葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

火電機組深度調(diào)峰改造是消納可再生能源的有效途徑，深度調(diào)峰就是在自動控制的情況下將機組的負荷調(diào)節(jié)下限從原來的50%Pe下調(diào)至30%Pe，甚至更低。控制難點在于：當機組處在低負荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。 本項成果采用多模型智能預測控制技術，分別提出了適合于亞臨界和超（超）臨界機組深度調(diào)峰的多模型智能預測控制系統(tǒng)，實現(xiàn)了在低負荷或超低負荷工況下的平穩(wěn)控制。 本項成果已成功應用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調(diào)峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負荷深調(diào)到15%Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達到了國內(nèi)外最先進的深調(diào)水平。目前，在國內(nèi)已完成的機組深度調(diào)峰改造中，大部分均采用了本深調(diào)優(yōu)化控制技術，得到了廣大用戶的一致好評。

軟件所含缺陷的風險或數(shù)目是合理安排軟件測試資源，提高軟件測試效率，衡量軟件設計及開發(fā)質(zhì)量的關鍵信息，應用模式識別技術對軟件所含缺陷進行有效預測將對我國航空工業(yè)軟件測試工作從被動測試到主動測試的轉(zhuǎn)變起到積極的作用。對軟件所含缺陷進行風險或定量預測，其根本技術在于利用以往軟件缺陷數(shù)據(jù)，構建軟件內(nèi)在信息和軟件缺陷信息之間的映射關系函數(shù)。 軟件缺陷數(shù)據(jù)具有如下特點：軟件度量信息冗余；軟件缺陷數(shù)據(jù)分布及其不平衡；軟件缺陷數(shù)據(jù)易含有不準確數(shù)據(jù)（如不準確的缺陷量）對于模型構建來說就是噪聲數(shù)據(jù)；軟件缺陷數(shù)據(jù)維度高，復雜度高等。該技術的廣泛使用，將對我國航空工業(yè)中的軟件測試工作，從傳統(tǒng)的被動測試向主動測試，合理安排有限的測試資源，提高測試效率，從而提高軟件質(zhì)量起到重要作用。

【項目來源】依托課題為十一五重大新藥創(chuàng)制專項“馬錢子堿貼劑經(jīng)皮給藥治療癌性疼痛的研究”，曾獲得2016年中航工業(yè)全國大學生創(chuàng)業(yè)大賽第十屆挑戰(zhàn)杯金獎。 【類    別】醫(yī)療器械。 【項目簡介】本項目采用國內(nèi)首創(chuàng)的復合磷脂脂質(zhì)體技術開發(fā)能夠模擬真實皮膚角質(zhì)層屏障結(jié)構、組成與功能的脂質(zhì)體人工皮膚膜LipSkin；經(jīng)系列試驗及第三方檢測驗證，LipSkin從結(jié)構上能模擬角質(zhì)層特殊的“磚-墻”結(jié)構；從組成上具有與真實皮膚相同的脂質(zhì)特征吸收峰與角蛋白特征吸收峰；用模型藥物進行皮膚滲透性測試驗證LipSkin在屏障功能上與真實皮膚的相關系數(shù)達99.29%；從功能上驗證測試化學品皮膚腐蝕性與真實皮膚相關系數(shù)達94.60%。此外，電阻檢測技術的應用保障了LipSkin產(chǎn)品的質(zhì)量可控性和測試重現(xiàn)性，具有廣闊的商業(yè)化開發(fā)前景。由此，LipSkin技術成熟，可產(chǎn)業(yè)化開發(fā)。 【創(chuàng)新要點】①首次采用磷脂材料制備皮膚模型LipSkin，并突破性應用于模擬難度較高的毒理學檢測領域，通過三層三明治型的結(jié)構模擬真實皮膚的結(jié)構，進而模擬其功能，這種應用至今未見報道； ②利用不同比例的復合磷脂能夠模擬不同程度的角質(zhì)層屏障功能，所以能夠靈活調(diào)整復合磷脂的比例來模擬不同類型的皮膚，以適應皮膚腐蝕性測試中不同種族、年齡、性別人群的需求，這是團隊的首次發(fā)現(xiàn)；  ③處方中加入了真實皮膚中的成分膽固醇、神經(jīng)酰胺、角蛋白等增加其皮膚屏障功能的模擬程度：其中磷脂材料及膽固醇、神經(jīng)酰胺等模擬皮膚的脂性通道以此模擬脂溶性成分的透過路徑，角蛋白模擬皮膚的水性通道以模擬水溶性成分的透過路徑，這樣的處方設計也屬原創(chuàng)；  ④用載入熒光探針羅丹明B的脂質(zhì)體層來模擬真皮層以模擬真皮層細胞因腐蝕受損而釋放出有色試劑的表征手段同樣處于全球首創(chuàng)。 【推廣應用前景】據(jù)報道，美國知名市場調(diào)查與咨詢公司Markets and Markets預測：到2021年體外毒理學測試市場將從2016年的141.5億美元猛增至273.6億美元，年復合增長率將達14.1%，由此推測，皮膚腐蝕性作為毒理學檢測中的指標之一，預測其至2021年的全球市場潛量將超20億美元。 市場上用于皮膚腐蝕性測試的體外皮膚模型有兩種：EpiSkin, EpiDerm, EpiKutis,Phenion為人重組皮膚模型，其因采用原代人角質(zhì)細胞作為原料，來源稀少且昂貴，導致其售價極為昂貴，且人角質(zhì)細胞受人種差異影響而不具有通用測試價值；而Corrositex模型為蛋白分子水凝膠模型，其只適用于由酸堿度差異引起的皮膚腐蝕性，測試范圍窄，據(jù)報道其準確度為37.5%，不能滿足測試精度的要求；只有本項目所推出的LipSkin皮膚模型兼具測試范圍廣（由脂溶性、酸堿度差異引起的腐蝕性均可測試）、測試精度高（>90%）、價格合理（市售產(chǎn)品價格的5~22%）等優(yōu)點，推廣價值巨大。 【進展情況】已獲發(fā)明專利1項。 

火電機組深度調(diào)峰改造是消納可再生能源的有效途徑，深度調(diào)峰就是在自動控制的情況下將機組的負荷調(diào)節(jié)下限從原來的50%Pe下調(diào)至30%Pe，甚至更低。控制難點在于：當機組處在低負荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。 本項成果采用多模型智能預測控制技術，分別提出了適合于亞臨界和超（超）臨界機組深度調(diào)峰的多模型智能預測控制系統(tǒng)，實現(xiàn)了在低負荷或超低負荷工況下的平穩(wěn)控制。 本項成果已成功應用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調(diào)峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負荷深調(diào)到15%Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達到了國內(nèi)外最先進的深調(diào)水平。目前，在國內(nèi)已完成的機組深度調(diào)峰改造中，大部分均采用了本深調(diào)優(yōu)化控制技術，得到了廣大用戶的一致好評。

成果簡介：本發(fā)明公開了一種基于Kriging模型的風力機齒輪箱故障診斷方法。本發(fā)明具有診斷結(jié)果快速準確、非線性擬合效果好、使用靈活、計算量小的優(yōu)點，能夠為實現(xiàn)風力機齒輪箱故障在線診斷奠定基礎。市場預測：2015年全國（除臺灣地區(qū)外）新增安裝風電機組16740臺，新增裝機容量30753MW，同比增長32.6%；累計安裝風電機組92981臺，累計裝機容量145362MW，同比增長26.8%。同時，隨著風電機組運營時間累積，

本發(fā)明公開了一種直線感應電機多步長模型預測控制方法，包 括如下步驟：(1)采集直線感應電機的狀態(tài)變量及角速度；(2)求解無約 束條件下的電機輸入電壓矢量最優(yōu)值；(3)判定最優(yōu)值是否滿足電壓約 束條件，若滿足，則進入步驟(5)，否則進入步驟(4)；(4)以滿足電壓約 束條件為目標更新最優(yōu)值；(5)判定最優(yōu)值是否滿足電流約束條件，若 滿足，則進入步驟(7)，否則進入步驟(6)；(6)以滿足電流約束條件為目標更新最優(yōu)值；(7)根據(jù)電機輸入電壓矢量最優(yōu)值計算三相橋臂的占空 比，將其送給逆變器調(diào)制電機工作狀態(tài)

該技術通過自適應模型參數(shù)校準的方法，克服此項技術應用的瓶頸。用戶的投資可以通過節(jié)省能源費用的方式迅速得到回收。節(jié)省 20-30%的供氣能源；總氮去除率增加 30%，減少剩余污泥排放 10%，出水水質(zhì)更加穩(wěn)定，減少溫室氣體排放 10%，減少操作員工工作負荷 40%。

本發(fā)明公開了一種基于投影數(shù)字高程模型的正射影像鑲嵌線自動提取方法，包括步驟：步驟 1，獲 取單片正射影像的投影數(shù)字高程模型；步驟 2，確定待鑲嵌正射影像對；步驟 3，將待鑲嵌正射影像對 的投影數(shù)字高程模型按地理坐標疊加獲得疊加圖像，將疊加圖像二值化得到二值疊加圖像；步驟 4，采 用圖像形態(tài)學方法提取二值疊加圖像的骨架線獲得骨架線網(wǎng)絡，采用 Dijkstra 算法在骨架線網(wǎng)絡中搜尋 最短路徑，即待鑲嵌影像對的鑲嵌線。本發(fā)明方法能自動獲取高質(zhì)量的正

本發(fā)明公開了一種基于靜態(tài)紋理模型聚集的動態(tài)紋理識別方法，提出了識別動態(tài)紋理并不需要對整 個復雜的運動過程建模，可以繞開對運動模式進行數(shù)學建模這一瓶頸，直接將動態(tài)紋理視為若干幀靜態(tài) 紋理圖像的聚集，從而將其轉(zhuǎn)化為靜態(tài)紋理分類問題，最后通過聚集靜態(tài)紋理模型識別動態(tài)紋理。而關 于靜態(tài)紋理識別目前有很多成熟有效的算法。本發(fā)明利用現(xiàn)有的靜態(tài)紋理模型算法，將其拓展至動態(tài)紋 理識別的應用，建立基于靜態(tài)紋理模型聚集的動態(tài)紋理識別框架，推動了動態(tài)紋理識別技術發(fā)展，實現(xiàn) 了高效快速識別動態(tài)紋理。