武汉中心钢板-混凝土组合剪力墙协同施工高效建造技术

当前,钢板-混凝土组合剪力墙结构在超高层建筑中应用越来越广泛。同时超高层建筑施工中需要采用智能平台、大型塔式起重机、超高泵送系统、重型构件堆场设计与加固等关键技术,这些技术在组合剪力墙施工过程中相互穿插、互相影响,需要整体协调、综合应用。以武汉中心工程为例,从组合剪力墙与智能平台、组合剪力墙与大型塔式起重机、组合剪力墙与超高泵送系统、组合剪力墙与重型堆场等方面阐述了相互协同施工关键技术;最后阐述了协同施工高效建造技术的质量控制要点。     

模糊理论在结构动力优化设计中的应用

简述了结构动力优化设计和模糊优化设计的国内外研究进展；分单目标结构模糊动力优化设计和多目标结构模糊动力优化设计，介绍了模糊理论应用于结构动力优化设计的方法；指出了结构模糊动力优化设计理论上存在的不足和今后研究的重点。     

一种小型取样分析控制系统的设计与实现

在低浓度涉氢(及同位素)被污退役核设施的清洗过程中,用质谱分析清洗后气体样本已经无法被准确测量.因此,提出将气态样本转换为液态样本,用液闪谱仪做定量分析的方法,并且建立了模拟实验装置.根据工艺流程的具体要求,设计基于PLC的取样分析控制系统,该控制系统包括常规信号采集、温度PID控制,串口 RS232、RS485通信及...     

TM-902型防爆千伏级电缆故障点探测显示仪

ＴＭ－９０２型防爆千伏级电缆故障点探测仪能精确地测示出电缆接地、断相、开路等故障，大大降低了工作面电缆事故，满足生产需要。     

基于生成对抗模型的异质信息网络语义表征方法研究

近些年,网络表示学习问题吸引了大量研究者的关注,而异构信息网络由于其丰富的结构语义信息及其广阔的应用领域,更是成为了网络表示学习领域的重中之重。目前面向异构信息网络的表示学习模型主要可以分为基于生成式模型的表示学习方法和基于判别式模型的表示学习方法,但是很少有工作同时结合两种模型进行表示学习的优化。该文提出了结合生成式模型和判别式模型的异构信息网络表示学习模型HINGAN,主要是将对抗生成思想融入异构信息网络表示学习过程中,达到优化网络表示结果的目的。该模型首先在元路径的引导下构建带权信息网络图,然后在带权图上计算更新构造的生成器和判别器参数,通过生成对抗的博弈思想来获取最大收益。在AMiner和DBLP两个真实学术图谱数据集上的实验结果表明,HINGAN在多标签分类、链路预测以及可视化方面都能比现在主流的网络表示方法取得更优的效果,并且HINGAN可以应用于大规模的异构网络数据的表示和计算。除此之外,该文还总结了已有研究成果并对未来研究可能面临的挑战进行了展望。     

基于ERP与条码技术的立体仓库管理系统

提出一种基于企业资源计划 (ERP)的工业条码信息采集与物料管理相结合的制造业物料管理系统。并对系统的体系结构、功能模型以及具体的实施方案进行了深入研究     

条码技术在立体仓库物料管理中的应用

在对当前制造企业中的库存管理现状进行深入调查的基础上，提出了一种立体仓库管理系统，并对制造业物料编码模型、编码方案和货位的虚实耦合编码技术进行了深入探讨。系统研究了出入库管理、即时库存管理等主要环节的条码解决方案和可行性分析。     

基于混合整数二阶锥规划的送端交流电网解列方法

解列控制作为电力系统安稳控制的第三道防线,可保障电网在承受严重故障扰动后以最小代价维持稳定运行.现有的解列控制策略主要分为基于电网失步振荡中心定位的传统失步解列和基于电网故障场景信息量测的预测性主动解列.该文提出一种基于混合整数二阶锥规划的送端交流电网解列方法,其主要内容包括:1)通过松弛手段将系统的非线性潮流方程转化...     

红外光谱法在线测量高浓度重水

为了准确、快速、安全定量工艺系统中的高浓度重水,采用离线式傅里叶变换红外光谱仪,以空光路状态下的单光束谱为背景光谱,得到不同浓度标准重水样品的红外吸收光谱,对3410cm^-1处重水浓度与吸光度进行线性拟合,建立红外光谱法测量高浓度重水的工作曲线。在此基础上,设计重水在线测量方案,实现高浓度重水在线测量。结果表明,测量浓度为99.85%的重水时,相对标准偏差优于0.01%。重水浓度范围为99.06%~99.98%时,线性相关系数R²=0.999 9。该测量方法准确、快速、无损样品、无放射性辐照等,可拓展到其他浓度段重水在线测量。     

极近距煤层(群)共采类型划分及夹层稳定性分析

本文以官地矿极近距离8#和9#煤层为研究对象,针对矿井单一分层开采难以达到矿井生产能力、前期8#煤开采未铺网引起9#煤生产出现的顶板破碎以及矿井生产效率低等问题,提出一种采煤方法"近距煤层一次全厚开采巷道布置系统"(错层位巷道布置系统)进行工作面回采.工作面两端巷道,一个沿顶板布置,一个沿底板布置,利用沿顶巷道对夹矸厚...