排序方式: 共有217条查询结果,搜索用时 15 毫秒
31.
综述了大豆油多元醇的合成方法及其工业应用,并分析了过渡金属催化羰基化法、臭氧氧化法、酯交换法和环氧开环法的优缺点,最后指出了未来的研究方向。 相似文献
32.
33.
34.
交叉耦合同步控制是多电机同步控制的一种主要形式,但当系统中一台电机存在外界干扰时,交叉耦合部分会将干扰作用传递到其他电机伺服系统,对各电机伺服精度和同步精度均会产生不良影响。针对该问题,设计了双永磁同步直线电机同步控制系统,在双电机同步控制系统中加入线性扩张状态观测器。仿真及实验结果均证明,扩张状态观测器在双电机交叉耦合同步控制系统中能够有效提高各电机位置伺服精度和同步控制精度。 相似文献
35.
针对现有的煤矿注浆系统在压力过大时不能及时对管路进行保护的问题,提出了基于PLC的远距离注浆管路超压保护系统设计方案。该系统以欧姆龙PLC为控制中心,通过压力变送器采集当前管道的实时压力值,若压力超限并持续50s,则渣浆泵停止工作,实现紧急停泵。上位机监控系统接收PLC控制系统的实时压力值和流量值并进行显示,实现对注浆主要管路压力和流量的监测。工业性试验结果表明,远距离注浆管路超压保护系统效果良好,能够满足矿井注浆系统超压保护的需要。 相似文献
36.
37.
负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。 相似文献
38.
39.
40.