由此建立初步知识体系模型。     

基于电子鼻的香蕉储存时间鉴别方法研究

研究了一种基于电子鼻系统的香蕉储存时间鉴别方法。实验检测了不同储存时间的香蕉样品,主成分分析方法可以较好地区分不同储存时间的香蕉样品,同时检验了样品的微生物指标以探讨电子鼻响应与微生物指标之间的关系。随机共振信噪比谱不但可以区分香蕉样品,同时基于信噪比特征值建立的香蕉储存时间鉴别模型具有较高的预测准确率。该方法具有较好的实际应用价值。     

高纯钨中杂质元素的化学光谱法测定

采用以一定比例的ＨＮＯ３和ＨＣｌ为介质，使钨沉淀成钨酸与杂质分离，然后用碳粉吸附杂质再进行光谱测定的方法，对高纯钨（包括金属钨、三氧化钨、钨酸、钨酸铵）中１５个杂质元素Ｆｅ、Ｎｉ、Ｃｕ、Ｍｎ、Ａｌ、Ｖ、Ｃｒ、Ｃｏ、Ｃａ、Ｍｓ、Ｐｂ、Ｓｎ、Ｂｉ、Ｃｄ、Ｂｅ进行了测定，取得了理想的结果，测定下限可达（０．１～０．５）×１０（－６）。     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

浮法玻璃在线镀膜技术现状与发展

介绍了浮法玻璃在线镀膜技术的种类、发展历史与现状.经历电浮法、热喷涂等镀膜技术之后,常压化学气相沉积已成为当今最主要的在线镀膜技术,产品种类包括以硅质膜为代表的阳光控制镀膜玻璃、以氧化锡导电膜为代表的低辐射镀膜玻璃和功能导电玻璃等.在线镀膜的技术难点和研发重点是改善镀膜工艺与浮法工艺的适配性,实现产品功能多样化,提高前驱体原料的利用率,延长镀膜周期.     

基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法。通过建立融合局部特征预提取模块的LSTM（long short term memory）网络结构,并将其与XGBoost（eXtreme boosting system）预测模型并行结合,之后结合MAPE-RW（mean absolute percentage error-reciprocal weight）算法进行模型融合初始权重设置,对最佳权重进行搜索,构建最佳融合模型。通过运用电力负荷数据对所提方法进行预测实验,结果表明CNN-LSTM- XGBoost模型的MAPE（mean absolute percentage error）与RMSE（root mean square error）分别为0.377%与148.419 MW,相比于单一网络模型与融合模型结构实现了误差指标的显著降低,验证了基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法具有较快的模型训练速度、较高的预测准确度与较低的预测误差。     

多类型源储协调互动的配电网分布鲁棒优化调度

分布式光伏、风电等可再生能源出力具有较强的随机性和不确定性,其大量并网给配电网的运行带来了极大的挑战。本文提出了一种多类型源储协调互动的配电网分布鲁棒优化调度方法,基于分布鲁棒优化理论,对配电网中传统离散设备、可再生能源以及储能决策进行协调优化,提高配电网运行的经济性和安全性,实现了配电网运行决策保守性与鲁棒性的有效平衡。首先,考虑多类型源储资源的协调互动,建立配电网优化调度模型,并将其转化为混合整数二阶锥规划的形式;其次,利用可再生能源出力场景集进行不确定性刻画,建立分布鲁棒优化模型,并通过列和约束生成算法进行求解;最后,在PG&E69节点系统上进行算例分析,验证了所提方法的可行性与准确性。