基于单片机的无线温湿度检测系统设计

基于单片机设计一套无线温湿度检测系统,用软硬件相结合的方式,阐述设计的思路和实现的方法,并通过与高精度标准器比对的方式,验证了检测系统的准确性。     

一种水关节测试装置控制系统

水关节是雷达冷却系统的关键部件.水关节测试装置的主要功能是检测水关节各项性能和指标.设计了一个水关节测试控制系统,通过驱动器控制水关节旋转,通过PLC实时采集水路中的液位、温度、压力和流量传感器信号,并保护系统自动停启.该系统利用可编程控制器PLC实现对系统的状态检测和保护,体积小、功能强、可靠性高,完全满足水关节的测试要求.     

窄窗口控制及大数据在直轧的应用现状与展望

连铸坯免加热直接轧制工艺由于不经过加热炉,故比传统的连铸- 轧钢生产工艺节能减排且降低成本。介绍了免加热直接轧制的特点及关键技术,分析了窄窗口控制在直接轧制过程中的应用现状。针对提高产品质量的需要,预计将会出现大数据驱动的直接轧制窄窗口控制技术,其作用是能够解决炼钢- 连铸- 直轧过程中的温度及成分控制系统滞后性问题,这将为中国钢铁行业带来革命性变化。     

采用实测励磁系统参数提高西北电网输送能力的研究

在2007年度西北电网稳定计算中,引入实测励磁系统模型和参数。基于新数据平台,通过仿真研究发现,西北电网动态品质和稳定水平显著上升,自并励机组对电网特性有重要影响,大规模装设电力系统稳定器可有效改善系统阻尼,西北电网输送能力可大幅度提高。针对输送能力提高后电网运行中出现的新问题,提出需深入研究全网安全自动装置的配置与整定,推广采用先进的励磁控制技术,继续深化电网计算参数的试验、实测、建模和修正工作,以适应未来西北750 kV电网安全稳定运行的需要。     

新能源大基地风光储容量协调优化配置

大型新能源基地需要协调配置风光火储容量以满足外送要求,其中火电容量及外送通道的容量通常预先确定,从而风电、光伏、储能的容量配置成为影响新能源外送效果的重要因素。为此,针对大型新能源基地,研究了风光储容量优化配置问题,提出了基于新能源外送可靠性的容量配置方法。基于需求侧的负荷曲线,提出了一种聚类方法来优化直流通道的计划传输功率;基于直流计划功率,提出了衡量新能源外送可靠性的送电置信概率指标;基于送电置信概率等约束,构建了风光储容量优化配置的基本规划模型。为了进一步保证在不同的场景下新能源能可靠外送,在基本规划模型的基础上加入场景分布不确定性,提出了风光储容量配置的分布鲁棒规划模型。考虑到分布鲁棒约束包含整数变量,提出了一种迭代算法用于该分布鲁棒规划模型的求解。实际算例验证了所提方法的有效性。     

风电集中接入对西北电网运行影响及对策分析

针对西北主网与新疆电网联网工程投产初期,深入研究了西北电网主要安全稳定问题,特别是联网通道上河西地区酒泉风电基地风电集中接入对系统安全稳定性的影响,量化了河西风电与同容量火电机组接入系统对联网通道输电能力差别.研究结果表明,风电集中接入将引起电网有功功率大幅度波动,进而造成河西750 kV通道电压控制困难,并对系统调频...     

低功耗电流模互连电路设计

芯片长距离互连时,通过传统的插入缓冲器方法减小延迟存在功耗大、占用芯片面积多等问题。针对这些问题,提出了一种电流模互连电路。这一电路在互连线上传输的信号电压摆幅很小,从而能够有效降低互连功耗、减小信号延迟。通过综合使用强、弱两个驱动器作为信号发送器,进一步减小了信号延迟。对于10 mm的片上互连线,延迟为649 ps,功耗为498μW。为了提高电路在制造工艺发生波动时的鲁棒性,电流模互连结构在驱动电路中添加了电流偏置电路。在Hspice中进行的蒙特卡罗仿真结果表明,180 nm工艺技术下,10 mm互连线的延迟和功耗方差均值比分别为7.91%和12.7%,在工艺发生波动时电路能够稳定工作。     

表面处理方式及热退火对Au/GaAs界面的影响

利用XPS研究了表面处理方式及热退火对Au/GaAs界面的影响。结果指出,随着淀积的进行,Au本身将从初始类原子态过渡到金属态,前者的芯能级位置随GaAs表面处理方式的不同而不同。Au/GaAs界面退火实验表明,当退火温度小于约225℃时,表面内Ga、As含量随退火温度升高而等量增加;温度高于225℃时,As开始逸出。热退火同时还会使Au芯能级位置向高束缚能端移动。     

80 t转炉终点预报TSVR模型精度

 转炉炼钢是一个复杂的高温物理化学反应过程。在冶炼过程中不能连续检测钢的成分。所以,准确地预报终点的碳质量分数和温度对于提高终点命中率是非常有意义的。基于广西某钢厂80 t转炉炼钢实际生产数据,建立了终点碳质量分数和终点温度的孪生支持向量回归机(TSVR)预测模型,对100个炉次的实际生产数据进行了模型的训练,另外30个炉次的数据用于验证模型的精度。结果表明,预测误差Δω([C])≤ 0.01%的命中率为93.3%,Δt≤15 ℃的命中率为96.7%,双命中率为90%。与BP神经网络模型相比,TSVR模型的终点碳质量分数和终点温度命中率均比BP神经网络模型高。