摘要：针对海南昌江核电1、2号机组调试期间发生的单泵运行时环路上3个流量计全部超量程触发质量位异常现象,从反应堆冷却剂流量信号测量原理、停堆保护逻辑和质量位设置原则入手,对环路流量测量方法及冷停堆状态下流量信号实测数据进行了分析研究,指出现设计流量信号物理量程无法包络多种运行工况下的相对流量值。根据分析,需对流量计测量范围进行调整,使其输出的4~20 mA电流换算后对应的工艺流量量程从0~120%FP(FP为满功率)调整为0~129%FP(环路流量信号显示为X%FP,表示当前流量为相对满功率运行时流量的X%),并在调试期间将正常满功率运行时的流量计输出电流标定至13.615 mA。

摘要：针对传统建筑模型展示缺少互动性,难以适应未来信息技术大发展的局限性,提出“以学生为主体,数字化为手段”,基于Unity3D开发引擎搭建建筑模型智慧博物馆。通过设计架构与组建系统的各个功能模块,实现用户在馆内沉浸式漫游,跨时间、跨地域、全方位游览馆内的建筑模型资源,与模型创作者相互学习交流。该项目由学生自主研发,获国家级大学生创新实践项目立项。对建筑模型智慧博物馆创建的思考和实践过程,对高校提升实践教学质量具有一定参考价值。

摘要：随着商品中所含各种化合物的不断使用,人们日益关注其对人类及生态环境的安全危害。在过去的几年里,通过计算方法预测化合物毒性已经显示出极大的潜力。在此,总结了常用的机器学习和深度学习算法在建立毒性预测模型上的优缺点,并系统回顾了近三年发表的可免费访问的毒性预测网络服务器。此外,还讨论了基于人工智能和互联网时代下毒性预测所面临的机遇和挑战。希望指导人们合理选择算法和网络服务器进行建模及化合物毒性评估。

摘要：设计了一种基于西门子LOGO!控制器,以力控组态软件Force Control V7.0作为上位机监控平台,实现了对温室系统参数的实时监测、参数设定、历史数据查询、图形报表、实时报警与远程控制等功能,满足了温室环境监控的需求。

摘要：以P-LCL补偿网络的SSC-WPT系统为基础,利用高次谐波近似算法对电路参数进行设计,实现精确的零电压软开关(ZVS)裕量。分析了单管无线电能传输电路的工作模式以及参数的设计,以理论分析为基础,搭建输出电压为150 V,功率为1 kW的实验样机,验证结果与理论分析一致。

摘要：针对电动汽车车载无线充电磁耦合器体积和重量大、铁氧体易碎裂的问题,提出了一种由铁氧体磁片、纳米晶带材及铝箔构成的复合屏蔽层磁耦合器。通过Maxwell分别对铁氧体和四种纳米晶磁芯的性能进行分析和比较,在机器学习得出磁耦合器最优磁芯结构的基础上,优化设计了复合屏蔽层结构及各部分材料构成比例,与传统铁氧体磁片和铝板构成的磁耦合器相比,所提出的复合屏蔽层磁耦合器在减小了体积和重量的同时,互感和耦合系数分别提高了8.2%和0.7%,成本减小了47%。最后搭建了传输距离为12 cm的实验平台进行了验证。

摘要：光纤传感器作为新型传感器在多种工业场合得到了广泛应用,而分布式光纤传感器由于其体积小、质量轻、耐环境能力强、易于组网等特点,尤其适合用于核电厂这种存在较多高能设备的场合。基于瑞利散射振动测量原理和光时域反射空间定位原理,研究分布式光纤振动传感器在核电厂中的应用可能性,并针对振动和辐照环境开展了试验验证,结果证明基于瑞利散射的分布式光纤振动传感器在核电厂中有优异的应用前景。

摘要：采用全桥逆变电路的无线电能传输(wirelesspowertransfer,WPT)系统存在直通问题,采用单管逆变电路的WPT功率有限。该文提出一种基于单管多重并联结构的恒流恒压WPT方案,并搭建实验平台验证其有效性。首先,使用S-LCL/S补偿网络实现恒流恒压输出,并通过Saber仿真系统搭建了单管多重并联恒流恒压无线充电系统模型;然后,使用Maxwell有限元法对磁耦合器进行仿真设计,并借助仿真结果搭建实验平台,验证方案的正确性。该实验平台包括多种硬件和软件,可以加深学生对电力电子知识的理解,提高学生的科研实践能力。

摘要：基于EtherCAT现场总线技术的发展,要求较高的智能控制算法可进一步实现,文章介绍了基于EtherCAT的开源主从模式,建立了与伺服驱动控制器底层转速环和扭矩环的通信关系,完成对伺服系统的直驱实时控制。为验证对伺服电机控制,即验证一类欠驱动系统的控制算法的可靠性,对研制欠驱动系统状态信息检测系统和实验平台开展测试验证,验证分析表明,基于EtherCAT的一类欠驱动伺服系统实验平台能够满足实验要求,较好地实现直驱控制,并且能充分验证其欠驱动系统控制算法的有效性。

摘要：核电厂中广泛存在的传感器为其运行提供了重要支持。传感器的任何故障都可能威胁到核电厂的安全。为提升核电厂运行可靠性,提出结合残差双向长短期记忆(ResBiLSTM)神经网络和稀疏注意力机制的传感器故障诊断方法。以核电厂目标传感器和与之紧密相关的敏感参数集时序信号作为输入,构建ResBiLSTM模块进行故障特征提取。将残差模块的输出送给稀疏注意力模块,进一步关注历史序列时刻中的重要部分。筛选保留目标特征,滤除冗杂特征,以实现精准提取有效故障特征。在输出端,利用Softmax分类器输出故障分类结果。对核电厂反应堆出口温度现场数据进行故障注入以及诊断试验,故障识别准确率均达到98%以上。试验结果表明,所构建模型可以实现对原始时域信号的多尺度特征提取和故障诊断。通过与深度卷积神经网络(CNN)、深度稀疏自编码器(SAE)和支持向量机(SVM)等算法进行对比,所提模型的故障识别性能更优。