Numerical simulation for rheological characteristics of alternating distribution of soft and hard rock layers

The difficulty of selecting appropriate rheological model and parameters for the alternating distribution of soft and hard rock layers was often encountered due to the unhomogeneity, discontinuity and anisotropy of rock mass. The Burgers and generalized Kelvin models were applied to the soft and hard rock respectively and the rheological parameters were obtained based on the method of optimum separation. By using the simulated code FLAC^3D, the stability of surrounding rocks of a certain underground plant was analyzed. The effect of surface load and weakening the parameters intensity of argillaceous and bioclastic interlayers between soft and hard rock on rheological behavior of layer composite rock mass was investigated. The results indicate that the rheological characteristics of soft and hard rock layer in composite rock mass can be described well with above two rheological models.     

基于优化FBD算法的谐波与闪变综合抑制装置的应用与研究

根据当前电网中存在的实际问题,提出对系统进行谐波与闪变综合抑制的必要性.对传统的FBD(Fryze-Buchholz-Dpenbrock)法进行分析和改进.在此基础上针对三相四线制系统对FBD法进行了优化设计,通过增加一个反馈回路,提高了检测方法的实时性,增强了谐波与闪变抑制装置的动态响应特性.在理论研究与仿真分析的基础上,搭建了基于并联型有源电力滤波器的谐波与闪变综合抑制装置的仿真与实验模型,检测算法采用FBD优化算法,电流跟踪控制电路采用基于滞环比较的空间矢量控制策略.仿真与实验效果验证了检测算法与控制策略的有效性和准确性.     

全台网非线性编辑设备选用与研究

分析了中小电视台在构建高效、实用的非编网时需要考虑的问题,根据实际情况阐述了非编设备的选用要求,并对实现的非编网络系统进行了介绍.     

Wire-in-Wire TiO2/C Nanofibers Free-Standing Anodes for Li-Ion and K-Ion Batteries with Long Cycling Stability and High Capacity

Wearable and portable mobile phones play a critical role in the market,and one of the key technologies is the flexible electrode with high spe-cific capacity an...     

基于RFID和LSTM的固定资产智能感知方法

针对传统基于射频识别的固定资产感知方法存在射频信号易受环境影响、多个标签互干扰、感知识别精度低等问题,提出一种基于射频识别（RFID）和长短期记忆（LSTM）神经网络的固定资产状态智能感知方法。为克服RFID信号接收时间非连续性导致的识别精度低问题,引入序列分析思想,使用LSTM对一段时间内接收到的RFID信号序列进行模式学习,构建基于RFID和LSTM的固定资产感知模型,实现固定资产位置的二分类辨识。所提方法在高校实验室条件下开展实测实验进行性能验证。结果表明,使用序列分析的固定资产状态感知模型辨识准确率可达 99.26%,比传统基于离散时刻点的 RFID 感知模型辨识准确率高 11.05%,且对多标签的识别准确率可达93.0%。     

基于渐进式分解架构的风电时间序列预测

准确预测风电机组各项指标对准确管控机组和调控电网的供需有着重要意义. 预测指标任务可抽象为风电时间序列预测任务. 目前时间序列预测模型主要采用深度学习模型, 但是风电时间序列具有较强的波动性和随机性, 导致绝大部分模型不能较好挖掘风电时间序列的复杂演化特性. 为解决上述问题, 提出了一种基于渐进式分解架构的风电时间序列预测方法, 该方法首先应用神经网络池化分解方法将复杂的依赖关系简化并应用注意力机制学习长期趋势, 然后运用多变量融合捕捉模块增强了网络整体的多变量关联挖掘能力, 最后, 融合趋势项和周期项对风电时间序列做出准确的预测. 实验结果表明, 该方法在风电时间序列的多步预测中均方误差相比基线模型至高可提升24%, 在多尺度预测长度下表现出预测性能稳定提升的同时, 计算效率显著优于同类模型.     

Ultra-thin Body Buried In0.35Ga0.65As Channel MOSFETs with Extremely Low Off-current on Si Substrates

In this paper, we investigated the electrical properties of the Metal-oxide-semiconductor gate stack of Ti/Al2O3/InP under different annealing conditions. A min...     

模糊综合评判法在变电站工程质量评定中的应用

以模糊数学中的综合评判方法,探讨变电站工程质量评价体系;介绍了模糊综合评判方法在工程项目质量评判中的应用.     

铜合金六通接头体热挤压刚粘塑性有限元模拟

本文利用刚粘塑性有限元法,对六通接头的热挤压成形进行了热力耦合的数值模拟,获得了热挤压成形的载荷和行程的关系曲线,应力、应变和温度的分布信息.模拟结果表明,在工件挤压温度为730℃和模具预热温度为400℃时,挤压速度范围是70mm/s～80mm/s.这一模拟结果对后期的工艺制定和模具设计提供了参考.     

论如何做好细长轴的车削

本文根据实际工作经验,结合生产加工实例,从多个方面详尽地介绍了细长轴的车削加工、常见问题、解决方法等.