品味皖酒之道

品味皖酒企业之道 安徽皖酒集团具有五十多年白酒酿造历史,是中国最大的酒业集团之一,也是安徽省白酒行业支柱企业。皖酒集团注册资金1000万元,下辖4个子公司。公司位于蚌埠市风景秀丽的张公山北侧,涂山路488号,有员工2000多人,其中专业人员占20％,公司占地12万平方米,固定资产116亿元,拥有总产量超万吨的曲酒生产基地和现代化灌装流水线。     

资本，就像一剂良药——对话湖南典藏酒鬼经营有限公司项目总经理朱大彤

《新食品》：您认为资本整合给湘酒军团能够带来什么样的变化？ 朱大彤：细数湘酒．唯一的中国名酒武陵．有着传奇色彩的文化名酒酒鬼是代表．其他的还有德山大曲、白沙液、邵阳大曲、回雁峰等。除了已被金六福纳入旗下的邵阳大曲通过近三四年的调整和运作．目前的生存状态良好且发展态势强劲外．其他几个品牌或生或死．皆不健康。     

轮对一次压装不合格问题分析

针对铁路机车车辆轮对压装过程一次压装不合格率较高的情况,分别从设备、工装、轮轴部件配合部位质量、检测量具等方面进行了研究分析,提出了设备校正、工装优化设计、轮轴部件配合部位质量控制、专用检测量具校准等控制方法,降低了轮对一次压装不合格率,使轮对压装质量趋于稳定,同时提高了生产效率。     

基于协同设计的冲突检测与消解研究

异地合作环境下产品协同设计需要多学科多领域专家的参与,文中主要介绍多个协同小组共享多种资源时避免冲突的矩阵搜索法,建立冲突解决模型,构建了协同设计系统结构,并探讨了基于协商的冲突解决方法,最后实例验证了方法的可行性。     

WES溢流坝面施工工艺

WES曲线是国内常用的溢流堰面曲线,溢流坝坝面曲线由顶部曲线段、中间直线段和下部反弧段三部分组成,WES溢流坝面施工工艺具有施工型式灵活多样,施工速度快、施工质量好,经济效益显著等优势。文章根据子长县红石峁水库输水管道等工程的溢流坝实例,介绍其WES溢流坝面系统的构成、曲线绘制、施工放样、模板制作与安装、砼浇筑等主要施工工艺,对同类工程具有指导借鉴意义。     

锂离子电池正极材料专利全景分析

<正>随着消费类电子产品和动力储能电池的广泛应用和普及,全球锂离子电池的市场规模不断扩大,在我国大力发展新能源汽车产业的强力带动下,国内锂离子电池的产业规模开始迅速发展壮大,我国已经成为全球锂离子电池最主要的生产国和消费国。近年来,中国锂离子电池产业技术水平取得了长足进步,而电池性能指标的不断提高,有赖于电池材料的技术进步。本文以5大局[包括中国、美     

基于扩展Debye模型的油纸绝缘套管频域介电谱的温度特性研究

为研究温度对油纸绝缘套管频域介电谱(FDS)的影响特性,按照实际尺寸制作了72.5 kV套管试验模型,对不同温度下油纸绝缘套管FDS进行了测试,根据不同温度下ε′、ε″的测试曲线,分析温度对FDS的影响规律,然后运用扩展Debye等效电路模型拟合不同温度下的FDS测试曲线,提取可用于表征温度特性的特征参数,并建立特征参数与温度的关系。结果表明,ε′和ε″随温度升高都向高频方向移动;拟合提取得到的等效电路模型参数对温度较为敏感,绝缘电阻R_g和最大时间常数分支参数R_1与温度表现出指数函数关系,最小时间常数分支参数R_3与温度表现出幂函数关系,因此可将特征参数的变化规律应用于温度对油纸绝缘套管FDS影响特性的评估。     

线弹性断裂力学的支柱瓷绝缘子断裂特性及断裂机理研究

针对传统强度理论无法解释的支柱瓷绝缘子低应力水平断裂的问题,提出了基于应力强度因子的支柱瓷绝缘子断裂判据,应用线弹性断裂力学进一步考察了支柱瓷绝缘子的裂纹扩展条件和断裂特性细节。在有限元仿真计算的基础上,分析了管母线和隔离开关支柱瓷绝缘子在有无缺陷情况下的应力分布情况以及表面裂纹应力强度因子在裂纹位置、深度、深长比、载荷改变时的变化规律。研究表明,在一定载荷下,根据应力强度因子断裂判据可以计算出支柱瓷绝缘子在不发生断裂的情况下可以容许的最大裂纹缺陷尺寸,这为支柱瓷绝缘子无损检测灵敏度的确定提供了依据。     

广州“互联网+”智慧能源发展模式研究北大核心CSCD

为解决能源枯竭和环境污染问题,“互联网+”智慧能源(以下简称“能源互联网”)这一新兴课题开始受到国内专家学者及政府高度重视。本文首先对能源互联网概念和国内外发展情况进行了全面的综述,简要阐述了能源互联网受到关注的原因及相关内涵;其次,对广州地区发展能源互联网的背景和条件进行了深入分析,解析广州地区发展能源互联网的基础条件、驱动力和发展重点;根据广州特点提出广州地区能源互联网的建设方案和建设成效。最后分析了在广州能源互联网发展所面临的挑战及发展趋势,提出了对策建议,本文研究成果可为粤港澳大湾区未来能源互联网建设提供借鉴参考。     

基于LSTM网络的变压器油中溶解气体浓度预测

电力变压器作为电力系统中传输和变换电能的主要设备,其安全稳定性运行在电网中起着重要的作用。对变压器油中溶解气体浓度变化的趋势进行预测,可为其运行状态评估提供重要依据,鉴于此提出了一种基于长短期记忆网络(LSTM)的变压器油中溶解气体浓度预测模型。该模型克服了传统神经网络在序列预测方面存在的"梯度消散"问题,利用油中溶解气体的序列数据对长短期记忆网络进行训练,得到最优的预测模型参数。以变压器油中溶解的7种特征气体浓度为输入,以待预测气体的浓度为输出。通过算例分析表明,相比于传统的机器学习预测方法支持向量机(support vector machine, SVM)与反向传播神经网络(back propagation neural network,BPNN),本文所提的LSTM预测模型更能准确地预测油中溶解气体的浓度。