论文部分内容阅读
目的论视角下旅游景点介绍英译研究 ——以中国四大名园为例
【出 处】
：
华北电力大学
【发表日期】
：
2021年01期
其他文献
随着工业4.0进程的不断推进,企业的生产模式正由传统模式向自动化、智能化模式转变。利用工业机器人进行工件的自动抓取,可以节省工业成本、提高工作效率。将工业机器人与工业相机相结合进行物体分拣,是一个重要的研究领域。本文根据深度学习和机器视觉建立一个工业机器人识别抓取系统,工业机器人控制系统能从外界获取目标物体的类别、位置及位姿。根据实体机器人几何参数,搭建机器人运动仿真平台,建立工业机器人运动学模型
电力行业一直致力于实现发电的清洁化、低碳化。当前,光伏电站、风电场等新能源发电在电力系统中日益增多。与传统能源发电相比,新能源发电虽然碳排放低,但随着并网容量的增大,光伏发电、风电对系统的影响越来越明显。新能源具有间歇性、波动性、反调峰、可控性差等特点,因此需要改变传统的电源规划方法。科学、合理地配置风电、光伏等清洁能源发电量,既是充分发挥多能源电力系统综合效益的重要前提,也是现阶段推进清洁能源电
多接入边缘计算（MEC）能够高效处理边缘设备所产生的数据,在无线网络边缘为设备提供计算资源。将非正交多址接入（NOMA）技术应用到MEC能够有效增加设备连接数量并且提高用户的卸载效率。尽管非正交多址接入-多接入边缘计算（NOMA-MEC）系统具有诸多优势,但其仍存在不足之处,如利用中继辅助传输带来的信息安全泄漏及针对工业互联网控制类应用业务场景下的信息接收新鲜度问题。因此,本文主要从物理层安全和信
风电机组运行工况复杂多变,故障率较高。尽早发现机组故障并及时处理,能够有效减少停机时间,避免重大事故,降低运维成本。风场的监控与数据采集（Supervisory Control and Data Acquisition,SCADA）系统,可以提供大量机组相关工况变量,如功率、温度、风速等。如何从这些数据中挖掘有效信息,实现风电机组故障早期识别,是风电机组故障预测领域的热点研究课题。本文基于深度学习
光纤传感器高精度解调技术的研究在近几年成为热点,由于光纤布拉格光栅（FBG）中心波长的变化直接反映外界温度、压力等物理量的变化情况,所以在恶劣环境下如何准确的检测出FBG中心波长值以获取更精准的信息是备受关注的研究方向。基于可调谐F-P滤波器的FBG解调系统在恒温条件下具有很高的解调精度,但是在温度变化的条件下,解调系统性能会下降,直接影响FBG中心波长的高精度解调。因此,本文提出了一种基于F-P
近些年来风电飞速发展,风电装机容量不断增大,永磁直驱风力发电机凭借其特有的优势广泛应用于风电系统中。直驱风电场并入弱交流电网的场景在实际工程中广泛存在。直驱风电场与弱交流电网之间相互作用会引发次同步振荡,对于这一场景的次同步振荡问题亟需研究。针对直驱风电场并入弱交流电网的次同步振荡（sub-synchronous oscillation,SSO）问题,现有研究多将整个风电场等值为单机模型进行研究。
我国是地震的高发区,每年因地震造成了巨大的经济损失和人员伤亡。在震后救援中,应急救援物资的调度是开展应急救援的一个重要环节,是应对突发事件和开展灾害救援的基础。地震灾害发生之后三天是救援的关键时期,也就是“黄金救援期”,在这阶段能否高效、精准地预测应急救援物资需求并在第一时间送至灾害发生地点,往往直接影响受灾人员的伤残率和死亡率。本文主要研究了如何在救援初期信息匮乏、救援物资不足的情况下,建立救灾
SCADA系统为机组运行状态评估和预测提供了可靠的大数据来源,如何有效分析这些数据,开展机组运行状态评估及预测,降低风电机组运营成本和停机时间是亟待解决的问题。本文基于SCADA数据,建立分层次预警模型,开展风电机组运行状态评估和预测,主要研究内容包括:（1）数据预处理及特征参数提取。SCADA系统数据量庞大且随机性强,包含着许多无用数据点,为降低无用数据点对研究结果可靠性的影响,本文清洗掉风电机
输配管网是区域供能系统的重要组成部分。该部分不仅具有高昂的初投资、复杂的结构形式,而且在输配供能的过程中会产生大量的能量耗散,降低区域能源系统的整体性能。对区域能源供应管网进行优化研究,能够很大程度上节约投资,提升系统供能的有效性和可靠性。基于对管网供能系统进行优化的目的,针对管网供能有效性、经济性和供能可靠性,分别提出了火积效率、管材初投资、可靠度三个评价指标。对供能有效性,建立火积效率评价模型