汽车悬架混沌系统的速度反馈控制研究

基于磁流变减振器的汽车悬架系统具有明显的滞后非线性，这直接导致了系统存在分岔与混沌的可能性。分析了汽车悬架系统在路面单频周期激励下的受迫振动，揭示了该系统振动存在：昆沌的可能性，并在此基础上，利用速度反馈控制方法对这类混沌行为进行了控制，为利用混沌序列提供了理论基础。     

基于云自适应惯性权重混沌离子运动算法的行星NWG齿轮传动优化设计

为了更好地优化行星NGW齿轮传动多目标优化设计问题的解决方法,提出一种基于离子运动算法改进的云自适应惯性权重混沌离子运动算法。以最小体积,最大重合度和最大总传动效率为多目标优化函数,同时添加9个齿轮传动的边界约束条件,并建立惩罚函数对边界约束条件进行处理,从而完成对目标进行ACIMO算法下的优化计算与设计。结果表明:采用ACIMO算法相对于常规设计,使体积减少54.3%,重合度增加4.72%,总传动效率增加0.875 9%;且与原始IMO算法相比,在常规设计的基础上,体积减少5.45%,重合度增加2.34%,总传动效率增加0.31%,优化结果较好,各目标得到了更加合理的优化,说明算法改进策略是行之有效的,从而为行星NGW齿轮传动优化提供了一个新而高效的求解途径。     

电伴热集油流程现状与展望

本文介绍了在原油管输过程中主要采用的电热带预制管型和碳纤维电热管两种电热集油流程,并预测随着数字化油田建设的深入,电加热集油流程必定呈现出智能化、远程控制化的发展趋势。     

开滦钱家营矿工作面排水方案设计与应用实践

钱家营矿工作面根据综采工作面现场实际条件,改变传统的电泵排水思路,设计自流排水工程,实施排水方案,排水效果显著,节省了材料和电费,为以后防治水工作积累了经验。     

腹腔镜下CA724表达与新辅助化疗在进展期胃癌中的应用

目的:探索CA724表达与新辅助化疗结合腹腔镜D2根治术治疗进展期胃癌疗效及预后的相关性。方法:回顾性分析我院2017年1月-2018年1月期间收治的局部进展期胃癌患者68例临床资料,根据治疗方案的不同分为对照组30例、研究组38例,对照组采取单纯腹腔镜D2根治术治疗,研究组在腹腔镜D2根治术的基础上结合新辅助化疗治疗,对比两组总有效率、预后情况、CA724表达水平以及阳性率差异,采用Spearman相关性分析法检验CA724水平与患者疗效及预后的关系。结果:研究组患者的总有效率(60.53%)高于对照组患者(43.33%),但差异无统计学意义(χ²=1.989,P=0.158);研究组患者的3年生存率(78.95%)明显高于对照组患者(56.67%),复发转移率(18.42%)则明显低于对照组患者(46.67%),差异有统计学意义(χ²=3.899、6.266,P=0.048、0.012);两组患者术后的CA724表达水平和阳性率均较本组治疗前明显下降,且研究组的下降幅度大于对照组(χ²/t=5.643、6.546,P<0.001);CA724的表达平与患者的疗效及三年生存率呈负相关(r=-0.625、-0.732和-0.832、-0.839,P均<0.001),与患者的复发、转移率呈正相关(r=0.662和0.873,P均<0.001)。结论:血清CA724的表达水平及阳性率变化可在一定程度上反映行新辅助化疗结合腹腔镜D2根治术治疗进展期胃癌患者的疗效及预后情况,当CA724的表达水平及阳性率较低时,提示患者的疗效及预后情况较好,具有一定的临床意义。     

陕西银硐子银铅多金属矿床成因新探

银硐子银铅多金属矿床的矿体特征、矿石结构构造、稳定同位素特征显示矿床不是热水喷流沉积作用形成的,而是与岩浆活动有关的热液矿床。其成矿物质来源于基底地层而非赋矿地层本身,硫源来自深部岩浆源和热液途经地层,成矿介质水来自深部变质(分泌)水、地壳深熔、重熔岩浆水与大气降水等组成的复合水。成矿时代为印支期。     

浅议监理队伍素质对公路建设监理工作影响

浅议我国目前公路施工监理队伍现状,如何提高监理人员业务水平和素质,其素质高低直接影响公路建设监理工作质量,提高监理队伍素质具有重要现实意义.     

基于滑模变结构控制的三相PWM整流器

在建立三相PWM整流器数学模型的基础上,针对目前三相PWM整流器动态性能较差的特点,设计了电压、电流双闭环控制系统。在内环电流的控制中,采用解耦方法对dq轴电流分别控制,为电流控制器设计了一种滑模变结构控制(SMVSC)方法。仿真实验表明:该控制方法设计简单,提高了PWM整流器的动态性能,而且较好地实现了电流的解耦控制,且使系统鲁棒性增强。     

基于VMD-CNN-BIGRU的电力系统短期负荷预测

为提高负荷预测精度,考虑了历史负荷本身内在规律及外部影响因素,提出一种基于变分模态分解（variational modal decomposition,VMD）–卷积神经网络（convolutional neural networks,CNN）–双向门控循环单元（bi-directional gated recurrent unit,BIGRU）混合网络的短期负荷预测方法,改善了训练时长和预测效果。通过仿真分析验证了所提方法的有效性,且该方法与其他模型相比有更高的负荷预测精度和更强的鲁棒性,能够提高电力系统短期负荷预测的精确度。