回火温度对30CrMnSiA棒料拉伸性能的影响

本问采用不同规格的30CrMnSiA棒料在淬火温度885℃、回火温度510℃/490℃,淬火温度895℃、回火温度560℃/530℃热处理后,对试棒进行拉伸试验,研究30CrMnSiA棒料热处理中回火温度对拉伸性能的影响。     

反滤回灌井口井损的实验研究

为分析反滤回灌井口过流时的局部井损,研制了实验装置并进行井损实验,总结了井损的特点和规律。结果表明:反滤回灌井口局部井损主要包括土工布、井口井壁和井口内部水流转向所产生的井损;井口井壁产生的局部井损与流速成正比,圆形井口井壁产生的局部井损小于方形井口井壁产生的局部井损;井口井壁产生的局部井损与开孔率成反比;土工布产生的局部井损与水流流速成正比,与开孔率成反比;井口内部水流转向产生的局部井损与回灌水头成正比,与井口类型无关。     

蚁群算法在游园最优路径选择上的应用

人工蚁群算法是一种新型的模拟进化算法,该算法通过模拟蚁群搜索食物的过程,以求解比较困难的组合优化问题。运用蚁群算法对游客在游园过程中的最优路径选择问题进行了实际分析,取得较好效果。     

一种基于占优度的随机多属性决策方法

针对具有随机变量的随机多属性决策(SMADM)问题,提出了一种基于占优度的随机多属性决策方法.首先,给出了两个方案之间比较的占优度定义;然后通过计算针对每个属性的两两方案比较的占优度,构建占优度矩阵,并在此基础上,运用PROMETHEE Ⅱ方法得到方案的排序结果.结果表明,该方法具有概念清晰、计算过程简单等特点,较好地解决了运用基于随机占优准则的方法可能产生的信息损失问题.并通过一个算例说明了所提出方法的可行性和有效性.     

顶推施工连续梁施工中墩顶水平位移控制分析

结合某顶推施工连续梁的桥墩顶水平位移的观测与监控,分析了顶推施工过程中,墩顶水平位移过大、正负位移交替出现以及出现水平负位移较大的原因,并采取了相应措施,有效地解决了墩顶水平位移偏大的现象。     

高强度聚氨酯乳液的合成与性能研究

采用甲苯二异氰酸酯（TDI）、聚合物多元醇和二羟甲基丙酸（DMPA）反应制得聚氨酯乳液,讨论了不同的聚合物多元醇,-NCO与-OH摩尔比值,三羟甲基丙烷（TMP）和DMPA对乳液胶膜力学性能的影响,研究结果表明,当采用聚酯二元醇ODX-218,-NCO与-OH的摩尔比值为1.5,TMP和DMPA含量为2.0%和7.0%时,可以得到胶膜力学性能好的聚氨酯乳液。     

基于密度聚类算法的异常检测

聚类算法通常用于数据的聚类,但只要对算法结果从另一角度进行分析,则可发现它还可以用于异常数据的检测. 首先介绍了数据挖掘中的聚类算法,进而结合具体实例给出应用基于密度的聚类算法DBSCAN进行异常检测的过程,最后指出最终异常数据集的确定还应结合领域专家意见.     

基于NSGA-Ⅱ算法的高压共轨喷油器优化设计

针对高压共轨电控喷油器关键结构参数对喷油器的响应特性影响深刻的特点,采用带精英策略的非支配性遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ),基于多目标多学科优化平台modeFRONTIER和液压仿真分析软件AMESim,以针阀开启延迟和关闭延迟为目标函数建立了多目标优化模型,对电控喷油器的关键结构参数进行多目标优化设计.结果表明:针阀开启延迟时间降低了16.7%,达到0.25ms;关闭延迟时间降低了15.2%,达到0.78ms.     

重金属Cd、Pb胁迫对大灰藓Hypnum plumaeforme Will.叶绿素荧光参数的影响

利用快速叶绿素荧光动力学技术研究了单一重金属Cd2+、Pb2+污染下大灰藓Hypnum plumaeformeWill.叶绿素荧光动力学的变化.研究表明,重金属Cd2+和Pb2+胁迫均导致大灰藓Hypnum plumaeforme Will.叶绿素荧光参数Fv/Fm、ETo/TRo、ETo/ABS、RC/CSo、TRo/ABS的下降,其下降程度与溶液中重金属的浓度和处理时间有关,其中ETo/ABS和RC/CSo对重金属Pb和Cd胁迫更灵敏.大灰藓可以耐受20uM以内的单一重金属Pb和Cd,高浓度的Pb和Cd均能造成大灰藓的形态和结构的损害,重金属Cd对大灰藓光合作用的影响要大于Pb.     

基于AM-LSTM模型的超短期风电功率预测

近年来,中国的风力发电产业高速发展。然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行。为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合, LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确。采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果。该预测模型为风电场地电力调度提供了科学参考。