DiffServ MPLS网络中的负载平衡

简要介绍了多协议标记交换协议MPLS与区分服务DiffServ ,分析了MPLS与DiffServ相结合对网络的设计和控制带来的影响。并在此基础上 ,提出了一种动态负载平衡的方法 ,将DiffServ几种业务在多条LSP上平衡传输。仿真试验表明 ,大大降低了延迟和队长 ,提高了吞吐量     

高强度部分脱乙酰甲壳素纳米纤维/聚乙烯醇复合丝线的制备及性能

从废弃蟹壳中提取甲壳素,对其进行部分脱乙酰及纳米化处理得到部分脱乙酰甲壳素纳米纤维（D-ChNFs）。将D-ChNF与聚乙烯醇（PVA）混合,利用湿法纺丝工艺制备D-ChNF/PVA复合丝线,并对其微观形貌、力学性能、表面特性及结晶结构等进行表征与分析。结果表明,在氢氧化钠凝固浴中,D-ChNF与PVA能够经分子间氢键结合实现丝状成型,通过调控两者质量比,所得复合丝线拉伸强度可达251.0 MPa、断裂伸长率约8.14%、弹性模量近13.81 GPa。进一步地,将该复合丝线作为柔性基材组装构建传感器,用于实时监测人体活动。研究结果可为拓展废弃蟹壳的多领域资源化与高值化利用提供理论依据与技术支持。     

双频单相并网逆变器的拓扑及控制方法研究

为了进一步降低单相并网逆变器的成本,提高并网电流的质量和并网逆变器的效率,提出了一种并联型双频单相并网逆变器。并联型双频单相并网逆变器的主电路包含低频功率单元和高频消谐波单元,并网电流为低频功率单元电流和高频消谐单元电流之和,使得并网电流中的谐波得到了有效抑制。在介绍了并联型双频单相并网逆变器的拓扑结构和工作原理的基础上,给出了并网逆变器的控制策略,整个控制系统包括2个相互耦合的电流环,实现了对并网电流的控制。实验结果验证了理论分析的正确性。     

兴城市沟壑多功能治理工程探析

兴城市头道沟里沟壑治理工程通过石质山区沟壑多功能治理开发模式的研究,将生态经济要素与工程措施优化配置,使生态、经济、社会效益稳定、协调发展。同时欲想推动对周边地区起到示范、引导和辐射作用。     

导流片型旋流场内油滴聚并影响因素研究

导流片型旋流器具有体积小、重量轻和效率高等优点,适用于井下以及海上平台等空间有限的场所。该文通过实验和数值模拟研究了导流片型旋流场中流量、油水界面张力、油相含率、油相黏度及油相粒度等因素对于离散相油滴聚并的影响。研究结果表明:随着流量增加,油滴聚并效果先增加后下降,当流量介于14 m~3/h-16 m~3/h之间时,可以使油滴聚并达到最佳的效果;提高油相含率能够增加大油滴的比例,同时也增加了小油滴的数量,因此在进行油水分离时排出的水相中会残留较多的油相;提高入口油相粒度和降低油相黏度,可以促进油滴的聚并;增大油水界面张力可以减小油滴破碎的概率,提高油水分离效率。这些研究结果对于导流片型旋流器的设计能起到一定的指导作用。     

挖掘机主动防熄火控制研究

在分析挖掘机传统防熄火功能的基础上,对挖掘机主动防熄火控制进行了研究.通过研究,提出基于马达功率与发动机最大功率的关系,进行主动防熄火控制.采用挖掘机主动防熄火控制,可以避免发动机熄火、转速波动等问题.     

分数阶BP神经网络滚动轴承故障诊断方法

研究基于分数阶BP神经网络滚动轴承故障诊断的问题。通过对滚动轴承5种状态类型特征信号的提取,以更全面的方式反映滚动轴承的工作特性。特征信号经过归一化处理后作为神经网络的输入,滚动轴承的故障类型作为神经网络的输出。运用分数阶BP神经网络对滚动轴承进行状态监测和故障诊断,判断其属于哪种故障类型。相较于整数阶BP神经网络,分数阶BP神经网络精度更高,且能更快地达到误差要求。仿真实验结果表明,分数阶BP神经网络能准确获取滚动轴承的运行状态。     

火力发电厂建筑施工中土建结构的施工组织与技术应用

火力发电厂生产运行对我国经济发展、能源供应等方面有重要影响。为保证火力发电厂的生产运行效率及安全性,还要注重前期的工程建设质量。而土建结构作为工程建设的重要内容,其施工质量会直接影响火力发电厂整体工程建设质量,因此,现阶段需加强重视土建结构施工,做好施工组织工作,明确施工内容及要点,以合理运用各项施工技术设备,提高施工质量,达成建设标准,让整体建筑结构更加坚固耐久,这样才能推动火力发电厂安全生产运行。文章就火力发电厂建筑施工中土建结构的施工组织与技术运用进行分析,提出几点建议,以供参考。     

国家油气管道应急救援基地在突发公共事件中的应急救援功能构建 ——以新型冠状病毒肺炎疫情为例

基于新冠疫情应急救援的实践背景,以拓展国家油气管道应急救援基地在突发公共事件中的功能为探讨视角,从新冠疫情三个发展时期:疫情发展期(新增感染人数不断攀升)、疫情高峰期(新增感染人数趋于稳定)和生产恢复期(新增感染人数不断降低)分别探讨国家油气管道应急救援基地的功能构建,结合具体措施探讨国家油气管道应急救援基地如何在突发...     

深度学习应用于时序预测研究综述

时间序列一般是指对某种事物发展变化过程进行观测并按照一定频率采集得出的一组随机变量。时间序列预测的任务就是从众多数据中挖掘出其蕴含的核心规律并且依据已知的因素对未来的数据做出准确的估计。由于大量物联网数据采集设备的接入、多维数据的爆炸增长和对预测精度的要求愈发苛刻,经典的参数模型以及传统机器学习算法难以满足预测任务的高效率和高精度需求。近年来,以卷积神经网络、循环神经网络和Transformer模型为代表的深度学习算法在时间序列预测任务中取得了丰硕的成果。为进一步促进时间序列预测技术的发展,综述了时间序列数据的常见特性、数据集和模型的评价指标,并以时间和算法架构为研究主线,实验对比分析了各预测算法的特点、优势和局限;着重介绍对比了多个基于Transformer模型的时间序列预测方法;最后结合深度学习应用于时间序列预测任务存在的问题与挑战,对未来该方向的研究趋势进行了展望。