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。     

可立袋药品日期自动检测方法及系统设计

医学上装配、发放药品前必须根据其生产日期和有效期判断药品是否有效。针对可立袋液体药品研究了利用数字图像处理技术进行标签日期识别的方法。对日期识别过程中的图像预处理、标签区域提取、日期定位及字符分割、数字识别等技术进行了深入的研究,并开发了可立袋液体药品日期识别系统,采用工业相机进行图像采集,通过MATLAB语言进行了软件设计,并利用MATLAB GUI设置了人机交互界面。实验结果表明,该识别方法和系统具有较好的识别精度和识别速度,能够满足工程化实践要求。     

智慧城市背景下县域电网掉闸因素分析与改造策略实践

城市智慧化发展是未来发展方向,城市级大规模电网的安全稳定是构建智慧城市的基本保证。在电网运行过程中,电网掉闸是最为常见的事故,频繁掉闸会影响电网的安全与运行可靠性。本文基于山西省临汾市某电网典型10 kV线路中的掉闸问题进行分析,通过实际调研数据分析了出现掉闸的可能因素,并提出了具体的改造策略。根据实际改造数据来看,按照此文提出的策略改造后,该案例的掉闸次数明显减少。本文研究对相关电网的运维有十分重要的参考意义。     

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.     

基于改进狮群算法的低碳冷链配送中心选址研究

受新冠疫情影响,冷链药品需求激增,为了准时完成医药物资交付,配送中心选址问题显得尤为重要。以物流服务响应概率为约束条件,构建了一种综合考虑碳排放成本和物流成本的物流中心选择模型。引入调节因子和高斯变异对基础狮群算法(LSO)进行改进,并用改进狮群算法(ILSO)对其进行求解。函数测试结果表明,ILSO相比LSO和遗传算法(GA)具有较好的寻优能力和稳定性。相关的案例仿真分析显示,ILSO算法的选址结果总成本相比LSO算法和GA算法分别减少14.63%、17.11%,有效地节约了选址成本。最后,通过对物流服务响应概率进行敏感度分析表明,随着响应概率的增加,碳排放成本呈现先降低、后快速增加的情况。