Phase equilibria of the Al2O3–CaO–SiO2-(0%, 5%, 10%) MgO slag system for non-metallic inclusions control

Al₂O₃–CaO-(MgO–SiO₂) inclusions are one of the dominant inclusions in Al-deoxidized spring steel, the compositions changes of which are closely related to refining slags and deoxidization process. The Al₂O₃–CaO–SiO₂–MgO system can represent the primary ingredients of the Al₂O₃–CaO inclusions. According to analyzed compositions and predicted liquidus temperature ranges of inclusions and refining slag, equilibra experiments under high temperature, water quenching technique and subsquent electron probe X-ray microanalysis (EPMA) has been conducted to ascertain detailed thermodynamic database for inclusions control. Liquidus temperatures within the dominant phase fields of Ca₃SiO₅, Ca₂SiO₄, CaAl₂O₄, Ca₃Al₄O₉, spinel and MgO with the intervals of 20 °C from 1350 to 1560°C were identified. To further promote inclusions control, the influences of mass ratios of Mass(Al2O3)Mass(Al2O3+SiO2+CaO) and MgO contents on equilibrated phases and liquidus temperature changes have been explored. To further enhance modification levels of Al₂O₃–CaO-(MgO–SiO₂) system inclusions, it is suggested that refining time could be suitably prolonged.     

政务终端安全面临的问题与对策研究

文章首先对政务终端安全和CGDCC进行分析,其次剖析政务终端安全在部署实施、技术支撑、安全建设等方面面临的问题。最后提出从调度、验证、审计等方面,结合等级保护标准,强化政务终端安全的解决方案。     

避雷器接地电阻的测量与预测方法

介绍了避雷器三极法测量接地电阻的接线、测量原理及测量电压的选取,根据测得的历史数据建立了基于回归分析的接地电阻变化趋势预测模型,并通过标准离差检验证明了该预测模型可用于实际接地电阻的预测。实践表明,该测量与预测方法切实可行,能在一定程度上避免因接地电阻超标而引发的雷击事故。     

Selective ensemble extreme learning machine modeling of effluent quality in wastewater treatment plants

Real-time and reliable measurements of the effluent quality are essential to improve operating efficiency and reduce energy consumption for the wastewater treatment process.Due to the low accuracy and unstable performance of the traditional effluent quality measurements,we propose a selective ensemble extreme learning machine modeling method to enhance the effluent quality predictions.Extreme learning machine algorithm is inserted into a selective ensemble frame as the component model since it runs much faster and provides better generalization performance than other popular learning algorithms.Ensemble extreme learning machine models overcome variations in different trials of simulations for single model.Selective ensemble based on genetic algorithm is used to further exclude some bad components from all the available ensembles in order to reduce the computation complexity and improve the generalization performance.The proposed method is verified with the data from an industrial wastewater treatment plant,located in Shenyang,China.Experimental results show that the proposed method has relatively stronger generalization and higher accuracy than partial least square,neural network partial least square,single extreme learning machine and ensemble extreme learning machine model.     

基于变精度粗糙集的煤与瓦斯突出预测

煤与瓦斯突出是受诸多因素影响的复杂问题,为了提高其预测的准确性,本文以变精度粗糙集理论中的决策表为主要工具,首先将影响煤与瓦斯突出的检测信号作为预测的条件属性集,煤与瓦斯突出量作为对预测的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出预测规则。算例结果说明了本算法的正确性和可行性。     

太阳能帆板输出功率短期预测研究

在卫星观测中,经常由于各种原因导致短时间内无法提取目标卫星数据,使控制系统无法继续对其保持高精度跟踪和控制。文章主要研究ARIMA模型在卫星遥测数据短期预测中的应用。使用Matlab软件进行ARIMA模型参数计算,再使用SPSS软件执行数据预测,并进行残差分析,通过实例验证,短时期内的预测数据精度较高。     

多型号装备系统维修资源需求预计建模

传统的按装备型号进行保障的模式已不适应未来战争需要。多型号装备联合保障是未来装备维修保障的主要方式。针对多型号装备系统维修资源的需求预计问题,分析了影响维修资源需求的主要因素,按照维修资源的不同特点,提出了一种维修资源分类方法;根据装备保障的实际过程,勾画出了维修资源需求预计的一般流程,并构建了各类维修资源的需求预计模型;最后给出了具体算例,证明已构建维修资源需求预计模型的适用性和可行性。     

一种新的红外图像快速分割方法研究

研究红外图像目标分割快速优化问题。在高分辨率红外图像的分割中,红外图像存在数据量大、目标的边缘模糊和噪声较大等导致分辨率低和实时性差。为了快速准确分割,提出基于低尺度分割阈值预测的快速红外图像分割方法(LFIRS)。首先建立尺度阶数计算模型以确定保留原始红外图像目标基本信息所需的最小尺度,在分析多尺度过程对具有目标/背景强相关特性的红外图像进行分割阈值,建立多尺度红外图像分割阈值的相关模型(CLM),结合经典二维阈值法得到的最低两个尺度的阈值CLM模型参数,可以通过CLM模型与最小尺度的快速获取原始尺度的分割阈值,实现红外图像的快速分割。实验结果表明,改进方法提高了图像分辨和分割速度,且改善了分割效果。     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.