ARM11嵌入式系统Linux下液晶显示的实现

通过对ARM11嵌入式系统Linux下程序设计的研究,分析了ARM11嵌入式系统Linux下控制液晶显示的驱动程序和应用程序的实现方法。并以液晶屏NS320240A为例,采用直接读写GPIO的驱动方式,实现了对该液晶屏的显示控制,实际应用表明:用该方法控制液晶显示驱动程序简单、移植性强、程序调试方便,对在Linux下实现其它液晶屏的控制以及驱动程序的编写具有指导意义。     

超高效液相色谱-质谱联用法(UPLC-MS/MS)同时测定白酒中的微量甜味剂

以超纯水为提取溶剂,采用甲醇-0.02 mol/L乙酸铵溶液的流动相体系和负离子电离模式,用超高效液相色谱-三重四极杆质谱联用仪测定白酒中的安赛蜜、糖精钠、甜蜜素和三氯蔗糖。结果表明,安赛蜜、糖精钠、甜蜜素和三氯蔗糖线性范围在10～1000 ng/mL内R2大于0.9983,检出限分别为0.024 mg/kg、0.06 mg/kg、0.03 mg/kg、0.1 mg/kg,加标回收率大于82%,RSD小于2.01%。该方法简便灵敏,准确快速,可用于白酒中微量甜味剂的快速测定。     

数字音频信号发生器的测量

通过对数字音频信号发生器的实际测量,确定了数字音频信号发生器最常用的测试项目和测量方法．计论了在实际测试过程中需要注意的问题,也为更好地开展数字音频信号发生器类仪器的测试工作提供参考。     

基于数据挖掘的火电机组运行模式建立方法研究

为使火电机组运行方式更经济,充分利用火电厂历史运行数据,设计一种基于聚类分析的模式归并算法,用于建立火电机组典型的运行模式集合。该算法以划分工况区间的数据为挖掘对象,通过对典型热力参数的相似性比较与分析,将满足条件的运行记录归并为一类运行模式。运行模式集合挖掘完毕后建立典型运行模式库。利用该归并算法对盘山电厂历史运行数据进行挖掘,结果表明了算法的有效性。     

考虑精细模型的电-气综合能源系统优化运行方法

随着电力系统与天然气系统耦合程度的不断加深,电-气综合能源系统的优化运行成为当下研究热点。然而,电力与天然气系统的非凸非线性为模型的优化求解带来了巨大挑战,诸多研究工作对模型做了简化处理可能导致调度策略不可行。为此,文中构建了电-气综合能源系统优化模型,采用较为精细的电网交流潮流模型和气网稳态模型构成电-气综合能源系统模型,并采用粒子群(Particle Swarm Optimization,PSO)算法进行求解。为考虑复杂的耦合系统约束,文中将基于分别循环迭代的电-气综合能源系统能量流计算方法嵌入粒子群算法中,根据粒子位置得到非平衡机组出力、非平衡气井产气量,通过能量流计算得到系统的运行状态,进而将上下限约束作为罚项添加到粒子的评价函数中,并赋以较高的权重。在仿真验证中,文中将13节点电力网络与7节点天然气网络耦合作为测试系统,验证了优化方法的有效性。     

CO2和甲醇直接合成碳酸二甲酯催化剂研究进展

CO₂和甲醇直接合成碳酸二甲酯(DMC)是降低碳排放和利用碳资源的有效途径,具有重要的研究价值。综述近年来CO₂和甲醇直接合成DMC催化剂的研究成果,重点介绍了不同催化体系(均相、非均相、添加脱水剂)对直接合成DMC的催化作用及反应机理,并对后续催化剂的研究方向和应用前景作了展望。     

X80螺旋埋弧焊管的性能分析

在X80管线钢卷板的性能符合西气东输要求的情况下,研究了其螺旋埋弧焊管的组织形貌、力学性能和维氏硬度.研究表明:X80管线钢螺旋焊管焊接接头形貌良好,焊缝、热影响区的晶粒细小,组织合理:力学性能优良,-10℃管体、焊缝和热影响区的冲击功分别为267、147和96J,剪切面积分别为98%、78%、49%,0℃管体DWTT剪切面积为100%;硬度均低于275HV10,各项指标均满足西气东输X80管线钢螺旋焊管要求.     

两种船体钢耐点蚀性能的电化学噪声评估

运用电化学噪声(EN)测量技术和极化曲线技术检测两种船体钢A和B在0.5mol/L NaHCO3+3%NaCl溶液中的腐蚀状况,结果表明,两种钢的噪声图谱都表现出了明显的点蚀特征;在点蚀诱导期,B钢电位噪声波动的幅度和暂态峰的密集程度均比A钢大,而且诱导期持续时间较短;对噪声电阻的分析也表明,在该试验体系中A钢表面状态更稳定。极化曲线的分析结果表明A钢的点蚀电位较高、极化电阻较大、腐蚀电流较小,耐点蚀性能更好,这与电化学噪声分析的结论一致。     

万顺国际公寓深基坑支护技术

万顺国际公寓深基坑工程中采用大空间深基坑钢混联合支撑体系并成功应用,取得了缩短工期、节约投资的良好效果和一定的社会效益。     

基于孪生自适应图卷积算法的点云分类与分割

点云数据具有稀疏性、不规则性和置换不变性,缺乏拓扑信息,导致它的特征难以被提取,为此,提出一种孪生自适应图卷积算法（SAGCA）进行点云分类与分割。首先,构建特征关系图挖掘不规则、稀疏点云特征间的拓扑关系;其次,引入共享卷积学习权重的孪生构图思想,保证点云的置换不变性,使拓扑关系表达更准确;最后,采用整体、局部两种结合方式,将SAGCA与各种处理点云数据的深度学习网络相结合,增强网络的特征提取能力。分别在ScanObjectNN、ShapeNetPart和S3DIS数据集上进行分类、对象部件分割和场景语义分割实验的结果表明,相较于PointNet++基准网络,基于同样的数据集和评价标准,SAGCA分类实验的类别平均准确率（mAcc）提高了2.80个百分点,对象部件分割实验的总体类别平均交并比（IoU）提高了2.31个百分点,场景语义分割实验的类别平均交并比（mIoU）提高了2.40个百分点,说明SAGCA能有效增强网络的特征提取能力,适用于多种点云分类分割任务。