蓄热水箱水温和水箱体积对太阳能集热系统的性能影响分析

采用实验和模拟计算方法对太阳能集热系统蓄热水箱的水温和水箱体积影响因素开展探究，分析日有用得热量、集热器功率和水箱内平均温度等参数随水箱初始温度和水箱体积的变化规律。研究结果表明：水箱初始温度从10.34℃增加到29.88℃时，日有用得热量减少了19.52%；换算成日太阳辐照量为17MJ/m2时的储热水箱中水的温升值下降了17.66%，储热水箱结束水温下降了10.73%；单位面积日有用得热量减少了17.64%。通过TRNSYS模拟软件，分析出太阳能集热系统全年运行工况时的水箱变量参数对系统性能的影响，获得了日有用得热量、集热器功率和水箱内平均温度的变化规律。通过选取不同月份的若干个时段进行对比分析，得出水箱体积对太阳能供热系统的影响较水箱初始温度大；当下调水箱初始温度和缩小水箱体积时，日有用得热量提升，但集热器功率降低；当上调水箱初始温度和缩小水箱体积时，水箱内平均温度升高；且随着太阳能集热系统运行时间的累加，水箱初始温度和水箱体积对上述各性能参数的影响减弱。日有用得热量、集热器功率和水箱内平均水温随着季节变化明显，秋季和冬季气候下的日有效得热量，集热器功率和水箱内平均水温均低于春季和夏季。     

蜂窝陶瓷蓄热体的抗热震性研究进展

本文针对高风温燃烧技术和煤矿乏风瓦斯氧化技术的蜂窝陶瓷蓄热体,系统地综述了影响蓄热体抗热震性的因素,数值模拟分析了蓄热体在热冲击下的温度场和热应力场的分布特点,总结了蜂窝陶瓷蓄热体热震损伤机理等的研究进展情况,并提出今后的研究及发展方向。     

基于ArcGIS的栅格图像自动矢量化的实现新方法

栅格图像矢量化是数字化进程中一项必不可少的工作。传统的基于ArcGIS的矢量化采用手工进行点、线、面绘制,费时费力,在边界提取和边界线追踪过程中会因人为判断导致误差。利用分类、重分类、二值化的思想在ArcGIS中实现栅格图像的自动矢量化,使计算机代替人来进行边界提取、边界线追索。大量实践证明,它不仅可以减少人为误差,而且极大提高了数字化的效率。     

禹州体育馆大跨超高框架主次梁梁板综合施工技术

禹州体育馆大跨超高框架主次梁梁板主梁截面大、跨度大、层高高,综合施工难度较大,对于高大模板支撑体系,经过方案设计、手动计算、PKPM验算、方案改进,最终确定采用单立杆满堂模板支撑架布置。通过实践证明,此支撑系统安全、可靠,成本较低。针对主梁大体积混凝土,选用了低水化热水泥拌制、适当降低水灰比、采用测温导线控制混凝土内外温差、掺加适量微膨胀剂、及时覆盖保温保湿材料进行养护和二次抹面等措施,有效地控制了混凝土裂缝,确保了施工质量。     

超疏水表面的研究进展

介绍了固体表面润湿性理论依据的三个发展阶段,举例综述了国内外在制备超疏水表面时常用的材料、粗糙面的制备方法及应用前景.     

基于CNN-ISSA-GRU模型的短期负荷预测方法

电网的可靠运行及持续发展离不开对短期电力负荷的高效、准确预测。针对表征电网负荷变化的历史数据具有复杂性和时序性等特点,且现有的机器学习预测方法仍存在依据经验选取关键参数的不足,利用卷积神经网络（CNN）提取表征负荷变化的多维特征向量,构造成时间序列输入到门控循环单元(GRU),并使用改进麻雀搜索算法（ISSA）对GRU网络中的超参数进行迭代寻优。预测试验样本来自云南某地区的负荷数据,所提方法的预测精度达到了98.624%,与循环神经网络(RNN)、GRU和长短期记忆(LSTM)等神经网络预测方法进行对比,算例表明,所提方法克服了依据经验选取关键参数难题的同时具有更高的预测精度。     

高分子防水材料

本文阐述了高分子防水材料的类别、品种、物性及人们对高分子防水材料的基本特性有正确的认识以便设计。施工时能够正确选用防水材料和配套材料以达到方便、实用的目的。     

酶法合成癸酸甘油酯及其产物分布的研究

以固定化假丝酵母脂肪酶为催化剂,研究了无溶剂体系中甘油和癸酸直接酯化合成癸酸甘油酯的反应条件.考察了反应加酶量,底物摩尔比,温度,甘油含水量,反应过程中脱水方式等因素对癸酸转化率及最终产物分布的影响.结果表明:织物直接吸附假丝酵母发酵液制备的固定化脂肪酶能有效地催化合成癸酸甘油酯.反应的最优条件为:甘油与癸酸的摩尔比为1:1.5,反应温度为40℃,甘油含水量为4%,加酶量为0.25g/g癸酸.在最优反应条件下,癸酸转化率可达到98%.经过处理,固定化脂肪酶可重复使用4次以上.     

提高铸件表面质量的一项重要技术措施

考核铸件质量的重要内容之一是铸件的外观质量,而高质量的涂料和正确的使用方法又是提高铸件外观质量的重要技术措施。本文以物理化学的基本原理为出发点,围绕提高铸件表面质量,对铸造涂料的组成,制造工艺及使用方法进行探讨。     

应用Otsu改进广义模糊算子的边缘检测新方法

提出了改进的广义模糊算子(GFO)边缘检测新方法。该方法把 Otsu 理论应用到 GFO 参数确定中,从而实现了 GFO 中关键参数的自适应获取,使参数确定困难的问题得以解决。经该方法处理后的图像具有失真度小、细节分明等优点,优于目前现有的边缘检测方法。另外,为使得该方法在复杂图像边缘检测中取得良好效果,采用了先分割后处理的方案,即将复杂图像分割成若干子图像,然后根据各个子图像的灰度性质应用本文所提方法进行处理,再合成,从而为此方法在图像边缘检测中广泛应用提供了切实可行的解决方案。