七用装配机

“七用装配机”是旅大市特等劳动模范,我厂钳工组组长刘义强同志创造的。这台机器投入生产以后,代替了多种手工操作,生产效率分别提高1～6倍,并且减轻了体力劳动。“七用装配机”的结构简单,操纵轻便,通用性大,可以用废料制造。下面把这台机器向大家作一简单介绍。“七用装配机”的结构如附图所示。机体44上装有电动机9。电动机9转动经皮带轮10、三角皮带11、皮带轮14、轴34、蜗杆16、蜗轮17带动轴7旋转。轴7转动以后,轴7左右两端的活轴6和31,即可分别用手柄43和32、     

新型高炉风口的设计

通过气体力学理论的研究和分析，设计了一种激波稳定风量的新型高炉风口、实验研究表明，该风口能利用激波自动调节并抵制炉内压力的波动，实现稳定供风、稳定高炉操作。该新型高炉风口有望成为炼铁行业高炉风口的更新换代设备。     

90Sr-90Y源半导体器件辐照效应在线测量系统

介绍了一种新型半导体效应参数测量装置,以＾９０Ｓｒ－＾９０Ｙ为模型源辐射装置与半导体参数测量仪共同组成半导体器件辐射效应测量系统,可进行各类器件和电路总剂量辐照效应测量与分析,系统实现了在线测量和辐射剂量率的连续调节,特别适宜对于卫星空间辐射环境的模拟。     

堆选排序算法时间复杂性的改进

堆选排序算法的时间复杂性T_(11)=2·nlog_2~n+O(n)本文提出的一种算法实现了一对堆选排序的时间复杂性的改进。我们将证明,同样对n个元素进行排序,它耗费的时间不超过堆排序的一半。     

基于Python与腾讯乐享的本科生学习激励系统设计

为在“新冠”疫情线上教学背景下激发学生学习动力,文章利用信息化手段开发学习激励系统。阐述了使用成绩排名发放电子奖状的业务需求,分析了实现该系统的技术架构,利用Python中Pandas的数据分析能力、Tkinter的图形用户界面交互能力及腾讯乐享证书功能,联合打造了本科生学习激励系统,并在激励学生方面取得了良好效果。     

SCR反应器流场数值模拟

本文对某锅炉的SCR反应器进行简化建模,利用计算流体力学软件Fluent在计算工况下对SCR反应器的流场进行了冷态数值模拟,并对模拟结果进行分析。同时提出了对反应器流场均匀程度的评价指标。根据流场模拟结果设计了导流系统,通过分析验证了导流系统的使用对反应器流场具有很明显的优化效果。改变导流板的布置方式,包括改变其长度、数量及位置,通过数值模拟探究了变导流板布置对反应器流场的影响。接下来,对导流板进行形状改变,并提出了一种可以加强转弯后气流均混效果的锯齿形导流板结构。通过对比,发现该结构的使用可以使SCR反应器流场速度均匀性和氨浓度均匀性得到非常好的优化效果。     

当“形”范畴遇到“可供性”概念：一种技术哲学阐释

“形而上者谓之道,形而下者谓之器”是中国哲学中罕见的直言技术来源的观点之一。“形”范畴作为人参“象”悟“道”、制“器”造“物”的关节点,却未得到更为深入的探究。20世纪初,在人-外部世界界面——这个技术的缘起之地——出现了“可供性”范畴,可供性作为环境中蕴含的行动可能性,表明了物体与其所处环境之间存在着某种互补关系,彰显了“形”范畴的深刻内涵。将“形”作为研究技术起源的逻辑起点,展开对技术本体的哲学追问,不仅可以开辟新的技术哲学追问之路,也将有可能就此开启中西方关于技术的更广泛的、超越各种思维传统的思考与对话。     

基于故障可诊性与遗传算法的模拟电路测试激励优化方法*

测试激励的选择影响电路故障诊断的精度。对待测电路进行十倍频程AC Sweep分析来确定正弦测试信号的频率优化范围,基于电路幅频响应中离散频点相应的电压有效值来计算各故障特征数据类内类间离散度,统计多频测试信号敏感度因子大小,并以此为目标函数利用遗传算法实现测试信号中频率参数优化。以双带通滤波电路为例进行了仿真验证,实验结果表明该方法优化出的测试激励信号能有效降低电路故障响应特征分布模糊性,提高了故障诊断率。     

基于相似日和SAE-DBiLSTM模型的短期电力负荷预测

提高短期电力负荷预测精度有助于电力公司高效地管理能源和更加经济可靠地运行。随着信息通信技术在电力系统的广泛应用,可获得的电力系统数据迅速增多,为数据驱动的电力负荷预测提供了数据基础,但这些数据通常结构性较差且特征不明确。由此,提出了基于相似日和SAE-DBiLSTM模型的短期电力负荷预测方法。首先,对获得的电力负荷数据进行预处理,并利用栈式自编码网络无监督提取由相似日、基准日负荷数据和天气信息构成的数据隐含用电特征;再将所得的隐含用电特征输入深度双向长短期记忆网络(Deep bi-directional long short-term memory,DBi LSTM)进行训练学习;最后用2016年全国大学生电工数学建模竞赛数据集,将所提模型与其他模型进行对比测试(包括DBiLSTM、SAE-ELM、SAE-DGRU、SAE-DLSTM和SAE-DBiLSTM)。试验结果表明,SAE-DBiLSTM组合模型在不同地区均具有更高的预测精度,该方法简单可靠且能更好地预测短期区域电力负荷。     

AprioriTid算法的改进

针对关联规则挖掘的AprioriTid算法缺点提出了一种改进的算法,即在构造k阶Tid表时,考虑当前交易项包含的所有k阶候选项的全部元素组成的集合,它肯定是当前交易项的子集.如果它的范教大于k就将其写入k阶Tid表中,而不是它所包含的所有k阶候选项集都写入表中,这样必然减少下一次寻找k+1阶大项集时所需要扫描的交易量,从而使AprioriTid算法得到进一步优化.通过在Northwind数据集上的实验,验证了该算法有效地优化了空间复杂度和时间复杂度.