提出一种应用于大容量超高速(4000kW/3600r·min-1)双馈变频调速控制方法,研制出相应的实际控制系统.根据系统中负载电机、大功率变流器和工程化矢量空间计算的离散数学模型,以PSIM6.0的SIMCAD环境为开发平台,建立起双馈电机变频调速矢量控制系统算法仿真平台,计算出相关的仿真结果,并以此为基础设计、研制出实际应用控制系统.6500MW冲击发电机机组实验运行结果表明,系统电流响应超调量小,激磁和转矩分量解耦,动态过程磁链平滑,验证了系统仿真模型的有效性.该控制系统具备与直流传动系统相同的优越动、静态品质

超低碳钢是一种重要的汽车用钢材料, 钢中通常添加钛元素, 使其形成析出物, 提高钢材的深冲性.然而钛元素作为一种脱氧能力较强的元素, 进入钢液中通常首先形成氧化物.为了减少含钛氧化物夹杂的生成, 基于\转炉-RH-连铸\的超低碳钢生产流程, 对RH精炼过程进行系统取样, 分析了铝脱氧剂加入后及合金化元素钛加入后的氧、氮气体含量变化及夹杂物特征变化, 并使用FactSage热力学计算软件对Fe-Al-Ti-O夹杂物稳定相图进行计算.研究结果显示, 含钛类氧化物夹杂通常以Al2O3类夹杂物作为形核质点, 对其形成包裹状夹杂物.若避免含Ti夹杂物的生成, 当钢中Ti质量分数为0.1%时, 钢中溶解Al质量分数应在0.01%以上.对含钛氧化物的生成及长大流程进行研究, 通过对Al2O3夹杂物及Ti2O3夹杂物粗化率的计算及附着功的比较可知, Ti2O3夹杂物在1600℃时的熟化生长速率较Al2O3较大且Ti2O3夹杂物与Al2O3夹杂物相比不容易相互碰撞融合并从钢液中去除.若提高精炼过程中的氧化物夹杂物去除率, 应严格控制含钛氧化物类夹杂物的生成

采用超高压力下通电烧结技术制备了铜体积分数25%~75%的钼铜合金材料.烧结压力2~10GPa,通电功率15kW,通电时间65s.分析了不同成分和制备工艺参数的钼铜合金显微形貌及力学性能.结果表明,所制备的钼铜合金材料结构致密,力学性能优越,而且超高压力下通电烧结技术能有效地避免晶粒长大和组织偏析

针对某1000MW超临界锅炉运行约36000h后,高温再热器再入口段管排与固定连接板处焊缝拉裂泄漏失效情况进行分析。利用SEM及金相检验观察分析了12r1oV合金高温断口失效形式

中国现代化的追赶模式 世界各国现代化进程,大体体现为四种类型:一是现代化的先行 者;二是现代化的后来者;三是现代化的赶超者;四是始终未能进入现 代化、处于停滞甚至落后状态的国家。我们发现有几个大国是属于现代 化赶超类型的国家:首先是美国,在上个世纪下半叶开始加速工业化, 在上世纪与本世纪之交,迅速追赶上并超过了英国;其次是日本,从明 治维新以后开始发动工业化,特别是二次大战以后,日本实现经济起 ,迅速追赶美国;再次是亚洲的“四小龙”在60年代开始经济起 飞,迅速缩小与发达国家的差距,成为新兴的工业化国家;第四是中 国,从1980年前后进入经济起飞阶段,显现出现代化追赶效应或追赶 模式的明显特征

针对超声心动图像质量差、噪声多，传统卷积神经网络架构对超声心动图像的学习能力有限、表达不充分的缺点，提出了一种基于标准切面识别的房间隔缺损（Atrial septal defect，ASD）智能辅助诊断模型。该模型通过对超声心动图像进行切面识别，充分融合其不同切面的语义特征，使得诊断的准确率得到明显提升。此外，还对其进行双边滤波保边去噪，并基于此模型搭建房间隔缺损智能辅助诊断系统（简称ASD辅助诊断系统）。结果表明，该ASD辅助诊断系统的准确率高达97.8%，且与传统卷积神经网络相比大大降低了假阴性率

3.1 精密和超精密机床发展概况及典型机床简介 3.2 精密主轴部件 3.3 床身和精密导轨部件 3.4 进给驱动系统 3.5 微量进给装置 3.6 机床运动部件位移的激光在线检测系统 3.7 机床的稳定性和减振隔振 3.8 减少变形和恒温控制

基于国内外学者在宏观接触热阻领域的研究成果，阐述了宏观接触热阻的理论研究和工程应用现状，介绍了宏观接触热阻的理论计算方法、实验测量方法和数值模拟方法，明确了各种方法的优缺点.简述了宏观接触热阻的影响因素，基于中国聚变工程实验堆(CFETR)低温超导线圈的降温实验，创建界面接触热阻分析模型，详细分析了热流方向、温度、压力等因素对超导磁体不锈钢铠甲、介电绝缘材料、失超保护材料接触热阻的影响，并进一步探究了温度、压力等因素导致接触热阻发生变化的热力学原因.最后，结合工程计算中对准确性和便捷性的要求，指出了接触热阻的未来研究方向

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

文章综述了超级电容器电极材料的储能机理、特点及应用,并重点介绍了石墨烯、二氧化锰及其复合电极材料在超级电容器中应用的最新研究进展