智能校准——为了让用户校准更轻松 访北京康斯特仪表科技股份有限公司 董事长 姜维利

正时间__2018年09月18日地点__北京|关于康斯特|北京康斯特仪表科技股份有限公司(以下简称"康斯特")现位于北京中关村科技园核心创新区——永丰产业基地,是国家火炬计划高新技术企业、2016智能制造试点示范、中关村最具发展潜力百强企业。康斯特是中国压力、温度检测仪器仪表产品、服务与解决方案的领导者,产品广泛应用于石油、化工、电力、冶金、机械制造、计量、铁路等行业。目前,康斯特拥     

重庆市红旗河沟立交桥墩整体式模板施工技术

本文介绍了桥墩整体式模板施工技术的模板计算方法和施工工艺。通过理论计算分析和施工控制,成功地将该项技术应用于重庆市红旗河沟立交工程,为该技术的应用提供借鉴参考。     

不粘轮乳化沥青黏层不粘轮效果试验方法研究进展

不粘轮乳化沥青黏层作为一种高性能黏层用于沥青路面新建与养护工程,提升了黏层施工质量和沥青路面耐久性。不粘轮效果试验是不粘轮乳化沥青黏层关键评价方法。为了提升现有不粘轮效果试验方法的准确性、适用性,汇总分析了常见的不粘轮效果试验方法(指压法、黏聚力仪法、负荷轮法、车辙仪法、滚轮法、DSR法)的优缺点。另外,从加载方式、加载压力、加载时间(次数)、试验过程温度控制、黏层表面接触材质等试验参数考虑,提出针对不粘轮效果试验方法的研究建议,为今后研究和制定不粘轮效果试验标准方法提供参考。     

用于稠油降粘的水热裂解催化剂研究进展

为了解决稠油开采的难题,如今越来越多的研究聚焦在稠油降粘技术上,应用催化剂来提高稠油降粘效率是一种永久性的原位升级方法。综述了近年来国内外报道的各种催化剂类型,包括无机酸盐催化剂、有机盐催化剂、矿物催化剂、无机酸催化剂和金属基纳米催化剂,描述了它们在稠油地下催化裂解中的有效性,并展望了水热裂解催化剂的应用前景。     

基于WOA-BiLSTM模型的短期光伏出力预测

针对光伏发电系统受环境因素影响较大、预测精度低等问题,提出了一种基于鲸鱼算法优化双向长短期记忆神经网络（WOA-BiLSTM）的光伏出力短期预测模型。利用鲸鱼算法（WOA）进行参数寻优,完成对双向长短期记忆神经网络（BiLSTM）模型最优超参数的选择,并以华东某光伏电站的历史光伏数据进行了验证。预测结果显示：相较于长短期记忆神经网络（LSTM）与BiLSTM预测模型,WOA-BiLSTM模型可以在一定程度上提高预测的精度。     

用于低温半导体器件筛选的新型温度循环设备

在某些情况下斯特林制冷机采用间歇式工作方式,以延长卫星在太空中的服务年限,因此由斯特林机致冷的低温半导体器件如HgCdTe中长波红外探测器会经受成千上万次从-173℃以下到常温的温度循环,这个过程可能会造成器件的失效.为了研究器件的失效机理和可靠性,帮助筛选器件,本文介绍了一种自制新型的温度循环实验设备,型号TCE-a.经过数千次温度循环,设备满足器件筛选实验要求.     

一种低能量银导爆索的设计

为研制一种低能量银导爆索,从装药与直径方面进行了设计,并分析装药密度、软化处理、弯曲试验对导爆索爆速的影响.试验结果表明:所设计的导爆索直径为1.0mm,装药量为0.5g/m,爆速为5 800m/s;装药密度下降以及软化处理均使爆速降低;在相同条件下,低能量银导爆索的柔性比装纯炸药的银导爆索差.该导爆索作用可靠、爆速精度较高,可用于微秒级延时装置.     

基于GRU门控单元网络的电力负荷预测研究

准确预测电力负荷,有利于提高电力系统供需平衡,为提高电力负荷预测精度,提出一种基于迁移学习的电力负荷预测模型。该模型以门控循环单元模型（GRU）为基础模型,通过设定最大均值差异算法阈值,从而选择迁移学习的模型,最终实现电力负荷雨预测。仿真结果表明,所提模型可准确预测电力负荷数据,相较于BPNN模型和LSTM模型,所提出模型的MAPE值更低,为17.5%,分别降低了15%和7.5%,具有更高的预测准确度,可用于电力负荷预测实际应用中。     

内燃机缸内复杂空间三维动态网格生成技术

将组合网格拆解为静态和动态2个区域,提出了在活塞和气门运动方向上拉伸和压缩网格空间的算法．实验结果表明：3D动态网格可以应用于内燃机缸内工作过程数值模拟．