应用音平化渣图象分析和指导转炉造渣操作

利用音平化渣图象可以清晰地看出在转炉造渣过程中何时发生喷溅，何时发生炉渣返干和何时化渣正常。应用音平化渣图象和炉渣三元相图，可以正确地分析发生喷溅和返干的原因，从而找到避免突发性喷溅和严重返干的方法。正确的枪位和炉渣碱度控制是实现平稳吹炼的保证，而音平化渣图象能帮助操作工实现这一目标。     

转炉炼钢氧枪枪位自动控制专家系统的实验室研究

在转炉造渣过程中，渣中FeO的含量直接影响到石灰的溶解速度、造渣途径和炉渣的喷溅、返干，在泡沫渣淹没吹炼状态下，调整氧枪枪位可有效地控制渣中FeO的含量。音平控渣系统，可以给出喷溅、返干的趋势，在此基础上，开发氧枪枪位自动控制专家系统，对喷溅、返干进行预测，采用自学习技术给出枪拉操作提示。此系统为氧枪自动控制奠定了基础。     

一种基于邻域系统密度差异度量的离群点检测算法

针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题,提出了基于邻域系统密度差异度量的离群点检测NSD（neighborhood system density difference）算法。相较于传统基于密度的离群点检测方法,NSD算法引入了截取距离的概念。首先计算数据集中对象在截取距离内的邻居点个数;其次计算对象的邻域系统密度;然后将对象的密度与它邻居的密度进行比较,判定目标对象与其邻居趋向于同一簇的程度;最后输出最可能是离群点的对象。将NSD算法与LOF、LDOF、CBOF算法在真实数据集与合成数据集中对比实验发现,NSD算法具有较高的检测准确率和执行效率以及较低的参数敏感性,证明了NSD算法是有效可行的。     

泵站机电设备的维护与管理概述

机电设备是保证泵站安全生产的重要组成部分。其在使用过程中难免会出现各种故障,所以需要加强泵站机电设备的运行与维护。基于此,本文首先介绍了泵站机电设备维护和管理的重要作用,然后分析了泵站机电设备运行管理的现状,最后提出了泵站机电设备的维护策略以及管理策略,希望可以为有需要的人提供参考意见。     

普宁市旧地电排站机电设备技术改造设计

普宁市旧地电排站是占陇镇主要排涝工程之一,经过30多年的运行,机电设备老化、锈损严重,目前仅有3＃泵可勉强运行,且效率低、噪音大、能耗高,存在严重的安全隐患。因此,必须进行技术改造,以满足排涝要求。     

基于路表分形摩擦理论的整车雨天制动性能模拟

采用一种考虑橡胶-路面摩擦特性与水膜动水压力的雨天车辆制动模拟方法,研究了积水沥青路面上车辆的制动性能。首先运用路表分形摩擦理论,基于路面功率谱和橡胶的复模量计算出橡胶-路面的动摩擦因数。然后建立轮胎有限元滑水模型,分析了不同行驶速度及水膜厚度下轮胎-水膜-路面接触力变化规律。在此基础上,建立整车动力模型,基于车辆防抱死制动机理模拟评估了积水直线与弯道路面上整车制动性能。研究表明:与干燥状态相比,潮湿状态下橡胶-路面动摩擦因数下降了13%～34%;轮胎滑水过程中,随着轮胎行驶速度的增加,轮胎-路面接触力逐渐减小、水流竖向托举力逐渐增大,水膜厚度的增加也会产生相同的效果;较低的车辆行驶速度、较小的路表水膜厚度以及防抱死系统,都能有效降低车辆制动距离;相比于单个车轮的临界水漂速度,采用整车模型分析积水路面车辆行驶状况更切合实际状态。     

基于深度学习的命名实体识别研究综述

命名实体识别是自然语言处理领域的一项关键任务,其目的在于从自然语言文本中识别出具有特定含义的实体,如人名、地名、机构名和专有名词等。在命名实体识别任务中,研究人员提出过多种方法,包括基于知识和有监督的机器学习方法。近年来,随着互联网文本数据规模的快速扩大和深度学习技术的快速发展,深度学习模型已成为命名实体识别的研究热点,并在该领域取得显著进展。文中全面回顾现有的命名实体识别深度学习技术,主要分为四类：基于卷积神经网络模型、基于循环神经网络模型、基于Transformer模型和基于图神经网络模型的命名实体识别。此外,对深度学习的命名实体识别架构进行了介绍。最后,探讨命名实体识别所面临的挑战以及未来可能的研究方向,以期推动命名实体识别领域的进一步发展。     

转炉造渣过程检测的声学原理及应用

通过声学理论分析,阐述了在音平检测转炉造渣过程中有效隔离和屏蔽干扰的方法,以及如何优化检取有用吹炼噪声。两年的工厂实践证明,利用音平检测炉渣状态,不仅有助于炼钢过程的监控和优化,而且有助于判断溅渣护炉时的溅渣效果     

氧气加压反应器中碳氧反应研究

从热力学和动力学方面探索了氧气加压反应器中炼钢能加速脱碳和升温的原因。