无碳化物贝氏体耐磨钢板组织与性能的研究

研究了无碳化物贝氏体耐磨钢板组织、力学性能及焊接性能。结果表明,在低碳贝氏体钢基础上,通过加入一定量的硅元素,利用其在贝氏体组织转变过程中抑制碳化物析出作用,得到由非等轴铁素体加马氏体和残余奥氏体(M-A)岛或由板条状铁素体及其板条间残余奥氏体(Ar)膜组成的无碳化物贝氏体组织,以此得到既具有高强度、高硬度,又具有较高的低温冲击韧性,同时具有较好的焊接性能。     

抚宁县小型水库防汛管理浅析

本文立足抚宁县小型水库现状．分析了目前小水库管理及防汛中存在的问题及采取的相关措施。     

基于labview的虚拟多功能信号发生器的实现

labview是一种图形编程软件环境，使用较为灵活方便。利用该环境，用户能够根据实际需要构造各种虚拟仪器。本文介绍了如何利用labview7．1实现虚拟的正弦、余弦、方波、锯齿波、三角波等多种信号发生器，用户通过需要设置波形的频率和幅值并保存到指定文件中，从而产生出各种波形。     

荥经水文站“8·18”暴雨洪水分析

2020年8月16日至19日,青衣江流域出现连续强降水过程,支流荥经河遭遇特大暴雨,致使荥经水文站出现了建站以来最大洪水。以此次暴雨洪水为背景,对此次暴雨洪水的成因与特性进行探讨,从暴雨洪水预警预测以及中长期水文要素周期变化等角度提出治理方向,从而为流域管理部门进一步掌握所在流域暴雨洪水成因及变化规律提供借鉴,并为荥经防汛工作提供参考。     

设计事理学在儿童房室内设计中的应用浅析

将设计事理学应用在儿童房室内设计中,通过模拟中低产家庭的生活形态模型,分析儿童房室内设计相关"事"与"物"的关系,从宏观和微观两个角度分析,以设计合情合理的儿童房.一定程度扩展了设计事理学在室内设计中的应用领域.     

跨专业承载网络智能运维研究与应用

随着人工智能技术和网络日趋紧密地融合,未来网络的运营和生产应该是全面数字化、自动化和智能化的。目前跨专业网络故障定位主要依赖各专业运维人员分别进行分析和派单,导致排障时间长、重复派单等问题。为了节省人力工作,借助自动化和人工智能技术,研发了一套应用于实际现网的跨专业网络智能运维系统。该系统可对IPRAN和OTN关联的拓扑信息以及实时的IPRAN和OTN告警数据进行综合分析,精准定位根因告警,确定故障位置,实现自动派单。该系统构建了跨专业的故障自动诊断能力,将故障定位时间由传统的2 min缩短为几十毫秒,极大减少故障处理时间和人工工作,可覆盖现网大部分故障种类。     

冷轧钢板实际退火过程中的有关问题

1前言 钢板经冷轧制后,在金属内部产生大量位错,形成胞状结构.产生的加工硬化使强度和硬度提高,而塑性、韧性、冲压性能降低.金属内部组织发生晶粒拉长、晶粒破碎和晶体缺陷而导致金属内部自由能升高,处于不稳定状态.为了消除这种不稳定状态以及所产生的缺陷,冷轧板需要通过再结晶退火处理.     

节水条件下玛纳斯河流域绿洲变化及适宜规模分析

干旱区节水灌溉技术的大面积推广,有效的推动了绿洲化进程,使绿洲规模不断扩大。针对节水条件下流域尺度绿洲适度规模问题,以膜下滴灌技术的发源地玛纳斯河流域为例,利用1976-2015年五期卫星遥感影像,分析了节水条件下流域绿洲面积变化过程,基于水热平衡理论构建了绿洲适宜规模计算模型,确定了节水条件下流域绿洲适宜发展规模。结果表明:1976-2015年玛纳斯河流域绿洲总面积扩张388.3km~2,人工绿洲面积扩张3 873.3km~2,天然绿洲面积缩减3 485.0km~2;计算得出玛纳斯河流域绿洲适宜规模为4 025.9～4 499.8km~2,目前绿洲实际规模超出绿洲适宜规模的3.4倍,且绿洲稳定指数H0为0.46,表明绿洲处于亚稳定状态;为了进一步保证绿洲稳定性,玛纳斯河流域适宜耕地面积应为1 801.6～2 013.7km~2。研究结果说明,不合理的绿洲开发,威胁到整个绿洲的稳定,确定绿洲适宜规模,可以为绿洲的稳定和可持续发展提供基础科学依据。     

基于ZigBee和GPRS的支架结构安全监测系统设计

作为路桥施工中常见的一种结构,路桥支架结构存在施工监理和在役监测难,以及检测手段有限等问题。在此提出了一种基于Zigbee和GPRS无线通信技术的支架结构安全监测系统。该系统由ZigBee技术组成无线传感器网络对支架结构立杆及剪刀撑部位进行应变和倾角的数据采集,智能无线传感器将所采集数据直接或通过路由设备无线发送至协调器。GPRS网络再将ZigBee协调器汇聚数据进行无线远传至远程监控中心监测软件。上位机监测软件采用LabVIEW编写,实时显示监测现场数据,并能够实现对数据的存储、查询及报警。实验测试结果表明该系统能够实现对支架结构的在线、快速、准确测量,从而满足对支架结构进行长期实时监测的要求。     

基于混合算法的电池健康状态估计

为了保证电动汽车安全可靠的运行,动力电池的健康状态(SOH)显得尤为重要。宽的电压平台和严重的两极分化不利于锂离子电池SOH的估计。为了解决锂离子电池寿命预测困难这个问题,在安时积分法的基础上,通过对锂离子电池外特性的分析,采用BP神经网络算法对锂离子电池进行建模,并将此模型带入K-均值算法中。系统实现的目的是对电池健康状况进行准确评估。经过实验数据的验证,证明了这种算法的精确程度,为电池管理系统稳定工作提供保证。