基于 NSGA-Ⅲ和道路运输能力饱和度的露天矿卡车调度优化方法

为高效调配露天矿卡车运输,进一步降低矿山企业运输成本,提出一 种新的基于 NSGA-Ⅲ和道路运输 能力饱和度的露天矿卡车调度优化方法。 在车流规划阶段,以卡车总运输 量和卡车非作业时间最小为目标,以矿山 各生产要素和生产原则为约束,建立多目标数学模型。 采用 NSGA-Ⅲ多目 标遗传算法进行求解,求解出当前场景下 完成矿山任务需要启用的最少卡车数量,以及理想的车流规划。 在运输实 时调度阶段,提出道路运输能力饱和度的 调度策略,并和固定派车法组成综合调度方法来调整车流。 在某露天矿实 验结果表明:该方法提供了合理的车流规 划,在完成道路车流目标的同时,有效减缓了道路的拥挤程度,减少了卡车在 装载点和卸载点排队发生的频率,能对 矿山系统正常情况和特殊情况进行处理,实现了实时调度卡车排队最优。     

AgBr-Ag3PO4-CSs三元复合光催化剂的制备及性能

以AgNO_3、KBr、Na_2HPO_4和碳球(CSs)为原料,通过共沉淀法制备了高活性的AgBr-Ag_3PO_4-CSs三元复合光催化剂。利用X射线衍射、场发射扫描电子显微镜、紫外-可见漫反射光谱和X射线光电子能谱等对复合催化剂的结构、形貌、光吸收范围及价态进行了表征,通过可见光下降解罗丹明B(RhB)和苯酚对复合催化剂的性能进行了考察。结果表明:以CSs为载体,将AgBr和Ag_3PO_4负载在CSs上,当n(AgBr):n(Ag_3PO_4)=4:100时,所得的4%AgBr-Ag_3PO_4-CSs复合催化剂光催化效果最佳,可见光照50 min时,对RhB的降解率达到99.3%;光照60 min时,降解率达到99.5%,几乎降解完全。对苯酚也具有超强的降解能力,捕获剂实验表明空穴为主要活性物种,并且所制备的复合光催化剂循环使用5次后时仍具有较高的光催化活性。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

分析化学中四类滴定方法的差异性比较

分析化学中的四大滴定方法分别为酸碱滴定法、络合滴定法、氧化还原法、沉淀滴定四大类。通过对四类滴定方法进行学习,对其考察对象、滴定突跃的影响因素、指示剂的作用原理进行比较分析,以期对分析化学中的四大滴定有一个更加深刻的了解。     

湍流进流诱发的二维水翼振动噪声特性研究

为研究螺旋桨流噪声,以螺旋桨的基本构型单位二维翼型为研究对象,研究其在不同工况下的振动噪声规律。以Lighthill声类比理论为基础,应用计算流体力学软件CFX和声学仿真软件LMS Virtual Lab分别模拟在不同工况下翼型的流场和声场分布。取翼型非定常脉动力作为声源,然后采用边界元方法分别求解翼型流噪声和振动噪声。结果表明,噪声水平随速度和翼型攻角的变化呈现较为明显的规律;相比考虑翼型振动时的振动噪声,忽略翼型振动影响的情况下流噪声水平偏大。     

论陶刻的铭文与装饰之美

<正>陶器的发明是人类社会的伟大创举,它从一种直接来自于生活与生产劳动的工艺美术品,经过数千年的积累沉淀,加上文人的参与,有的已经成为能够进入文人书房的雅致陈设,紫砂壶和很多紫砂器物就是这样。紫砂器物的实用性、特殊性与强烈的美     

甲基丙烯酸储罐泄漏事故危险区域分析

甲基丙烯酸是生产水泥助磨剂的重要原料,其存储使用过程的安全管控和应急防范是水泥耐磨剂生产企业的重要工作内容。分析了甲基丙烯酸的火灾危险性和健康危险性,结合某企业甲基丙烯酸存储现状,设定了泄漏扩散场景,采用ALOHA分析了不同外界风速条件下,泄漏后健康危害危险区域和泄漏后火灾高温危害危险区域分布范围。结果表明:不同风速条件下,因其泄漏后毒性特征形成危险区域范围边界距泄漏点最远39m;因泄漏火灾形成的高温危险区域范围边界距泄露点最远为13m。可为水泥助磨剂生产企业科学制定泄漏应急预案提供指导。     

电脑刺绣在家纺设计中的创意运用

在用电脑刺绣软件进行家用纺织品设计时,设计者应遵循的基本原则是:电脑是辅助设计工具,必须掌握图案设计规律,并结合针法与绣线色彩的灵活运用,才能完成一套精致的刺绣家纺产品。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。