粮食仓房的通风口改进

分析了原有通风系统通风口在设计中存在的问题、对储粮的影响,提出了对通风口的设计要求与改进方案．     

湿法冶炼浸出过程H∞优化控制研究与设计

应用H∞优化控制方法对锌湿法冶炼浸出过程进行H∞优化控制器设计,同时,讨论了如何把浸出过程控制问题转化为H∞优化控制问题、浸出过程的输入输出量和H∞标准控制问题各量之间的关系及其物理意义.通过仿真实验,给出了几种情况下的仿真曲线,并进行了分析,从而得出结论.     

基于熵、能量函数的BP网改进算法

为了增强ＢＰ网隐层的归纳能力，文［１］提出了调整权重的熵方法，我们在文［２］中给出了基于能量函数的改进算法，本文把文［１］算法与文［２］算法结合在一起给出了新算法，实验证明此算法既能大大加快收敛速度，又可增强网的归纳能力。     

镍基高温合金粉末筛分工艺的研究

介绍了粉末筛分设备及其主要工艺参数 ,并围绕筛分处理的生产效率及粉末质量的影响因素展开了讨论     

MHWRR连续辐照生产裂变钼技术研究

为适应当前全球对放射性诊断核素99m Tc需求量不断增长的需要,阿尔及利亚比林核研究中心对多用途重水反应堆(Multi-purposes Heavy Water Research Reactor,MHWRR)实施升级改造,提出建立不停堆连续辐照生产裂变钼的能力需求。在对裂变钼靶件堆内辐照堆芯物理计算分析、热工水力计算分析、靶件出堆过程热工计算分析以及裂变99Mo产额计算等分析研究的基础上,结合反应堆设施原有限制条件,创新地提出了采用短时间临时停堆方式的技术方案,既能实现阿方产量目标,又能满足辐照安全要求。方案得到了阿方认可,工程实施后的初步调试结果表明:理论计算值与实验值符合较好,在无参考可借鉴实例的情况下,提出的辐照技术方案和工艺流程是合理可行的。     

零功率堆反应性精密调节小型传动系统研制

建立了包括电动推杆机械传动装置、旋转变压器、角位显示器、控制系统、驱动电路等相关内容的小型精密传动系统,在实验室进行了长时间运行考验和传动精度的测量。实验结果表明:小型精密传动系统不仅在体积、传动精度上,同时在控制技术上均能够满足作为零功率堆上反应性连续调节装置的要求。对研制过程做了较详细的阐述。     

喷淋液滴在空气环境下的运动特性

本文以喷淋液滴在空气环境下运动特性为工程背景,建立单个液滴在常温、常压空气环境中的动量方程,分析液滴沉降特性、追赶特性及运动轨迹行为。计算结果表明,不同喷淋液滴初始条件下,短时间内存在重力大于曳力和重力小于曳力两种情况,但最终减速液滴均会达到受力平衡状态;液滴离开喷淋头后,垂向位移均迅速增大,液滴粒径越大、初始速度越大,垂向位移增长的速率也越大,达到相同位移的用时越短;液滴尺寸、初始速度相差越大,液滴追赶所用的时间越短,追赶位移越小,液滴尺寸、初始速度越接近,液滴追赶所用的时间越长,追赶位移越大;液滴初始速度越大、初始直径越大、喷射角度越大,横向速度消失越慢,达到的横向位移越大,喷射液滴覆盖的面积也越大。计算结果有助于优化工程实际中喷淋系统的设计与布置。     

ADP-核糖化对大鼠脾细胞核转录活性的影响及其辐射效应

本实验采用8Gyγ线全身照射成年雄性Wistar大鼠,观察ADP-核糖化对大鼠脾细胞核转录活性的影响。结果表明核糖化对RNA pol(Ⅰ+Ⅲ)、polⅡ的活性均有抑制作用,并且对pol(Ⅰ+Ⅲ)的抑制率高于polⅡ,提示ADP-核糖化是脾细胞核RNA聚合酶,特别是polⅠ活性的影响因素;当核糖化液中加入ADPRT的特异性抑制剂3-AB,核糖化对转录活性的抑制作用消失,这进一步证实了RNA聚合酶活性的减少是由于核糖化所致。结果还表明照后4h内,ADPRT活性降低,然后逐渐恢复,到18h巳完全恢复,表明8Gyγ线照射可抑制ADPRT的活性,并且其辐射效应修复快。     

计及数据不平衡的RUSBoost-LightGBM 短期负荷预测方法

随着人工智能技术的发展,负荷预测的准确度显著提高,但仍有一些负荷曲线预测精度较低。造成这种现象的原因 在于训练集中这类负荷曲线属于少数类,导致数据不平衡,模型无法充分学习,从而影响了预测的精度。为解决电力负荷数 据不平衡问题导致的预测精度降低的问题,提出了一种先分类后预测的解决方法。通过改进的K-Mediods 方法把具有高相 似性的历史负荷曲线进行聚类,并构造分类标签与电力负荷的特征集;然后根据预测时间的特征进行分类,通过RUSBoost 算 法很好的优化了分类过程中数据不平衡问题;最后在每类中使用LightGBM算法进行负荷预测。在公开数据集上的实验表 明,所提出方法对少数类负荷的预测效果显著,其平均绝对百分比误差(MAPE) 为2.95%,均方根误差(RMSE) 为 175.71 MW;对于常规负荷的预测,MAPE为3 .52%,RMSE为195.84 MW,相对其他方法也具有较好的预测效果。     

EnGAN：医学图像分割中的增强生成对抗网络

原始采集的医学图像普遍存在对比度不足、细节模糊以及噪声干扰等质量问题,使得现有医学图像分割技术的精度很难达到新的突破。针对医学图像数据增强技术进行研究,在不明显改变图像外观的前提下,通过添加特定的像素补偿和进行细微的图像调整来改善原始图像质量问题,从而提高图像分割准确率。首先,设计引入了一个新的优化器模块,以产生一个连续分布的空间作为迁移的目标域,该优化器模块接受数据集的标签作为输入,并将离散的标签数据映射到连续分布的医学图像中;其次,提出了一个基于对抗生成网络的EnGAN模型,并将优化器模块产生的迁移目标域用来指导对抗网络的目标生成,从而将改善的医学图像质量知识植入模型中实现图像增强。基于COVID-19数据集,实验中使用U-Net、U-Net+ResNet34、U-Net+Attn Res U-Net等卷积神经网络作为骨干网络,Dice系数和交并比分别达到了73.5%和69.3%、75.1%和70.5%,以及75.2%和70.3%。实验的结果表明,提出的医学图像质量增强技术在最大限度保留原始特征的条件下,有效地提高了分割的准确率,为后续的医学图像处理研究提供了一个更为稳健和高效的解决方案。