风起江淮时--记钱洲胜和中国计算机函授学院

一.崛起江淮 2003年,中国计算机函授学院在院长钱洲胜的带领下,走过了16年的风雨历程.作为函院的灵魂人物,钱洲胜不仅一手创办了函院,并且始终坚定不移地带领函院的上上下下,锐意改革,努力创新,创造了一个又一个让人叹为观止的辉煌业绩.可以说函院的发展史就是一部钱洲胜的个人奋斗史.     

基于JMX的MuleESB管理控制台

给出了一个符合JMx规范的MuleESB管理控制台的设计和实现方案。借助了该控制台可以远程管理MuleESB．查看MuleEsB服务器信息、MuleEsB及其服务的运行时状态和运行日志,也可以远程调用部署在MuleESB＆服务方法。该控制台弥补了MuleESB不提供远程管理的开源实现的不足。实验证实,该控制台运行稳定可靠。     

基于ENC424J600的以太网与串行接口转换技术

论述了在STM32系列的MCU上移植TCP/IP协议栈LwIP,并利用新型以太网控制器ENC424J600实现网络数据传输功能。该系统主要完成的功能是接收上位机发送的数据,并将这些数据转换成通用串行接口输出。ENC424J600是Microchip新推出的一款以太网控制器,其速度优于ENC28J60,同时为用户提供两种接口模式。本文介绍了其基于SPI接口模式下的实现过程,详细描述了该网卡驱动的硬件电路和软件流程。     

钢铁冶金过程铁前工序绿色智能制造的进展与展望

随着“碳达峰”“碳中和”“低碳冶金”等概念的提出,钢铁行业的绿色智能制造已成为大势所趋。铁前工序是钢铁冶金过程的前端工序,也是主要的能源消耗环节。因此,实现铁前工序的绿色智能制造具有重要的经济价值和环保意义。围绕钢铁冶金过程铁前工序绿色智能制造,以“智能碳使用”的低碳冶金技术为核心,综述铁前工序运行状态智能感知、运行参数智能控制、运行性能智能优化和智能协同管控4个方面的研究进展。运行状态智能感知是获取难以检测运行状态信息的主要手段,包括运行状态监测和运行状态识别。运行参数智能控制是实现铁前工序运行状态正常的前提,包括基于人工经验的智能控制、基于参数预测的智能控制和面向多目标集成智能控制。运行性能智能优化是提升运行状态的运行性能的主要措施,包括操作参数智能优化和运行指标智能优化。钢铁冶金过程智能协同管控着重研究感知、控制和优化技术的协同融合。最后,分析当前存在的机遇与挑战,铁前大数据分析和运行状态智能感知、铁前工序一体化智能协同管控和铁前工序全流程性能提升与优化控制或将成为铁前工序绿色智能制造的前景方向。     

南京市夏季城市不同功能区气溶胶污染特征

利用WPS(宽范围颗粒粒径谱仪)、Anderson-Ⅱ型9级撞击采样器测量了2008年夏季典型日南京钟山风景区、鼓楼商业区与江北工业区大气气溶胶数浓度谱分布和质量浓度,分析了城市不同功能区气溶胶粒子的分布特征.结果表明:各功能区大气颗粒物浓度均比较高,达到104 cm-3,数浓度谱均为单峰型,峰值集中在0.01～0.04 μm;其中气溶胶粒子数浓度主要集中在0.01～0.2 μm粒径范围内,其日变化受汽车尾气排放、混合层高度变化的影响较大,且呈现明显的双峰型:粒径为0.01～0.1 μm的超细粒子对总数粒子贡献较大,鼓楼为93.28%,江北为81.66%,钟山为66.52%;细粒子(粒径<1.1 μm)与TSP质量浓度的比值钟山为9.2%,鼓楼33.77%,江北24.98%;质量浓度主要为粗粒子(粒径≥1.1 μm)贡献,但是鼓楼与江北的细粒子的贡献也非常大,说明这两个功能区的细粒子的污染值得关注;数浓度和相对湿度(RH)有密切联系,当RH<75%时其峰值随着相对湿度的增大而增大,当RH>75%时其峰值随着相对湿度的增大而减少,并且相对湿度对细粒子的影响要大于对大粒子的影响.     

基于混合模型的舰船腐蚀相关静态电、磁场

为研究舰船水下腐蚀相关静态电场、磁场的分布特征,提出了以舰船水下标量电位为线索,对舰船进行混合建模,即将舰船等效为水平电流线和离散三分量电偶极子的组合,通过测量舰船下方某平面上的标量电位分布,对混合模型中的未知结构参量进行拟合,以建好的混合模型为基础对舰船水下腐蚀相关静态电、磁场进行研究.在实验室中模拟海洋环境,利用1∶100船模对建模方法进行了验证,并以建好的混合模型为基础,计算了船模水下腐蚀相关静态电、磁场的分布特征.实验结果表明混合模型结构简洁、实测数据量小、建模计算量小、模型稳定,比较适合用于舰船腐蚀相关静态电、磁场分布特点的研究.     

基于工况识别的辊式淬火过程板形预报方法

板形是衡量淬火后钢板质量的重要指标之一,板形的预报对高质量钢板的持续稳定生产具有重要的指导意义.本文提出一种基于工况识别的辊式淬火过程板形预报方法,为淬火生产控制决策提供参考依据.首先对淬火过程进行特性分析;然后采用模糊C均值聚类算法对淬火过程进行工况识别,使用支持向量机建立各工况的板形预报模型,并运用改进的粒子群优化算法提高模型的精度;最后利用工业生产数据进行实验,结果验证了本文所提方法的可行性与有效性.     

贵州地区粉煤灰种类对长龄期砂浆力学性能与孔隙率的影响

为了区别不同电厂Ⅱ级粉煤灰对长龄期砂浆性能的影响作用,采用贵州地区常见的4种粉煤灰（鸭溪、大方、六盘水和都匀Ⅱ级粉煤灰）,探索各粉煤灰对长龄期砂浆力学性能、孔隙率、吸水率和微观形貌的影响。结果表明：粉煤灰等质量替代水泥后,有利于提高长龄期砂浆的抗折强度和抗压强度,最大分别增大了94.6%和52.1%（鸭溪）、71.6%和49.5%（大方）,100.0%和92.0%（六盘水）以及51.8%和47.6%（都匀）;粉煤灰的掺量越大,砂浆的抗折强度和抗压强度的增加速率越大,孔隙率的降低幅度越大,分别为29.7%（六盘水）、40.0%(鸭溪)、28.7%（都匀）和34.9%（大方）,同时,4种粉煤灰砂浆的最大吸水率分别降低了21.6%（六盘水）、44.0%(都匀)、39.8%（鸭溪）和38.9%（大方）;综合分析发现,养护1 000 d后,粉煤灰仍主要发挥填充作用和火山灰效应,其中活性较低的粉煤灰仍以填充作用为主。     

基于LSTM-ARIMA算法的发电机定子线棒出水温差预测

对定子线棒出水温度的最大温差进行预测,对于保障汽轮发电机的安全运行具有重要意义。但由于发电机运行过程中工况多变,温差时间序列变化模式复杂,因此趋势预测相对困难。本文使用长短时记忆(LSTM)神经网络对复杂的变化模式进行学习,并进一步融合了差分整合移动平均自回归(ARIMA)模型,用以弥补工况多变导致的训练不足的问题,从而对LSTM神经网络的预测结果进行修正。然后,在型号为QFSN-660-2-22的汽轮发电机运行数据上开展了实验,结果表明该方法预测效果优于单独的LSTM神经网络和ARIMA模型算法,并且可用于短期预警,准确率高于95%。     

继电保护开关量智能辅助调试装置的设计

为了提高继电保护检修中遥信信号核对和保护跳闸逻辑验证工作的自动化程度,提升现场调试工作的效率和质量,提出了一种继电保护开关量智能辅助调试装置的设计方案.阐述了该装置中包括开关量触发回路和开关量测量回路在内的硬件系统设计,详细说明了该装置的控制系统设计和智能语音交互系统设计.控制系统测试、开关量输 出功能测试和开关量测量功能测试结果等验证了该装置设计方案的有效性.