油浸式变压器微型机器鱼姿态定位

为有效检测大型变压器内部的故障位置和故障类型,利用微型机器鱼对变压器内部进行视觉观测,可较直观地检查变压器内部器件有无异常等。在微型机器鱼检测过程中,如何实现微型机器鱼位姿的准确定位是机器鱼任务完成的关键。针对金属封闭空间内变压器油中微型机器鱼位姿检测的问题,提出了基于声-电位姿定位和惯性导航相结合的联合位姿检测方法。通过分析超声信号在变压器内部及外壳上的传播特性提出了声-电联合定位装置安装方式;基于内嵌式的安装方式设计了声-电联合定位传感器,构建了变压器机器鱼姿态计算数学模型,并对变压器机器鱼姿态定位进行了仿真测试,测试结果表明:基于声-电位姿定位方法并结合构建的变压器机器鱼姿态计算模型,可以实现机器鱼在变压器内的同步定位。     

HPLC法测定四方藤中岩白菜素和白藜芦醇的含量

以高效液相色谱法同时测定四方藤中岩白菜素和白藜芦醇的质量分数,色谱柱为SinoChrom ODSBP C18(5μm,4.6mm×200mm),流动相为乙腈-水,流速为1.0mL·min-1,在波长为318nm下进行梯度洗脱。结果表明,岩白菜素和白藜芦醇对照品分别在0.380 95~1.944 76μg(R2=0.999)、0.019 867~0.099 33μg(R2=0.999 5)呈良好的线性关系,平均加样回收率分别为97.71%、97.53%;RSD分别为1.08%(n=6)、0.88%(n=6)。该方法操作简单、重现性好、结果准确,能在318nm处对四方藤中岩白菜素和白藜芦醇的质量分数同时进行定量分析。     

利用深度学习对深冲钢机械性能的预测

当前钢铁企业主要采用“事后抽检”方式来控制最终的产品质量。但因无法基于传统方法对所有产品实现在线质量预测,常发生索赔和退货,这也是导致企业经济损失的一大因素。在生产过程中为实现对深冲钢在线质量预测,引入了基于深度学习的机械性能预测模型。首先利用LSTM（长短时记忆）、GRU（门控循环单元）网络和GPR（高斯过程回归）模型去预测深冲钢的机械性能,并讨论了三种模式的预测精度和学习效率,其次提出了在线迁移学习模型。从结果来看不仅预测精度得到改善,而且预测耗时缩短能更好满足在线实时预测的要求。