-
加速培育电子信息产业发展新动能
来源:四川经济日报 发布日期:2025-01-07
回眸2024 2024年，电子信息处坚定贯彻落实省委、省政府关于加快发展电子信息优势产业提质倍增决策部署，促进产业链、创新链、资金链、人才链“四链”深度融合，加快培育产业新兴增长点。 服务重点产业链，壮大优势产业。围绕重点产业链和龙头企业，组建新型显示产业链协同
-
基于Moldflow的汽车抽屉内板注塑模具设计
来源:工程塑料应用 发布日期:2024-12-10
采用Moldflow软件对汽车抽屉内板的模流过程进行深入分析和优化，依据模拟分析的详尽结果与塑料件独特的结构特性，设计了1点开放式热流道浇注系统方案，预测了在塑件注射成型过程中可能遇到的问题，最后设计出一模一腔的热流道注塑模具。为了克服注射成型后塑件筋位对滑块产生过强包紧力导致的脱模难题，设计了一种滑块内置顶针复合抽芯机构，该机构融合了“滑块+顶针+弹簧+滑动块”的多元组件，通过实施两次分步抽芯策
-
大型工程施工机械设备管理及信息技术探讨
来源:中国设备工程 发布日期:2024-12-25
大型工程施工项目中机械设备扮演着不可或缺的关键角色，其性能与效率直接影响着项目的进度与质量。本文从企业大型施工机械设备管理模式出发，提出了综合性的管理模式，探讨了信息化技术在大型工程施工机械设备管理中的应用，以期提升企业机械设备管理水平，为推动企业高质量发展提供新动力。
-
绿色建材生产碳排放测算研究：以南京为例
来源:工程管理学报 发布日期:2024-10-15
为解决绿色建材生产碳排放定量化难题，量化其碳减排效益，综合考虑了绿色建材原材料选用及生产工艺流程，基于排放因子法构建了绿色建材生产碳排放测算方法，并对南京地区部分绿色建材产品开展实证研究。结果表明，单位产品绿色建材相较于普通建材的生产碳排放量减少了16.60%～70.59%。此外，通过测算分析绿色建材生产各阶段碳排放贡献，建议推进绿色建材生产的低碳化可重点关注原材料获取和运输阶段。这不仅为绿色建材
-
新能源汽车中的驱动电机控制技术分析
来源:汽车维修技师 发布日期:2024-12-19
驱动电机控制系统作为新能源汽车的核心，为车辆的行驶提供了全部驱动力，保证了车辆行驶过程中的动力性和平顺性，其作用相当于传统汽车的发动机，直接影响整车的性能。本文在分析驱动电机在新能源汽车中作用的基础上，重点探讨了驱动电机控制对整车性能的影响机制，剖析了电机参数辨识与自适应控制、转矩响应与弱磁控制、无位置传感器控制、容错控制等关键技术，并提出相应的优化对策，以期为新能源汽车驱动电机控制技术的创新应用
-
过渡金属纳米酶的调控及其在食品检测中的应用
来源:食品安全质量检测学报 发布日期:2024-11-15
与生物酶相比,高效过渡金属纳米酶凭借其多酶活性、可调酶活性、高稳定性以及低成本,在食品安全检测中展现了突出的应用潜力,在食品工业领域具有多样化的应用前景。近年来,这类纳米酶在食品检测领域的发展逐步扩大,检测物质种类不断拓宽,检出限不断降低,检测范围不断扩大,为食品安全快速检测提供了新途径。然而,相关应用仍存在提高特异性、酶活稳定性和降低生物毒性等困难,同时还需解决回收和成本效益等方面的问题。因此,
-
新能源汽车电子控制技术
来源:内燃机与配件 发布日期:2025-01-05
随着全球对环境保护要求的提高以及化石能源日益枯竭，新能源汽车由于其节能环保等优点越来越受到人们的青睐。因此，世界主要发达国家都将发展新能源汽车作为重要的战略措施，制定了许多鼓励政策。中国政府也发布了一系列扶持政策，使新能源汽车在国内得到迅速发展。在当今日益增长的环境意识和技术进步的背景下，汽车行业正在迅速向电动化、智能化、网络化转型。在这一转型过程中，汽车电控系统(Electronic Contr
-
食品接触材料中丙烯腈迁移分析
来源:包装学报 发布日期:2024-11-28
为研究不同材质在不同模拟物中丙烯腈迁移风险，选取63批代表性样品，采用顶空气相色谱法测定丙烯腈迁移量。实验结果表明：在不同材质中，AS塑料检出率最高(47.1%)；在不同模拟物中，50%乙醇的检出率最高(20.0%)，可作为最苛刻的食品模拟物筛选产品；材料损伤对丙烯腈迁移量有显著影响。
-
绿色食品产业对低碳经济的推动作用研究
来源:中国集体经济 发布日期:2024-10-15
随着人们对环境保护意识和可持续发展理念的增强，低碳经济成为当代社会关注的热点。绿色食品产业作为低碳经济的重要组成部分，在推动低碳经济发展中扮演着至关重要的角色。文章基于绿色食品产业的发展现状，探讨了其在低碳经济中的作用机制和推动效果。通过对绿色食品生产、加工及销售全链条的碳排放分析，结合案例研究，揭示了绿色食品产业在减少温室气体排放、促进能源利用效率等方面的积极影响。并提出加强政策支持、加大科技创
-
基于深度学习的电子信息材料声参数检测技术
来源:电声技术 发布日期:2024-12-25
研究深度学习在电子信息材料声参数检测中的应用，通过多传感器阵列采集声信号，并利用卷积神经网络进行参数反演，通过构建多层神经网络实现声学信号的高效处理与特征提取。实验结果显示，应用该技术，可在提高检测精度的同时显著缩短检测时间，相对误差控制在2%以内，单次检测时间缩短至2 s。
027-87841330