【摘 要】
：
2017年6月底,全球首艘氢动力游艇“能源观察者”号(Energy Observer)自法国圣马洛港出发,开启了别具一格的环球航海之旅。“能源观察者”号环球航行项目的设立初衷就是测试最前沿的创新可再生能源技术,以此推动行业的能源转型,并且通过真实的航行过程探索并向全世界展示各类可适应盐雾、极端温度、风浪等恶劣海况的可再生能源在海运业的应用潜力,同时激发人们的可持续发展意识。该船仅由太阳能、风能、水动力等可再生能源和船上生产的氢气提供动力,号称可以完全实现能源自给自足,并且在航行中不会排放任何废气、颗粒物或
论文部分内容阅读
2017年6月底,全球首艘氢动力游艇“能源观察者”号(Energy Observer)自法国圣马洛港出发,开启了别具一格的环球航海之旅。“能源观察者”号环球航行项目的设立初衷就是测试最前沿的创新可再生能源技术,以此推动行业的能源转型,并且通过真实的航行过程探索并向全世界展示各类可适应盐雾、极端温度、风浪等恶劣海况的可再生能源在海运业的应用潜力,同时激发人们的可持续发展意识。该船仅由太阳能、风能、水动力等可再生能源和船上生产的氢气提供动力,号称可以完全实现能源自给自足,并且在航行中不会排放任何废气、颗粒物或
其他文献
立项评估是军民通用标准制定的重要环节,对提高军民通用标准质量和实施效益具有重要意义。针对军民通用标准立项评估机制,研究提出了评估原则、评估要点和评估方法,并就做好军民通用标准立项评估工作给出了意见建议,以期为我国标准化军民融合工作发展提供参考。
为了解决采用传统大直径高位钻孔3次成孔工序复杂、施工效率低、钻机满负荷运行等问题,基于ZYL-25000D型大功率成套钻机具,对超大孔径(φ300 mm)高位定向抽采钻孔成孔工艺进
三平移并联机器人内置传感器偏离并联中心,实际反馈机器人姿态信息不及时,导致分析得到的机器人运动姿态外倾角较小,针对该问题,优化设计三平移并联机器人的结构并构建运动学多目标分析过程。重构三平移并联机器人传动支路,调节传感器放置位置,设定机器人仿真参数,简化处理为运动指标,构建结构动力学方程,几何描述三平移并联机器人运动姿态,形成多目标分析算法。搭建机器人实验平台,应用基于时空差异的运动学多目标分析方法、基于柔性动力学的多目标分析方法与所设计的多目标分析方法进行实验,结果可知:所设计的运动学多目标分析方法得到
目前应用较多的大数据动态自动化平台均存在数据查询性能、数据迁移性能方面的问题,因此设计一种基于GIS数据交互的大数据动态自动化平台。平台由多个模块构成,包括后台支持模块、数据预处理模块、PROFILER模块、数据库模块。其中后台支持模块由主机、交换机、服务器构成。其中主机的数量需要根据实际情况来布设,主机选取的型号为IPC-KR3499。数据预处理模块负责进行大数据的导入与清洗。其中大数据的导入使
备受关注的绿色船舶项目所用技术包括氨、电池、氢、甲醇/甲烷、风动力及生物燃料。数量之多,所用燃料不同,说明在动力能源清洁化背景下,海事界有多形式推动清洁能源使用的多种选择。
浅部煤层数量减少,煤矿开采开始往深部发展,深部围岩具有顶板坚硬分层厚度大、强度高、完整性好等特点,在开挖过程中,围岩可储存大量弹性能,当储存弹性能达到极限强度时出现突然释放,导致强矿压显现,严重威胁安全生产。以马脊梁煤矿8105工作面为研究对象,通过搜集资料、现场调研等方法,获取了马脊梁煤矿工程地质条件,建立了临空巷道切顶后的力学模型,进行了临空巷道切顶后的围岩应力特征演化分析,分析了气相切顶卸压的切顶高度、切顶角度等关键影响参数,研究了气相切顶卸压效果,消除了强矿压显现,保障了工作面的安全高效生产。
针对传统发电机振动位移测量系统测量结果精确度较低的问题,研究提出了一种基于多传感技术的发电机振动位移自动化测量系统。利用CPU、激光传感器与振动速度传感器、显示器组建系统硬件结构,然后设计振动位移自动化测量模块和波形显示模块组建系统软件部分。为了验证该系统测量结果的精确度,将其与3种传统测量系统进行对比实验,其测量结果精确度分别为86.4%、72.3%、66.8%、54.3%。通过比较可知,系统的
“2017年3月7日,习近平总书记在参加十二届全国人大五次会议辽宁代表团审议时,嘱托鞍钢早日实现'凤凰涅槃''浴火重生'.应该说,从那以后,鞍钢历届领导按照习近平总书记的
这个项目的顺利完成表明中国船级社(CCS)的新造船服务能力完全能够适应国际一流船东的总体服务需求,为“建设国际一流船级社”收获和坚定信心的同时,与马士基在新造船上的首次合作给CCS在规范、审图、现场检验与项目管理与服务等方面带来了极为宝贵、极富价值的经验与启示。
针对被控系统的不确定性和非线性特征,提出了一种基于强化学习的随机振动主动控制策略。采用深度确定性策略梯度(DDPG)的强化学习算法设计振动控制器,该过程不涉及专家经验,完全由算法和数据自主交互学习完成。控制器是一个多层神经网络模型,这种由强化学习算法设计的控制器称为RL-NN控制器。通过两个数值仿真算例验证了RL-NN控制器的性能,其中考虑不确定性的单自由度系统主动控制效果达97%,考虑不确定性和非线性的车辆1/4悬架系统半主动控制效果达74%,结果表明RL-NN控制器对不确定性和非线性系统具有优异的振动