摘要：准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法应用的复杂性,提出了一种适用于在线监测应用场景的基于蜣螂优化算法和自适应无迹卡尔曼滤波的SOC估计算法。将二阶Thevenin等效电路作为蓄电池的模型,利用蜣螂优化算法对该模型的关键参数进行自适应辨识,根据所辨识的参数,利用自适应无迹卡尔曼滤波算法对SOC进行估算。为了验证该算法的有效性,利用锂离子电池不同动态工况的实验数据进行了测试。实验结果表明,在初始参数设置模糊或不准确的情况下,该算法依然能够自适应地获取精度更高的SOC估计结果,具有更好的鲁棒性。

摘要：针对施工组织设计在施工全过程中的作用，介绍了其编制原则，分析了施工组织设计应用中存在的问题，并列举了宾例，论证了施工组织设计对于施工全过程以及生产经营活动的重要意义。

摘要：结合实践经验,分析了混凝土温度收缩裂缝的原因,从设计的角度进行控制,通过合理的使用后浇带、预应力结构及剪力墙,提高混凝土的抗拉强度,以减少混凝土的裂缝,提高建筑物质量。

摘要：随着现代总线技术的发展和热工水力试验测量需求的变化,在热工水力测控系统中出现了基于不同的现场总线的测量设备。不同的总线接口需要不同的测试系统,会导致整个测控系统成本增加、系统臃肿。为了实现热工水力试验中多种现场总线的兼容,提出组件化总线板卡兼容的概念;同时,利用C/C++构建控制器底层嵌入式API,为测控程序的快速开发提供软件编程接口。基于组件化总线板卡+嵌入式API的软硬件架构所研制的可编程控制器,进行了CAN、Modbus RTU、Profibus PA的协议兼容和编程测试,功能及数据结果准确无误。试验结果表明,该控制器可实现热工水力试验中多种现场总线的兼容,提高系统的集成自动化程度,减少成本。

摘要：自启停控制技术可有效提升发电系统启停阶段的自动化水平、运行安全性和经济效益。基于典型的超临界二氧化碳发电系统,首先分析了自启停控制技术设计思路,然后提出了一种新的自启停控制技术体系框架,并进一步设计了自启停控制技术研究方案。所设计的研究方案可为系统自启停控制技术应用提供指导,且可以为同类型发电系统自启停控制技术研究提供参考。

摘要：核反应堆工程热工试验测量仪表是为保障系统正常运行提供数据的基础。为了实现对其管理的信息化、规范化与高效化,本文基于单位数字化转型实践经验,提出基于大数据应用的该测量仪表全生命周期管理平台,并对各支撑平台与相关技术进行研究。实验证明:该平台可实现仪表的全寿期数据采集、存储和分析,具备寿命预测、健康管理等拓展功能,且对管理系统升级改进、指导测量仪表管理数字化转型具有重要意义。

摘要：随着工程实验任务越加繁重,支撑工程实验任务的计量管理工作面临严峻的挑战。本文以某院所的计量管理现状作为案例,分析了当前该院所支撑工程实验计量管理面临的问题,并提出了一系列数字化解决方案,设想建立一套通用的工程实验计量管理数字化体系,提高支撑工程实验的计量管理效率。与不同行业的计量管理的数字化体系相比,该体系以标准化计量数据管理平台为核心,自动化检定系统为基础,设备物联网管理系统作为支撑,最终体现在工程实验项目管理能力上,实现工程实验项目的数字化质量管理模式。

摘要：热电偶测温系统中,冷端补偿是影响测量准确度的关键因素之一,目前在反应堆工程试验研究中,使用冷端补偿盒对热电偶进行补偿。冷端补偿盒为非标准化产品。结合热工试验对温度量值准确性与溯源性的要求,通过对热电偶冷端补偿及冷端补偿盒工作原理进行研究,并采用实验室计量标准装置进行冷端补偿效果对比验证,提出一种热电偶冷端补偿盒校准方法。结果表明,该校准方法准确可靠,冷端补偿盒的补偿效果与实验室热电偶校准用冰瓶补偿效果具有一致性,可为实验室热电偶校准提供新思路。

摘要：测量不确定度的准确评定是测量结果有效可靠的重要依据,是仪器仪表质量保证的重要指标。常用的测量不确定度评定法(GUM)利用线性化模型对不确定度进行传播,当误差模型为非线性或较为复杂时,容易造成评定结果不准确。本文以核电厂常用的压力表为例,采用蒙特卡洛测量不确定度评定法(MCM)对其测量误差进行不确定度评定,重点研究了MCM的评定方法与步骤,利用MATLAB模拟大量样本对概率密度进行传播,从而得到不确定度结果,最后运用MCM对GUM的评定结果进行验证。结果表明,MCM对压力表测量误差的不确定度评定更为精确可靠,值得应用和推广。

摘要：作为一种重要手段,自训练方法极大提升了域自适应目标检测(DAOD)性能,其主要通过教师网络对目标域数据进行预测,然后选择高置信度的预测结果作为伪标签来指导学生网络训练。然而,由于源域与目标域存在显著的域差异,教师网络产生的伪标签质量不佳,进而影响学生网络训练,降低了模型性能。因此,提出一种面向DAOD的一致无偏教师(CUT)模型。首先,在教师网络设计自适应阈值生成(ATG)模块,该模块通过高斯混合模型(GMM)在训练过程为每张图像生成自适应阈值筛选伪标签,保证伪标签数量时序一致性,提高伪标签质量。其次,提出预测引导样本选择(PSS)策略,借助教师网络中区域建议网络的预测结果为学生网络选择样本,使选择的样本与真实结果具有一致性,降低质量不佳伪标签对学生网络的影响。此外,为了提升对小目标和数量较少困难类别目标的检测性能,设计混合域增强(MDA)模块,在训练过程中生成包含源域和类目标域随机信息的混合域图像对学生网络进行训练。将该模型在3个场景数据集进行实验,性能分别提升4.0%,5.8%和3.7%,验证了该算法的有效性。值得注意的是,该模型CUT首次利用自训练方法来解决可见光图像到红外图像的较大域差异问题。