大豆油基聚酯多元醇的合成及其在聚氨酯泡沫中的应用

以大豆油、苯酐、对苯二甲酸和小分子醇为原料,通过酯化–酯交换反应,制得了酸值0.5mg/g的大豆油基聚酯多元醇。通过FTIR(傅里叶变换红外)、~1H-NMR(核磁共振氢谱)的结构表征,确认了大豆油成功引入聚酯分子链中。同时,考察了大豆油用量对聚酯多元醇品质和聚氨酯泡沫性能的影响。结果表明,原料体系中含有质量分数15%～25%大豆油合成的聚酯多元醇时外观及加工性能较好,由其制备的聚氨酯泡沫的低温尺寸稳定性优异。     

DBN在蛋白质编码区识别问题中的应用研究

针对真核生物DNA序列中蛋白质编码区的识别问题,提出基于深度置信网络（Deep Belief Network,DBN）的组合模型。通过信号处理技术对真核生物的DNA序列进行数值转换,并结合统计学知识提取转换后DNA序列的数值特征;利用随机森林对所提取的特征变量降维;用深度置信网络模型对DNA序列分类判别;根据短时傅里叶变换（Short Time Fourier Transform,STFT）技术对外显子区准确定位。在三个标准测试集上比较组合模型与传统[Logistic]回归模型、贝叶斯判别模型的判别效果,结果显示,深度置信网络组合模型的准确率和特异度等指标都明显优于[Logistic]回归模型和贝叶斯判别模型。     

XGBoost算法在风电机组发电机故障监测预警中的应用研究

发电机作为整个风电机组的核心部件之一,其能否正常运行将严重影响风电机组的持续发电.利用集成机器学习算法中的梯度提升算法XGBoost对风电机组发电机故障监测预警进行研究.首先,提取数据采集与监控(SCADA)系统数据库中风电机组在并网状态下的正常运行大数据,对缺失、异常数据进行预处理后,结合运维专家经验利用XGBoos...     

基于Stacking集成学习的风机主轴止推轴承故障预警研究

主轴止推轴承是风机的关键部件,一旦发生故障,将导致机组遭受严重损失。为实现风电机组主轴止推轴承早期故障预警,及早采取维护措施从而避免故障的进一步扩大。本文以风机主轴止推轴承温度为研究对象,提出一种基于风电机组正常运行状态下数据采集与监视控制(SCADA)的Stacking故障提前预警模型。首先,本文利用四个单一模型的拟合优度与均方误差比对特征进行综合排序,得到4组不同数量梯度特征组合的数据集。其次,通过对单一模型的预测性能以及相关性进行分析,最终确定以XGBoost、LightGBM以及随机森林作为基学习器,XGBoost作为元学习器建立Stacking集成学习预测模型。实验结果表明,基于Stacking模型对主轴止推轴承温度进行预测效果最好,预测误差相较于基模型有明显提升。最后,计算模型温度预测的均方根误差（RMSE）,并基于指数加权移动平均法(Exponential Weighted Moving Average,EWMA)设定主轴止推轴承正常状态下误差阈值。实验结果显示,本文建立的Stacking模型对风机主轴止推轴承故障至少可以提前6小时发出故障预警。     

烟威地区农民工职业病危害等级及预警研究

[目的]划分引发烟威地区农民工职业病因素的危害等级,建立预警体系.[过程]搜集烟威地区农民工职业病相关数据,并进行统计分析.[方法]运用多元线性回归分析、数据拟合等方法,建立体力劳动、高温作业、粉尘作业、有毒作业四种主要职业危害等级划分的数学模型.[结果]通过对烟威地区企业危害因素有关数据模拟运算,得到农民工从事主要行业职业危害因素等级,为建立预警体系提供了判断依据.[结论]烟威地区农民工从事行业的危险性普遍存在,应加强对危险度高的岗位工种的防控力度,制定并落实相关规章制度,切实保护农民工的生命安全.     

基于PXI和LabVIEW的电主轴轴承性能测控平台的设计

介绍了基于NI-PXI数据采集系统采集轴承在电主轴高速旋转过程中的温度、转速以及振动等信号,同时根据实际情况调节电机的转速.应用LabVIEW软件编写采集程序,实现了数据的实时采集、处理和保存等功能.     

双组分无溶剂聚氨酯胶黏剂的制备及性能研究

以聚醚多元醇和二苯基甲烷二异氰酸酯为原料,通过聚合反应制得双组分无溶剂聚氨酯胶黏剂的A组分;分别以蓖麻油、聚醚多元醇、聚酯多元醇、蓖麻油改性的聚酯多元醇作B组分。将A、B组分混合,涂布于复合膜之间,经熟化反应,制得双组分无溶剂聚氨酯胶黏剂。系统研究了A组分中的异氰酸酯基含量、B组分多元醇种类对胶黏剂的黏结强度和耐水煮性能的影响。结果表明：当A组分异氰酸酯基质量分数为17%时,胶黏剂的剥离强度最大;采用蓖麻油改性的聚酯多元醇作B组分时,胶黏剂黏结性能优异,经沸水煮3 h后,其剥离强度维持在3.7×15^-1N/mm,展现出优异的耐水煮性能。     

改进YOLOv5的光伏组件热斑及遮挡小目标检测

热斑会严重影响光伏组件发电效率，利用红外光图像检测热斑，难以同时实现树叶、鸟粪等小型异物遮挡的有效识别，及时发现和清理异物可以有效降低因受到持续遮挡而引起的热斑。为实现对热斑更加全面的识别和处理，基于无人机巡检可见光和红外光视频图像尺寸及检测任务特点，结合K-means++算法与IoU指标改进了YOLOv5的锚框设定方案以改善结果的随机性；可见光场景中，针对遮挡物体较小导致难以检测的问题，在YOLOv5s6的主干网络中嵌入坐标注意力机制(coordinate attention,CA)，设计了遮挡小目标检测模型(CA-YOLOv5s6)；红外光场景中，热斑区域较为明显，选择轻量化网络YOLOv5n作为其检测模型。实验结果显示：相较于YOLOv5s6,CA-YOLOv5s6的mAP提升了2.97个百分点，达到83.78%,Parameters减少了4.8×10⁵，达到1.18×10⁷，有效地提高了遮挡小目标的检测精度；YOLOv5n模型的mAP、FPS、Parameters分别为93.31%、83.3、1.76×10⁶，可...