基于SSH2与JBPM的企业员工考勤系统的设计与实现

随着科学技术的发展,办公自动化逐步被各个企业所应用,传统的员工考勤制度和方式逐渐被淘汰,而是逐步采用考勤管理系统对企业员工进行考勤。本文基于SSH2和JBPM技术对考勤管理系统进行分析和设计,提高了系统的灵活性和可操作性,希望可以为企业的考勤制度起到良好的效果。     

改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

2A12铝合金化学铣切加工工艺探讨

为了精确加工2Al2铝合金,探讨了化铣时间和温度对其化铣速率及表面粗糙度的影响,采用现代技术对化铣工件的力学性能进行了测试与分析.结果表明:延长非化铣部位保护胶固化时间并使保护部位向非加工面位移3～5 mm可很好地解决未化铣区域的腐蚀问题;随化铣时间的延长,化铣速率降低,且化铣温度与化铣速率呈现正相关性;化铣表面的粗糙度随化铣时间的延长而增加,随化铣温度的升高呈先减小后增加的趋势;化铣后材料的抗拉强度和屈服强度均有所提高.     

火电机组负荷分配中多源不确定性因素影响分析

不确定性因素存在于火电机组负荷分配中，影响机组负荷分配、节能环保目标。本文综合考虑负荷预测不确定性、机组煤耗率不确定性与其CO2排放系数不确定性，分别构建火电机组一次能源消耗成本与CO2排放量最小目标下的火电机组负荷优化分配模型；以此为基础，引入析因分析方差分解方法，量化多源不确定性因素单独与交互作用下对节能、环保目标的影响程度。结果表明:负荷预测不确定性对火电机组节能、环保目标影响最为显著，相对影响程度分别为51.13%、62.70%；机组煤耗特性及其CO2排放系数影响次之，相对影响程度分别为47.58%、34.95%。此研究结果对不确定性条件下电力系统负荷分配具有借鉴价值。     

磺酸型离子液体催化合成脂肪族1,2-二醇

以磺酸型离子液体1-(3-丙烷磺酸)吡啶磷酸氢盐[PyPS]H_2PO_4为催化剂催化甲酸-双氧水氧化端烯烃合成相应的1,2-二醇,采用~1H NMR对产物的结构进行了表征。以1-己烯合成1,2-己二醇为模型反应,得到了反应的优化条件,即:n(1-己烯)∶n(H_2O_2)∶n(甲酸)=1∶1.1∶2,催化剂[PyPS]H_2PO_4 2.5 mol%,反应温度50℃,反应6 h。在此条件下,1,2-己二醇、1,2-戊二醇、1,2-辛二醇、1,2-环己二醇以及苯乙二醇收率分别为78.2%,74.7%,68.8%,76.2%和74.0%。[PyPS]H_2PO_4容易回收,在循环使用中催化活性未见明显降低。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

某油田油井采出水腐蚀因素研究

我国油田油井生产中采油井管柱腐蚀现象十分普遍,所以在注CO_2驱进行开采过程中要进行采出水的质量分析。对现阶段的油田生产腐蚀及防腐技术进行论述,提出相对应的防腐措施,进一步为油田生产作业提高产量。     

Zn掺杂改性TiO2的制备及其光催化性能研究

利用溶胶-凝胶法制备了Zn掺杂改性TiO_2催化剂。通过X射线衍射仪、扫描电子显微镜对制备的光催化剂进行表征,考察了该催化剂对亚甲基蓝废水的光催化降解性能。结果表明,Zn成功掺入TiO_2中,Zn掺杂改性TiO_2和纯TiO_2均属于锐钛矿TiO_2晶型。在催化剂投入量为1.5g/L、亚甲基蓝质量浓度为10mg/L、降解时间为0～2h条件下,Zn掺杂改性TiO_2催化剂对亚甲基蓝溶液的降解率超过60%,明显高于纯TiO_2的降解率。