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

針對(duì)油品調(diào)合過程中的關(guān)鍵質(zhì)量指標(biāo)辛烷值 (馬達(dá)法和研究法) 和雷德蒸汽壓等調(diào)合規(guī)律 的非線性，建立了預(yù)測(cè)準(zhǔn)確、結(jié)構(gòu)簡潔的智能調(diào)合模型。由于實(shí)際工業(yè)生產(chǎn)過程中存在的干擾 因素很多，調(diào)合模型輸出值與成品油屬性在線分析儀的檢測(cè)值不可避免地要產(chǎn)生一定的偏差， 為此開發(fā)了汽油調(diào)合模型的在線優(yōu)化校正技術(shù)，使調(diào)合模型適應(yīng)工業(yè)過程操作特性的變化和生 產(chǎn)工況的遷移。在建立的調(diào)合模型基礎(chǔ)上，開發(fā)了離線和在線優(yōu)化技術(shù)。離線優(yōu)化技術(shù)不需要 企業(yè)進(jìn)行管道改造和安裝在線分析儀，可在一定范圍內(nèi)提高調(diào)合的成功率和降低調(diào)合成本。在 線調(diào)合模式基于離線模式，可動(dòng)態(tài)更新和優(yōu)化調(diào)合配方，從而能夠進(jìn)一步提高調(diào)合成功率，降 低調(diào)合成本，減少質(zhì)量過剩。開發(fā)的優(yōu)化技術(shù)還考慮了多種可能的現(xiàn)場生產(chǎn)模式。例如：管道 調(diào)合，罐式調(diào)合，罐底油補(bǔ)償模式等。已汽油調(diào)合軟件ECUST_BLEND工作。 成品汽油調(diào)合過程的建模、模擬與離線優(yōu)化技術(shù)已經(jīng)成功在金陵石化完成現(xiàn)場應(yīng)用。其中 汽油辛烷值調(diào)合效應(yīng)模型，將汽油調(diào)合過程中組分油表現(xiàn)的非線性效應(yīng)定量的描述出來，進(jìn)而 準(zhǔn)確的對(duì)成品汽油的關(guān)鍵指標(biāo)辛烷值作出預(yù)測(cè)，與傳統(tǒng)的乙基模型對(duì)比表明所建模型精度提高 了約5%。在調(diào)合模型基礎(chǔ)上開發(fā)的離線優(yōu)化技術(shù)，結(jié)合了成品油生產(chǎn)現(xiàn)場的特點(diǎn)，能夠有效 的考慮罐底油、直調(diào)組分、錳劑添加量、以及庫存約束等現(xiàn)場情況。在實(shí)際應(yīng)用過程中，所完 成的汽油調(diào)合工作全部一次達(dá)到國III標(biāo)準(zhǔn)。通過與傳統(tǒng)的手調(diào)方式進(jìn)行比較，優(yōu)化后配方提 高了一次汽油調(diào)合的成功率，穩(wěn)定了汽油生產(chǎn)過程，并且降低了調(diào)合成本與質(zhì)量過剩，質(zhì)量過 剩穩(wěn)定在0.1以內(nèi)，且研究法辛烷值在93.5-4.1之間波動(dòng)。僅以離線優(yōu)化為例，通過成本核算， 每年的調(diào)合成本可減少1275萬元左右。

近日，南科大“人流大數(shù)據(jù)和AI驅(qū)動(dòng)的新型冠狀病毒（COVID-19）傳播建模預(yù)測(cè)和模擬推演平臺(tái)”內(nèi)測(cè)版本正式推出（下簡稱“推演平臺(tái)”）。該平臺(tái)可實(shí)現(xiàn)在城市尺度上，基于人流移動(dòng)的新型冠狀病毒傳播感染情況的細(xì)粒度預(yù)測(cè)和模擬，為有關(guān)部門制定不同的隔離和公共防疫政策（如封閉特定城市區(qū)域或道路）提供參考。新型冠狀病毒的感染傳播與人流移動(dòng)存在密不可分的關(guān)聯(lián)。現(xiàn)階段的多數(shù)研究只停留在簡單的相關(guān)性分析以及基于全國地圖的數(shù)據(jù)可視化階段，缺乏在城市尺度上、針對(duì)人流移動(dòng)的細(xì)粒度深度分析，更缺乏基于人流移動(dòng)的傳播模擬推演模型以及潛在感染源和風(fēng)險(xiǎn)區(qū)域的挖掘模型。隨著復(fù)工潮的來臨，戰(zhàn)“疫”面臨新的挑戰(zhàn)。南方科技大學(xué)科研部、工學(xué)院、計(jì)算機(jī)科學(xué)與工程系（下簡稱“計(jì)算機(jī)系”）和南方科技大學(xué)-東京大學(xué)超智慧城市聯(lián)合研究中心緊急組織科研力量，成立“新型冠狀病毒傳播建模預(yù)測(cè)項(xiàng)目組”，由計(jì)算機(jī)系副教授宋軒擔(dān)任負(fù)責(zé)人，迅速啟動(dòng)針對(duì)新型冠狀病毒傳播感染的“大數(shù)據(jù)分析和AI建模推演平臺(tái)”研發(fā)工作。該平臺(tái)是一個(gè)針對(duì)新型冠狀病毒傳播的大數(shù)據(jù)分析和AI建模平臺(tái)（如圖1），其中預(yù)測(cè)和模擬推演模型完全由數(shù)據(jù)驅(qū)動(dòng)，需要使用人流大數(shù)據(jù)進(jìn)行訓(xùn)練和優(yōu)化。數(shù)據(jù)擁有單位只要將人流大數(shù)據(jù)輸入平臺(tái)，平臺(tái)即可以自動(dòng)完成模型迭代訓(xùn)練，并輸出相關(guān)的預(yù)測(cè)和模擬推演的可視化結(jié)果。其預(yù)測(cè)和模擬推演的精度由模型訓(xùn)練數(shù)據(jù)的質(zhì)量、精細(xì)度和覆蓋度決定。平臺(tái)后續(xù)期待更多單位（如GPS軌跡數(shù)據(jù)、CDR數(shù)據(jù)等人流大數(shù)據(jù)擁有單位）參與進(jìn)來，共同完善該平臺(tái)。推演平臺(tái)通過整合、處理和分析各類多模態(tài)人流移動(dòng)和出行大數(shù)據(jù)，結(jié)合新一代的人工智能技術(shù)，完成對(duì)新型冠狀病毒的傳播和感染人群細(xì)粒度建模，從而實(shí)現(xiàn)在城市區(qū)域內(nèi)細(xì)粒度預(yù)測(cè)、模擬和動(dòng)態(tài)推演傳播感染情況。平臺(tái)可實(shí)現(xiàn)的基本功能主要有以下幾個(gè)方面：一是建立新型冠狀病毒和人流移動(dòng)的映射模型，包括傳染概率確定/潛伏期分析/傳染代數(shù)分析等；二是分析隱藏病患，由于疾病傳播為鏈?zhǔn)剑梢愿鶕?jù)缺失軌跡鏈反推出尚未確診的疑似病患；三是分析風(fēng)險(xiǎn)人群，可根據(jù)病患軌跡尋找可能有接觸的風(fēng)險(xiǎn)人群，提前預(yù)警；四是挖掘潛在病原地，分析病人間的軌跡交叉點(diǎn)確認(rèn)潛在的未知病原地（如圖3）。在以上功能基礎(chǔ)上，平臺(tái)可以實(shí)現(xiàn)設(shè)定不同的公共防疫政策（如封閉城市內(nèi)的高風(fēng)險(xiǎn)感染區(qū)域），在城市尺度上，動(dòng)態(tài)推演和模擬在這些政策下的城市傳播感染情況，從而幫助相關(guān)部門制定更為高效的隔離和公共防疫政策（如圖4）。

高精度物理建模和成像計(jì)算技術(shù)是一直是計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)動(dòng)畫、科 學(xué)計(jì)算可視化、計(jì)算機(jī)輔助幾何設(shè)計(jì)等領(lǐng)域的研究熱點(diǎn)，近年來廣泛應(yīng)用在虛 擬現(xiàn)實(shí)、數(shù)字影視游戲、數(shù)字醫(yī)療與康復(fù)、仿生工程以及三維打印等領(lǐng)域。 本項(xiàng)目針對(duì)上述應(yīng)用領(lǐng)域需求，開展以下幾個(gè)方面的內(nèi)容研究： 1）基于中間復(fù)形曲面的復(fù)雜形狀逼近理論和方法； 2）基于代數(shù)曲面的高精度碰撞檢測(cè)和距離計(jì)算； 3）基于中間復(fù)形網(wǎng)格的變形計(jì)算方法； 4）復(fù)雜拓?fù)湮矬w受力分析、物體結(jié)構(gòu)加固方法； 5）復(fù)雜拓?fù)湫螤畹母呔壤L制算法。 本項(xiàng)目旨在通過對(duì)上述內(nèi)容的研究，為開發(fā)高度真實(shí)的三維虛擬手術(shù)模擬 系統(tǒng)、人體器官或軟組織的高精度三維打印以及仿生裝置的加工制造系統(tǒng)提供 51 理論和技術(shù)支持，以提升我國在上述領(lǐng)域的創(chuàng)新設(shè)計(jì)能力和國際競爭力。 本項(xiàng)目獲得國家自然科學(xué)基金重點(diǎn)項(xiàng)目資助，項(xiàng)目執(zhí)行期 2014.1-2018.12。

基于PEEC模型的高效多層建模計(jì)算方法 Litz Wire通常用于無線電能傳輸，電力電子轉(zhuǎn)化器等場合來減少其高頻渦流損耗。Litz Wire的復(fù)雜結(jié)構(gòu)導(dǎo)致許多商用電磁仿真軟件在計(jì)算時(shí)效率不高。目前比較流行的Litz Wire計(jì)算工具包是MIT研發(fā)的Fastlitz，相對(duì)電磁仿真軟件可以大幅提高計(jì)算效率，但是對(duì)于結(jié)構(gòu)復(fù)雜的Litz Wire效果仍然不好。課題組提出的一種全新的網(wǎng)格劃分方法

本發(fā)明公開了一種面向視頻編碼的背景建模方法，通過在圖像塊的基礎(chǔ)上選擇性地進(jìn)行局部背景建 模、局部背景更新、局部多重背景保持，以克服現(xiàn)有以幀為單位的背景建模方法中存在的背景更新的最 佳時(shí)機(jī)難以確定、特定情況下背景建模困難、對(duì)周期性背景建模效率低下等問題，從而降低背景建模的 開銷，提高背景模型的預(yù)測(cè)質(zhì)量，最終提高視頻編碼的總體壓縮效率。

本發(fā)明提供了一種高速列車輪對(duì)的建模方法，涉及高速列車的數(shù)字化設(shè)計(jì)與制造技術(shù)領(lǐng)域。模型的信息集成和管理對(duì)縮短響應(yīng)市場時(shí)間、提高設(shè)計(jì)效率是企業(yè)希望解決的問題。通過對(duì)所述各元參數(shù)的分析和提取，構(gòu)建高速列車輪對(duì)的各元參數(shù)設(shè)計(jì)模型；利用矢量陣列對(duì)高速列車輪對(duì)的各元參數(shù)設(shè)計(jì)模型進(jìn)行描述，包括以下四個(gè)步驟：各元參數(shù)初始化、各元參數(shù)數(shù)組序列化、關(guān)系元參數(shù)轉(zhuǎn)化為關(guān)系矩陣、環(huán)狀多邊形矢量陣列描述：結(jié)合高速列車輪對(duì)的各元參數(shù)設(shè)計(jì)模型的矢量化和陣列化描述，采用環(huán)狀多邊形數(shù)據(jù)結(jié)構(gòu)構(gòu)造高速列車輪對(duì)的矢量陣列；層級(jí)對(duì)象之間通過關(guān)系元參數(shù)將各個(gè)環(huán)狀多邊形矢量陣列形成高速列車輪對(duì)的矢量陣列描述。主要用于高速列車設(shè)計(jì)的建模。

一種綜合回收含烴石化尾氣中氫氣、輕烴以及其他高附加值物質(zhì)的集中回收方法。該方法充分考慮物料壓力和組成的特點(diǎn)，將變壓吸附、氣體膜分離等新型分離技術(shù)與精餾、吸收和壓縮冷凝等傳統(tǒng)分離技術(shù)有機(jī)結(jié)合，按照分離要求將各分離工藝梯級(jí)布局。通過各分離技術(shù)的相互促進(jìn)作用，改善了各分離工藝的操作條件，從而提高了能源的利用效率和物質(zhì)的回收率；具有多目標(biāo)同時(shí)回收、目標(biāo)回收率高、能源利用率高，能從低目標(biāo)濃度的煉廠氣中回收目標(biāo)產(chǎn)品的優(yōu)點(diǎn)；適用于石油煉制與加工領(lǐng)域。

本發(fā)明公開了一種基于重復(fù)子結(jié)構(gòu)的復(fù)合材料有限元建模方法，包括以下步驟：建立復(fù)合材料精細(xì)化的多組分單胞有限元模型；基于上述精細(xì)化的多組分單胞有限元模型，建立復(fù)合材料重復(fù)子結(jié)構(gòu)模型；對(duì)重復(fù)子結(jié)構(gòu)進(jìn)行縮聚，然后將特征矩陣裝配到單胞殘余結(jié)構(gòu)，得到全復(fù)合材料分析模型；此方法在保證計(jì)算精度的同時(shí)簡化了復(fù)合材料精細(xì)化建模工程，極大的提高建模效率，具有十分重要的工程意義。

隨著人們生活水平的不斷提高和社會(huì)的發(fā)展進(jìn)步，環(huán)境問題和能源問題已經(jīng)得到越來越廣泛的重視。電動(dòng)車輛由于其具備很多優(yōu)勢(shì)如環(huán)保節(jié)能、零污染和能量來源途徑廣泛等優(yōu)點(diǎn)而逐漸受到人們的喜愛。但是電動(dòng)車本身是一個(gè)受多源干擾影響的非線性系統(tǒng)，傳統(tǒng)的控制方法(如PI控制)已經(jīng)不能滿足電動(dòng)車在高性能場合的需求。面向電動(dòng)車控制系統(tǒng)，我們已經(jīng)擁有一整套的建模、分析和設(shè)計(jì)方案。我們的成果是，利用時(shí)變干擾觀測(cè)器技術(shù)對(duì)受外界環(huán)境變化、負(fù)載變化和模型誤差等因素引起的時(shí)變干擾進(jìn)行實(shí)時(shí)精確估計(jì)，從而進(jìn)行精確補(bǔ)償，消除干擾對(duì)系統(tǒng)造成的不利影響，同時(shí)可以與滑模控制或其他先進(jìn)控制方法相結(jié)合，設(shè)計(jì)和實(shí)現(xiàn)基于時(shí)變干擾觀測(cè)器的復(fù)合控制方案。目前已受理多項(xiàng)國家發(fā)明專利，發(fā)表多篇高水平學(xué)術(shù)論文。技術(shù)成熟，解決方案尤其適合基于位置傳感器/無位置傳感器的模型參數(shù)不匹配、受大時(shí)變干擾影響和有高效率需求的電動(dòng)獨(dú)輪車、兩輪車和四輪車等電動(dòng)車輛應(yīng)用場合。