Inconel718合金高温氧化行为

为探究电渣重熔冶炼Inconel718合金过程中电极氧化机理,研究了Inconel718合金在1 150℃下的高温氧化行为。结果表明,在1 150℃下,Inconel718合金氧化动力学曲线遵循线性关系。在高温氧化期间,Cr和Ni等合金元素会快速氧化形成富Ni和Fe及Cr的Cr_2O_3、Fe_2O_3、3Cr_2O_3·Fe_2O_3和含Ni的尖晶石Cr_2O_3·NiO。随着氧化时间的增加,Ti元素发生氧化形成TiO_2,Ti元素向外扩散的同时在氧化层间形成孔隙,加速氧元素向基体内部扩散,进而加速了其他合金元素的氧化。     

MSTP在辽宁电力传输网中的应用

电力通信网是整个电网运营的重要网络支撑,对安全性与可靠性有很高的要求。在现有电力传输网中,由SDH演化而来的MSTP技术占其主要地位,承载了电力网络的绝大部分业务。本文对电力传输网的特点以及MSTP在其中的应用作详细的研究。     

兰州西津黄土-古土壤序列中黏土矿物特征

采用扫描电镜和X射线衍射实验方法,分析兰州西津黄土层和古土壤层中的黏土矿物质量分数,计算其化学风化指数和结晶度,结合粒度和磁化率指标探讨黏土矿物质量分数比值的古环境意义.研究表明:黄土-古土壤序列的黏土矿物组合类型比较单一,黄土层中主要有伊利石、绿泥石和高岭石;古土壤层中主要为伊利石、绿泥石、高岭石、蒙脱石和伊/蒙混层矿物.西津钻孔中的黏土矿物对化学和物理风化较为敏感,古土壤发育时的水解程度强于黄土.与西津黄土的磁化率和粒度指标一样,黏土矿物质量分数比值在黄土和古土壤层中的差异能进行古环境重建.     

串联机器人运动学建模与轨迹规划研究

以IRS3003机器人为研究对象对六自由度串联机器人的运动学建模及轨迹规划方法进行研究,采用D H建模方法,结合Matlab Robotics机器人工具箱建立IRS3003机器人运动模型,对机器人操作空间进行运动学分析.采用五次多项式插值方法,基于PPO路径规划码垛轨迹,分别实现机器人在关节空间和笛卡尔空间的轨迹规划与...     

亚/超临界乙二醇中沙柳的液化工艺研究

在亚/超临界乙二醇体系中,以碳酸钠作为催化剂,利用正交试验和单因素方法对沙柳进行了液化实验,考察了反应时间、反应温度、催化剂用量、液固比以及沙柳的粒度对液化反应的影响。采用红外光谱,热重等手段分析了随着反应时间的增加,液化产物成分和液化残渣的变化。结果表明:①反应温度对液化有显著的影响,反应时间、催化剂用量、液固比以及沙柳粒度也有不同的影响;②沙柳液化适宜的工艺条件为:反应温度372.7℃,反应时间为15 min,乙二醇体积为60 mL,沙柳质量为5 g,催化剂质量为0.6 g时的液化率为98.56%;③对液化产物和固体残渣做红外分析,在达到反应时间10 min后的液化液体产物和固体残渣的峰型都没有大的变化,说明液化过程中沙柳组分中的半纤维素和木质素首先发生降解,并且残渣中仍存有纤维素,产物成分不会随着反应时间的延长而改变,且液化产物结构复杂,主要含有醇、醛、酯、酚类、芳烃等;④对沙柳固体残渣做热重分析知,半纤维素在反应时间为15 min时达到全部降解。纤维素的含量随着反应时间的延长有降低的趋势,说明延长反应时间会促进纤维素的降解。     

浅谈导电混凝土在道路除冰融雪方面的应用

导电混凝土是一种新型的特种功能混凝土,是通过在普通混凝土内添加一定量的导电组分材料而制成的。本文通过介绍它的导电机理及除冰融雪原理,提出了导电混凝土在实际应用中需要克服的几个问题,并展望了它的应用前景。     

MSTP在辽宁电力传输网中的应用

电力通信网是整个电网运营的重要网络支撑,对安全性与可靠性有很高的要求。在现有电力传输网中,由SDH演化而来的MSTP技术占其主要地位,承载了电力网络的绝大部分业务。本文对电力传输网的特点以及MSTP在其中的应用作详细的研究。     

基于PLESN和LESQRN概率预测模型的短期电力负荷预测

针对现有电力负荷预测不能很好反映负荷数据的周期性和趋势性以及残差的波动性特征,提出一种考虑周期性建模的泄露积分型回声状态网络点预测模型和泄露积分型回声状态分位数回归网络概率预测模型组合的短期电力负荷预测方法。首先,为了捕捉负荷的多重特征,定义了周期性和趋势性损失函数,辅助优化点预测模型;然后,为克服残差的波动问题,利用概率预测模型对点预测值与真实值的残差进行建模预测;最后整合同时刻的点预测值与残差预测区间得到概率预测模型结果。实际算例结果表明,与其他模型相比,所提模型不仅有效抑制尖端振荡现象,而且能够生成可靠的概率密度分布。     

基于长短时记忆网络的Encoder-Decoder多步交通流预测模型

交通流序列多为单步预测.为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型.将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证.实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系.除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210～5.422、0.061～0.191.相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136.实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务.