汽车荷载作用下桥梁冲击系数影响规律研究

以三跨连续箱梁桥为研究对象,建立了桥梁模型和车辆模型从而组成车桥耦合动力模型,并对车辆荷载作用下桥梁结构的冲击系数进行研究分析。研究表明:增加横向车道数可以使桥梁的冲击系数增大,纵向距离越大桥梁冲击系数越小;车辆在制动状态下的桥梁冲击系数明显大于车辆匀速状态时的冲击系数,并且车辆在桥梁中跨前半部分制动时,动力冲击系数要大于后半跨;车辆在跳车冲击作用下,桥梁跨中冲击系数明显增大,且在跨中跳车时,桥梁动力冲击系数为最大。     

基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。     

碳中和目标下电力需求预测体系构建及华东区域电力需求发展趋势研究

碳达峰、碳中和将加速全社会各行各业,尤其是能源系统的转型,而电力行业作为能源枢纽,能源领域在双碳转型过程中将对电力需求带来不可忽视的影响。该文立足于分析双碳目标对于能源电力的影响,挖掘双碳和电力需求的关联性,提出碳中和目标下分行业发展趋势分析思路,构建了一套适应于双碳目标下的电力电量预测方法体系;以华东区域作为典型案例,研究了华东区域碳达峰至碳中和过程中的电力需求发展趋势。研究结果表明,所构建的分析思路和方案体系科学可行,预测结论合理。     

Binary Sequences Derived from Dickson Permutation Polynomials over Binary Extension Field

In this paper, based on a result of Lidl and Mullen (Mathematical Journal of Okayama University, 1991), the maximum length and the second maximum length that can be attained by cycles of Dickson permutation polynomial (of the first kind) with parameter 1 are studied. Necessary and sufficient conditions for these two lengths to be attained are given, which are connected with Fermat primes and Mersenne primes, respectively. Furthermore, a class of coordinate sequences that maintains a large period is obtained, which is shown to be the coordinate sequences derived from cycles of the second maximum length. Explicit formulas for their periodicity and shift-equivalences are also presented.     

液压力矩限制阀在随车起重机上的应用

1 工作原理 1．1 力矩限制阀限制起重机超载的力学原理 随车起重机工作时吊臂的受力状态如图1所示。     

DCT码头集装箱装卸桥吊具的安全改造

1 改造前状况 根据吊具的旋锁或着床限位种类,DCT码头桥吊吊具主要有以下几种：     

现行焦炭强度指标在太钢高炉的适用性探讨

重点论述了焦炭反应性在高炉碱金属循环富集条件下的变化,并根据国内外研究提出的反应性会发生逆转的概念,分析了太钢高炉生产的实际情况,明确了现行焦炭强度指标对太钢高炉生产的指导意义。     

轿车悬架弹性橡胶衬套弯曲刚度的工程算法

在线性前提下,根据橡胶衬套径向刚度在线性范围内,找出了求解橡胶衬套弯曲刚度的工程算法,经过试验验证,具有工程使用价值.     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型.神经网络的参数是经过优化选择的,训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性.该模型有助于进一步优化能量转换,减小转矩脉动.