容灾技术在城市轨道交通系统中的研究与应用

介绍了容灾的基本理论以及容灾系统的关键技术,给出了城市轨道交通系统中容灾体系的建设方案,详细描述了数据级容灾的实现方法,实践证明,容灾系统的建立提高了系统的健壮性和可用性,增强了系统抵御突发性灾难的能力。     

成都地铁站点地下公共空间组织模式研究

我国的城市化进程虽然起步较晚但发展迅速,在土地资源紧缺的情况下如何最大限度开发利用地下空间将会是城市化进程中一个不可忽略的问题。全国各大城市正迅速发展城市轨道建设,各城市地下空间的开发利用也在相继展开。成都近年来大力发展轨道交通建设,已取得阶段性成就。本文的研究对象为成都地铁站点地下空间,在地铁站点分类研究的基础上,梳理其功能组成以及空间形态。总结出单元线状、单元三角状、多元线状以及多元网状四类空间组织模式,并探索出各类空间组织模式的适用范围。希望为其他城市以及成都未来的城市轨道交通建设提供参考和依据。     

LNG管道水力计算和热力计算

分析LNG管道水力计算和热力计算过程。在计算中,考虑保冷材料热导率随平均温度变化,LNG物性参数黏度、密度、比定压热容随组成、温度变化,比较准确。基于微元管段的思路,考虑传热关系,得出LNG管道各节点压力和温度、单位长度传热量的计算方法。实例验证此方法可行。     

我国氮肥产业发展形势及建议

建国以来,我国氮肥产业发展快速,产量增加的同时,高浓度氮肥尿素成为主要产品,占氮肥总量的66.7％,我国从氮肥进口国转变为出口国.近些年工业消费迅猛增长,而农业消费基本平稳.产业发展也存在问题:一个是氮肥产能过剩严重,应该控制氮肥产能总量,加强高效产能对低效产能的替换工作;其次,氮肥产品发展单一,利用率低,应该升级改造已有产品或者发展新产品,以达到增产增效目的.     

基于LSTM-RNN模型的铁水硅含量预测

针对高炉炼铁是一个动态过程,具有大延迟,工况复杂的特性。采用LSTM-RNN模型进行硅含量预测,充分发挥了其处理时间序列时挖掘前后关联信息的优势。首先根据时间序列趋势及相关系数选择自变量,并采用复杂工况的实际生产数据进行验证。然后用程序自动求解最优参数进行硅含量预测。最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比,验证该方法的优势。研究发现LSTM-RNN模型预测误差稳定,预测精度较高,比传统的统计学及神经网络方法取得了更好的预测精度。     

高铌TiAl/Ti600合金电子束焊接头组织与性能

对高铌TiAl/Ti600合金进行了电子束焊接试验以便对高温钛合金与高铌TiAl合金高质焊接提供理论及试验依据,采用金相显微镜、扫描电子显微镜及X射线衍射仪等设备对焊接试样进行了分析.结果表明,高铌TiAl/Ti600接头极易产生裂纹缺陷.接头焊缝主要形成细针状α₂-Ti₃Al相及α-Ti相,而高铌TiAl侧热影响区呈现板条状及等轴组织形貌,Ti600侧热影响区为针状α'相.接头焊缝区硬度最大,达到586 HV,Ti600侧向高铌TiAl侧过渡过程中硬度逐渐增大,由焊缝到两侧热影响区硬度过渡梯度较大.高铌TiAl/Ti600电子束焊接头室温抗拉强度可达516 MPa,且接头断裂于偏高铌TiAl侧焊缝区,断裂性质为典型的脆性解理断裂,呈现穿晶断裂特征.     

3种致病菌多重real-time PCR检测方法的建立及其在散装即食肉制品中的应用

建立一种同时快速检测沙门氏菌、金黄色葡萄球菌和蜡样芽孢杆菌的三重实时聚合酶链式反应(real-time polymerase chain reaction,real-time PCR)方法.以沙门氏菌invA基因、金黄色葡萄球菌Sa442基因和蜡样芽孢杆菌Cereolysin AB基因为靶基因设计引物和TaqMan探针...     

弧形槽扭转元件的分布方式对圆管传热性能的影响

为探究弧形槽扭转元件的不同分布方式对圆管传热性能的影响,采用数值模拟方法对Re在4 000～10 000时,恒壁温条件下的管内传热进行来分析。研究结果表明：异侧弧形槽扭转元件换热管的场协同数高于同侧弧形槽扭转元件,其中异侧弧形槽扭转元件比SK型扭转元件的场协同数最高增加了18.14%;Re在4 800～8 300时,异侧弧形槽元件由于其阻力较大的原因PEC值低于同侧弧形槽扭转元件,Re在8 300～10 000时,同侧弧形槽扭转元件PEC值下降幅度较大,在此范围内已低于异侧弧形槽扭转元件。     

基于MCQRDDC的负荷概率预测模型

针对具有约束性的复合分位数回归网络(monotone composite quantile regression neural network, MCQRNN)无法较好地分析负荷数据之中的时序信息和内在规律的问题,本研究融合MCQRNN以及膨胀因果卷积网络(dilated causal convolutional networks, DCC),提出了一种新的分位数回归模型MCQRDCC (monotone composite quantile regression dilated causal convolutional networks),该模型将输入划分为分位点输入与非约束输入,使该模型的输出随分位点的增大而增大,以此解决分位数交叉的问题.同时,使用DCC的结构,使该模型充分地分析负荷数据之中的序列信息,使得预测结果更加符合真实负荷的变化趋势.此外, MCQRNN使用指数函数对约束权重矩阵和隐藏层权重进行转化,会影响反向传播时权重的调整,本研究使用ReLU函数代替指数函数可以解决这个问题,以此提高预测的精度.使用真实的负荷数据进行实验,实验结果表明, MCQRDCC能有效地提高预测...