高级公路湿陷性黄土路基的处治

结合作者多年来参加公路工程建设的实践经验,重点研究和介绍了湿陷性黄土的分类、特点和判别方法,为湿陷性黄土地区高等级公路的路基施工提供经验。     

山区公路软基病害研究

随着西部大开发战略的实施,对山区软土特性及其对道路工程危害性的研究日益受到人们的重视,由此,本文结合实际工程对山区软土的成因和特性进行了研究和分析,初步总结了山区软基的主要病害类型,提出了相应的软基处理方法和建议。     

基于改进粒子群算法的电站锅炉NOx排放预测控制及优化

基于支持向量机算法建立锅炉NOx排放模型,并利用实炉热态数据对模型进行校验.应用一种改进的粒子群优化算法对锅炉运行参数进行优化,并与一般线性粒子群优化算法进行对比.研究结果表明,NOx排放量明显降低,且改进的优化算法收敛性更好,为锅炉NOx排放的预测控制提供了更好的方式.     

青藏铁路九大世界之最

“汽笛一声响,火车进西藏”,随着青藏铁路的建成通车,西藏这个占全国总面积八分之一的雪域高原,在火车汽笛声中结束了没有铁路的历史。伟大的青藏铁路建设者们在谱写这部“天路传奇”的同时,也为我们创造了一项又一项世界之最:最长的高原铁路、最长的高原冻土铁路桥、海拔最高的火车站、高原铁路最高时速……今天,我们来细数这条天路带来的世界之最,也带着大家进行一次自豪之旅。世界之最1线路最长的高原铁路全线总里程达1142千米青藏铁路格拉段是世界上最长的高原铁路。从格尔木市南山口车站前行,雪山巍峨,河流纵横,草原茫茫,湖泊遍布。这…     

深海底采矿机器人遥测遥控系统

给出了深海底采矿机器人遥测遥控系统的设计方案.系统由洋面监控站、海底监控站以及能适应深海洋环境的传感器组成.水面和水下分别采用SIMATIC PCS 7分散控制系统和以Compact PCI总线的PC为基础的分散控制系统,确保系统可靠运行.系统所需的软件采用VB编制.实验结果表明,该系统能够满足深海底采矿的需要.     

高炉料面煤气流分布识别方法

针对高炉料面煤气流分布难于检测的问题,提出了一种基于多源信息的高炉料面煤气流分布识别方法.在对高炉机理分析的基础上,确定了高炉中几个重要的过程参量.同时采用区域划分的方法对十字测温数据进行处理,并提取3个主要位置的特征值.根据布料模型建立O/C计算模型,并提取O/C特征指数.最后综合多种检测信息,运用自组织神经网络对高炉料面典型煤气流分布形态进行识别.实验结果表明:本文提出的基于多源信息的识别方法,识别率比传统方法提高了5％～10％,也避免了误识别的情况.     

微波合成锂离子电池正极复合材料LiFePO4/C电化学性能

采用微波合成技术合成锂离子电池正极材料LiFePO4,并进行碳掺杂,合成出复合材料LiFePO4/C.通过XRD,SEM和恒电流充放电实验,研究了材料结构形貌和电化学性能.结果表明,掺碳量4%时,采用40mA/g进行充放电,材料比容量可以达到109mAh/g,高倍率性能也有一定程度的提高.     

煤气混合过程热值与压力的模糊补偿解耦控制

针对煤气混合过程的强耦合、强干扰和非线性等特点,提出一种将模糊控制和补偿解耦相结合的控制方法。首先,根据混合煤气热值和压力控制精度的不同要求,分别设计模糊控制器对热值和压力进行控制;然后,通过分析热值和压力之间的耦合关系,利用补偿解耦控制器对它们之间的耦合影响进行补偿,并结合生产过程中积累的操作经验,设计一种模糊补偿解耦策略,实现混合煤气热值和压力的解耦;最后,针对煤气混合过程中的特殊工况建立专家控制器,对蝶阀的非线性特性采用专家规则修正阀位增量。研究结果表明:混合煤气热值和压力的波动能稳定在较小的范围之内,同时具有较强的抗干扰能力。     

基于用户特征聚类与服务质量预测的推荐方法

随着服务系统中Web服务的不断增加,为用户进行个性化Web服务推荐成为服务计算领域最热门的研究课题之一,然而,服务推荐面临不可靠用户和服务导致推荐的不准确性问题.为了解决上述问题,提出一种基于位置和信誉感知的Web服务推荐方法 .首先采用粒子群优化（Particle Swarm Optimization,PSO）对用户进行聚类,得到相似用户;其次,计算用户和服务的信誉来识别可信的用户和服务;最后,将相似用户和可信服务的信息整合到矩阵分解（Matrix Factorization,MF）中,为用户预测缺失的服务质量（Quality of Service,QoS）.在真实数据集WS-Dream上的实验验证了提出方法的可行性与有效性.与其他先进的预测方法相比,该方法的MAE (Mean Absolute Error)和RMSE (Root Mean Squared Error)较低,证明该方法有较高的预测准确性.     

用对数函数描述收敛因子的改进灰狼优化算法及其应用

针对灰狼优化(grey wolf optimization,GWO)算法在求解复杂高维优化问题时存在解精度低、易陷入局部最优等缺点,提出一种基于对数函数描述收敛因子的改进GWO算法。采用佳点集方法初始化种群以保证个体尽可能均匀地分布在搜索空间中;提出一种基于对数函数描述的非线性收敛因子替代线性递减收敛因子,以协调算法的勘探和开采能力;对当前最优的3个个体执行改进的精英反向学习策略产生精英反向个体,以避免算法出现早熟收敛。研究结果表明改进算法具有较好的寻优性能。