锅炉二次风道流动特性的模拟优化

以武汉武锅能源工程有限公司设计的二次风道为对象,运用数值模拟的方法考查了改造前后二次风道各出口空气的速度分布和质量流量分配情况。结果表明,通过布置弧形挡板,风道出口速度的均匀性显著提升,最大变异系数Cv由29%下降到9%,而且还避免了因风速不均引起的烧边现象。此外,改进后风道各出口空气的流量分配非常接近理想工况,与理想工况的偏差从9.9%缩小到2.1%。     

包含高渗透率分布式电源的母线负荷区间预测

针对包含高渗透率分布式电源的配电网母线负荷预测问题，不同于传统的点预测方法，提出了一种基于模糊信息粒化支持向量机的区间预测方法。采用支持向量机作为基本算法，在一定时间窗口内采用信息粒化的模型将历史数据进行粒化，将指定时间窗口内的数据采用支持向量机进行训练，并得到给定区间内的包含高渗透率分布式电源的配电网母线负荷区间预测结果。以某省会城市某110 kV母线负荷作为算例进行分析，结果表明，所提方法可以准确跟踪母线负荷在预测区间内的变化情况，对包含高渗透率分布式电源的母线负荷变化区间和趋势可以做较为精准的预测。     

人工智能时代驱使下的多元智能理论的第二维价值

通过介绍人工智能及其目前国内的发展状况及对工作的影响,回顾霍华德·加德纳的多元智能理论(multiple-intelligence)在信息时代的第一维度价值,并剖析多元智能理论在人工智能这一即将到来的特别时代中的第二维度价值,为我们现今的教育教学改革提供一定的思路与反思。     

卷烟主流烟气释放物主要影响因子分析

通过对气流速度(风速)、抽吸容量、调节大气相对湿度三因子对主流烟气释放物的影响程度的研究发现,气流速度的影响最大,抽吸容量的影响次之,调节大气相对湿度对测量结果几乎没有影响。     

某铅锌矿充填系统工艺选择研究分析

为了实现矿山稳态结构流充填,研究分析对比了两种不同的尾砂浓缩与脱水装置特点,并结合矿山实际情况,对泵送充填与自流充填工艺进行了技术经济综合分析,最终提出了利用小规格高效深锥浓密机加砂仓对尾砂进行浓缩储存的两段连续搅拌自流或泵送充填工艺。多年的实践经验表明,该充填系统工艺可以满足稳态结构流充填要求,充填质量有保障且建设投资费用不会增加。     

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性，提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先，在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计，对得到的背景噪声进行实时更新并保存；然后，将实时更新的背景噪声作为MMSE-LSA的参考噪声，并对噪声幅度谱进行自适应更新，最后进行降噪处理。通过在真实场景中对四类声信号进行实验，结果表明，该算法在保证对低SNR声信号的实时处理的情况下，相较于传统MMSE-LSA算法，降噪信号的SNR能够提高10~15 dB，且不存在信号过减的情况，可应用于实际工程。     

感潮河段码头建设对河道行洪能力影响分析的研究

感潮河段在径流和潮流共同作用下,水流往复,水动力条件复杂。为了科学评价码头建设对感潮河段的行洪影响,均衡好航运建设与防洪安全之间的关系,文章选取码头上下游河段一定区间内为计算范围,在详实资料基础上,构建了二维水动力数学模型,并以实测水文资料验证。通过对河段防洪标准的洪水工况进行模拟计算,分析了工程建设前、后的水动力条件变化,进而研究得到码头工程对附近河段产生的行洪影响并给出建议对策。     

基于设计情境与脑机反馈融合的产品设计知识需求感知技术

针对产品设计知识主动推送过程中设计人员的知识需求难以自动获取的问题,提出了一种基于设计情境与脑机反馈融合的产品设计知识需求感知方法。设计情境与脑机反馈融合构建知识需求感知框架,由动态变化的设计活动信息驱动生成设计情境实例序列,基于脑机反馈构建设计知识需求域。根据设计任务分解与产品结构的映射关系建立知识需求锚点,以设计情景激活知识需求锚点的方式动态关联当前设计内容,采用加权贝叶斯方法实现设计知识需求类型识别,并在数控机床数字化设计中对提出的需求感知方法进行了应用验证。     

基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法，并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息，经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后，分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型，再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长，同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中，经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好，预测集决定系数R²为0.9791，均方根误差RMSE为0.3723；在基于特征波长构建的模型中，经SG平滑预处理建立的神经网络模型预测效果最优，预测集决定系数R²为0.9658，均方根误差RMSE为0.4759；验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大，因而能够极大地减少运算量，提高预测效率。