面向机电产品回收的选择性拆卸技术

合理选择拆卸方法是提高废旧机电产品回收率的重要保证。研究和构建了机电产品面向回收的选择性拆卸模型,提出了绿色制造系统的优选方法,同时通过废旧产品选择性拆卸的递归算法,以BD-148冰柜产品作为实例研究,最终获得最经济的回收方案。     

媒体数据交换平台相关技术的探讨

本文提出了网络化、数字化环境中,电视台各业务系统之间媒体数据互联互通问题的解决方案,介绍了媒体数据交换平台的功能、架构,并探讨了所涉及的若干技术问题。     

薄壁奥氏体不锈钢管对接接头超声相控阵检测

奥氏体不锈钢对接接头广泛用于压力管道制造过程中,焊接接头的质量直接影响到承压特种设备的安全。目前,NB/T 47013—2015明确规定常规脉冲反射法超声检测只适用于10～80 mm的奥氏体不锈钢管对接接头。大量4～10 mm薄壁奥氏体不锈钢压力管道对接接头只能采用射线检测。运用相控阵超声检测技术对4～10 mm壁厚工件进行可行性研究,通过实验验证了相控阵检测技术的可行性和有效性。     

一种低温低密度可固化隔离液的研制与性能评价

为适应海上“零排放”的环境保护政策,最大限度减少环空自由套管长度,同时为了提高斜井（尤其大位移井段、水平井段）固井顶替效率,改善固井二界面封固质量,研制了一种低温低密度条件下可固化的隔离液LL-CSF。对其进行性能评价,结果表明:① LL-CSF与钻井液和水泥浆具有良好的相容性,满足固井作业对前置液的要求;② LL-CSF与钻井液和水泥浆的混合液固化体抗压强度达到1.6 MPa以上,且与钻井液的混合液固化体也具有一定的抗压强度;③温度为20℃和40℃时,LL-CSF有利于提高固井二界面抗剪切强度,且40℃下可提高约3倍,但温度超过60℃时则不利于固井二界面胶结;④随着温度和时间的增加,LL-CSF固化体抗压强度先增大后降低,但随着LL-CSF密度的增大,其固化体抗压强度总体呈增大趋势;⑤ LL-CSF固化体具有较好的耐久性和稳定性。LL-CSF固化机理初步认为先是矿渣中富钙相和富硅相分解,然后各种离子和化学键重组而形成相应的水化产物。LL-CSF具有成本低廉、现场实施简便,可满足海洋固井的特殊需求,即在低温（小于40℃）且水泥浆不返到地面而又需要隔离液固化充填的固井中具有一定的应用前景。      

丙烷脒等药剂防治设施延迟栽培葡萄灰霉病药效试验

葡萄灰霉病是葡萄设施延迟栽培中的一种重要病害。近年来,灰霉病对常规药剂的抗性明显增加,防效不理想。2010年,我们开展了室内药剂筛选试验和大田药效试验,筛选出了两种防治葡萄灰霉病的高效、无公害药剂,并在生产上应用,取得了良     

水厂-管网协同控制提升管网供水水质的策略与实践

充分考虑管网输配过程中水质稳定性对水厂工艺条件、出厂水水质指标的要求,从水厂-管网协同控制的水质安全保障理念,通过优化水厂布局、改善管网水力条件、构建应对多水源和季节性高藻的强适应性净水体系、强化出厂水水质化学稳定性和生物稳定性控制、持续管网及老旧小区更新改造等工程技术措施,提高南水北调水源进京后管网水质的稳定性.根据2014-2019年全市252个管网监测点的水质监测数据,发现管网水浊度整体呈季节性周期变化趋势,且逐年降低;构建的管网水质评价模型进一步证明了管网水浊度一级监测点数量显著增加,2019年一级和二级监测点数量达到总数的94％,管网监测点的浊度指标得到显著改善,水厂-管网协同控制技术的实施切实保障了北京市供水水质的稳定达标.     

基于网格密度峰值聚类的实时雷达分选系统

雷达分选是雷达信号处理中的重要环节。为了解决从复杂电磁环境中准确分选出各个雷达信号的难题,提出一种新的基于网格密度峰值的数据流聚类算法,并将其应用于对雷达信号脉冲描述的实时聚类,从而进行雷达分选。该算法采用双重网格划分方式,解决传统基于网格的聚类算法中边界丢失的问题,并采用基于改进密度峰值的网格合并方式进行聚类避免将距离较近的类合并。仿真实验结果表明,该算法可以用于实时雷达分选,很好地处理了重叠严重的雷达信号,有较高的准确度和抗干扰能力。     

基于Spark的并行频繁项集挖掘算法

关联规则挖掘是数据挖掘领域的重要研究方向之一。频繁项集的挖掘是关联规则挖掘的第一步,也是最重要的步骤。FP-Growth(Frequent Pattern-Growth)算法因其挖掘效率以及空间复杂度方面的优势被广泛应用于频繁项集挖掘任务中。面对海量数据,FP-Growth算法挖掘效率变得极低甚至失效。在Hadoop大数据平台上实现的基于MapReduce框架的并行FP-Growth算法——PFP算法解决在处理大规模数据时传统算法失效的问题,但是由于其将每次执行之后的中间结果输出到磁盘,降低算法执行效率。为提高并行FP-Growth算法执行效率,提出一种基于Spark的SPFPG算法。该算法运用负载均衡思想对分组策略进行改进,综合考虑分区计算量和FP-Tree规模两个因素,保证每个组之间负载总和近似相等。在Spark上实现FP-Growth算法——SFPG算法的基础上,实现优化后的SPFPG算法。实验结果表明,SPFPG算法相比SFPG算法挖掘效率更高,且算法具有良好的扩展性。