老口水电站及泄水闸坝计算机监控系统设计

老口水电站按照"无人值班"(少人值守)的管理模式设计.计算机监控系统为全开放的分布式结构,分为电厂控制级和现地控制级;泄水闸坝计算机监控系统由电站远控级、坝顶变电所控制级和现地控制级构成.泄水闸坝计算机监控系统二层交换机通过光纤接入电站计算机监控系统千兆交换机,搭建电站计算机监控系统对泄水闸坝计算机监控系统远程管理的网...     

直接驱动式电液伺服阀研究进展

针对发展高端电液伺服阀技术已成为航空航天及舰船领域的研究热点的现状,本文以直接驱动式电液伺服阀为对象,介绍了直接驱动式电液伺服阀的历史概况。从阀的结构原理出发,着重论述了阀的结构改进、电-机械转换装置变换等的研究进展。对应用于直驱阀上的不同新型材料,从功能原理到基本特性进行了系统分析。其中,PZT材料的响应速度较快,可达10 μs;GMM材料的能量转换效率较高,可达80%;MSMA材料宏观应变较高,可达10%。直驱阀在极端温度环境下的性能改善、冲蚀磨损特性分析及其数字化、智能化设计将成为未来的重点发展方向。     

增强自主创新能力 支撑企业战略转型

本文首先介绍了中国电信集团和各省公司在技术创新方面所做的工作及目前取得的初步进展和成绩.然后进一步分析了中国电信技术创新面临的形势和要求,最后提出了中国电信技术创新的目标和战略.     

电信运营商应对互联网发展的策略探讨

互联网已经成为现代社会最重要的信息基础设施之一,越来越深刻地影响着人类的生活方式.基于互联网的通信产业链,已经开始向媒体、商务、金融等领域渗透和延伸.互联网产业的快速发展带来的机遇,对于电信运营商而言却更多地体现为一种挑战.本文在总结当前互联网产业特征和发展趋势的基础上,提出了如何应对互联网下一步发展趋势的策略和措施.     

EPON发展面临的挑战

1 总体发展形势 近来,随着竞争的加剧和以IPTV为代表的宽带业务在全球兴起,PON技术的市场驱动力正在逐渐形成.在我国,由于视频类业务的监管问题尚未解决,影响了IPTV业务的发展,因此从源头上影响了PON的发展,但是总的趋势正在向好的方向发展.     

非共沸混合工质有机朗肯循环系统变工况特性研究

鉴于分布式能源系统中燃气轮机负荷波动较大,而目前对有机朗肯循环(Organic Rankine Cycle, ORC)研究更注重相同吸热量及其热力性能随初始参数变化的对比,很少考虑燃气轮机负荷降低时导致烟气温度和质量流量均下降对系统性能的影响.通过HYSYS平台构建特性模型,以换热器内窄点温差为约束条件,研究变工况特性...     

基于简化LCA、TRIZ与DOE的生态设计方法与应用

为了提高产品或工艺的生态性能,提出了一种基于简化LCA(生命周期评价)、TRIZ(发明问题解决理论)和DOE(试验设计方法)的生态设计方法。对研究对象进行LCA评价,发现生态问题;利用TRIZ理论进行问题识别、思考、分析,得到解决方案;对解决方案进行评价,并应用DOE进行优化,得到最佳工艺参数;再利用LCA对解决方案进行评价;从而形成LCA-TRIZ-DOE循环的生态设计与优化方法。应用于皮革鞣制工艺,结果表明鞣制工艺的生态性能得到了明显提高。     

不同品种(系)马铃薯挥发性风味物质对比分析

为探究不同品种(系)马铃薯挥发性风味物质,采用固相微萃取和气相色谱-质谱联用技术对蒸制35 min熟化的普通马铃薯品种(系)桂农薯1号、费乌瑞它、品系25号和46号以及特色品种桂彩薯1号5个马铃薯品种(系)进行挥发性风味物质萃取和分离鉴定,并利用相对气味活度值(ROAV)进行主成分分析,建立风味品质综合评价模型,结果表明：桂农薯1号和46号的检出物质种类最多,有32种,费乌瑞它27种,25号17种,均表现为醛类物质种类最多,占总检出物比例也最高,桂彩薯1号检出物质有21种,其中,烃类物质种类最多,酯类物质占总检出物比例最高,醛类其次;46号的关键性风味物质(ROAV≥1)种类最多,达18种,桂农薯1号和费乌瑞它有14种,桂彩薯1号和25号只有6种,5个马铃薯品种(系)共同的关键性香气物质有4种,为正辛醛、壬醛、正癸醛、2-戊基呋喃;主成分分析结果表明,马铃薯评价体系可由两个主成分来表征,不同马铃薯品种风味品质综合排名由高到低依次为46号、桂农薯1号、费乌瑞它、桂彩薯1号和25号。综合分析认为,醛类物质是蒸马铃薯的主体风味物质,5个马铃薯品种(系)中46号整体风味最佳。     

PZP-1220B偏光片切片机的改进创新

简要阐述了切片机的基本功能和关键技术指标,工作原理,以及在实际应用中的技术解决方案,并且详细阐述了机械结构设计中切割系统,传动系统,导轨安装板,机架的一些先期存在的不足之处和后续的改进、创新以及在电器元件、控制程序方面的完善.     

基于差分-变分模态分解与全局信息分析网络的辐射源个体识别方法

为了解决基于希尔伯特黄变换（HHT,Hilbert-Huang Transform）辐射源个体识别方法中的模态混叠分解不充分以及低信噪比下效果较差的问题,本文将信号处理与深度学习相结合提出了一种新的辐射源个体识别方法。首先,对信号进行差分处理,并通过变分模态分解得到对应的模态分量;接着,对各模态分量进行希尔伯特变换得到希尔伯特谱;最后,针对希尔伯特谱的稀疏性特点,本文运用改进的全局信息分析模块对其进行全局细微特征提取。本文实验采用ORACLE公开数据集对所提方法进行性能测试,实验结果表明,该方法识别性能优于4种现有的基于希尔伯特黄变换的辐射源识别方法,其不仅有较低的计算复杂度,而且在5 dB信噪比下有着90%以上的识别效果。