-
机器学习在高效连铸制造中的应用现状及展望
来源:鞍钢技术 发布日期:2024-12-15
高效连铸以高拉速、铸坯无缺陷为基础，通过钢-轧界面间铸坯热装和轧制实现钢铁制造流程的绿色低碳发展。传统连铸制造需向智能化连铸转型，以连铸制造流程大数据量和机器学习算法为基础，挖掘有价值的信息或逻辑关系。构建具有决策能力和预测判断功能的智能化铸机，实现连铸高效生产和智能控制。通过介绍国内外机器学习在高效连铸制造中的应用现状，分析智能连铸在铸坯裂纹在线智能预报、结晶器漏钢智能预报和连铸过程的其他重要智
-
农作物种植中农业机械的应用及作用研究
来源:农机市场 发布日期:2024-10-18
农业机械的应用,极大地提高了农作物的种植效率,减轻了农民的劳动强度,保障了农产品的质量与安全。深入研究农业机械的作用及应用,对于提升农业整体竞争力,实现农业现代化具有重要的战略意义。
-
机械自动化控制中PLC技术的应用研究
来源:中国机械 发布日期:2024-12-05
本研究探讨了PLC技术在机械自动化控制中的应用，以提升制造业的智能化水平。通过设计试验方案，将PLC和传统继电器控制方式进行对比，评估PLC系统在加工精度、动态响应等方面的性能。试验结果表明，PLC控制提高了加工精度，最大误差降低85.1%，响应时间缩短81.5%。同时，PLC的闭环控制算法有效增强了系统的稳定性与一致性。
-
浅谈某土料改性项目机械掺合过程的质量控制要点
来源:电力勘测设计 发布日期:2024-12-31
某水电项目所需土料天然条件下黏粒含量低，不能直接作为防渗土料使用，需要对原状土料进行改性掺合。对土料进行机械掺合研究是土料改性的关键环节，机械掺合过程中保证掺合质量成为决定项目成败的关键技术。通过采取调整进料工序，改造掺合设备，控制含水率等措施，掺合质量得到了较好的控制。掺合料在满足规范要求的基础上不仅均匀性好，离散性小，含水率得到了有效控制，掺合生产能力也得到了较大的提升。本项目在国内首次实现了
-
基于配电网电能质量指标体系的多区域电动汽车充换电站比例规划
来源:现代电力 发布日期:2024-11-25
随着电动汽车渗透率的高速增长，不合理的充换电站比例规划会导致配电网电能质量和运行经济性下降，亟需建立配电网电能质量指标体系对充换电站的比例规划进行评估。传统指标体系赋权方式单一，且不能准确描述指标间相互关系。文中提出了基于改进序关系分析(G1-criteria importance though intercrieria correlation, CRITIC)组合赋权针对不同比例充换电站规划的配
-
高校化学化工实验室安全教育的实践探索
来源:实验室研究与探索 发布日期:2024-12-23
为防范风险、化解隐患、筑牢安全防线，行之有效地开展安全教育和安全准入，从安全教育及风险防控的系统性视角，在落实安全责任的基础上，基于实验室安全的RAMP原则和分级分类管控的个性化需求，针对化学化工类本科生和研究生系统地开展了实验室安全教育的实践探索。实践验证了系统化的安全教育在提升学生安全意识和应急处置能力方面的有效性。该文对兄弟高校提高化学化工类实验室安全教育水平具有一定的借鉴作用。
-
为舌尖安全撑起“保护伞”
来源:巴中日报 发布日期:2024-12-19
今年以来，食品安全监管部门累计完成抽检6212批次，排查整治风险隐患近5万个，查办违法案件828件，全市未发生系统性、区域性食品安全风险，级别以上食品安全事故零发生。这是记者从巴中市农村地区“强基行动2024”工作总结暨2024年度食品安全述职评议会议上获悉的。 据介绍
-
用“新”应变勇闯市场
来源:中国纺织报 发布日期:2024-12-30
2024年的“进度条”即将走完。在这一年中,面料行业在复杂多变的市场环境中,通过积极调整来适应变化,展现了较强的产业韧性,在高端化、绿色化、智能化发展方面不断取得新突破,产品结构不断优化,经营效益持续改善。 据国家统计局统计,2024年前三季度,印染行业规模以上企业印染
-
产业转移背景下“一针一线”纺织服装技能人才培训基地课程研究
来源:鞋类工艺与设计 发布日期:2024-11-15
通过对清远市“一针一线”纺织服装技能人才培训基地纺织服装技能人才师资培训班、职业（技工）院校“服装设计与制作（工艺）”现代学徒制师资转岗培训班、职业（技工）院校“服装设计与制作（工艺）”现代学徒制师资提升培训班、纺织服装技能人才社会人员公益技能培训班的课程研究，分析各课程设计及作用，总结课程成效，探索创新高技能人才培养。
-
机器学习技术在农业机械领域中的研究进展
来源:新疆农机化 发布日期:2024-10-22
随着机器学习这一前沿技术的快速发展，农业机械的智能化进程显著加速，特别是在作业数据的深度挖掘与精准处理方面展现出巨大潜力。本文介绍了机器学习在农机故障监测与诊断、数据驱动决策和自动驾驶三方面的研究进展。同时，也指出了机器学习在农业机械领域面临的挑战以及未来的发展趋势，为后续农业机械的智能化研究提供借鉴。
027-87841330