|
搜索
搜 索
高等教育領域數字化綜合服務平臺
技術需求:解決中頻爐諧波技術難題
1.引進熟練掌握基于IGBT的PWM整流，IGBT驅動保護及諧波控制技術的高級工程師，解決中頻爐諧波技術難題2. 引進精通中頻爐節能技術及串聯諧振主回路設計及控制回路設計的高級工程師，解決中頻爐節能技術難題。3.引進熟悉DCS系統設計及工業自動化設計的高級工程師，解決客戶中頻電爐生產自動化技術難題。 4.引進基于網絡技術的嵌入式高級工程師，解決中頻爐遠程診斷和維護的技術難題。
山東神州電爐有限公司
2021-08-24
人才需求：操作維護機器人
操作維護機器人技術人員，要求?？埔陨蠙C電專業人員
山東同興食品有限公司
2021-08-30
人才需求：機械工程師
1：機械工程師
2：食品安全管理員
3：復合調味品研發人員
4：企業品牌戰略人員
金鄉縣金禧園食品有限公司
2021-08-30
人才需求：大專以上學歷
大專以上學歷，熟練操作辦公軟件，有雞肉加工行業相關工作經驗優先；良好的溝通及表達能力，能對相關問題快速做出應對反應；較強的邏輯思維能力，適應能力強，能快速進入崗位角色的數據的人才，統計員和生產計劃主管
日照泰森食品有限公司
2021-08-30
人才需求：機械工程師
一、機械工程師：1、機械相關專業畢業；2、熟練掌握Soliworks等三維設計軟件；3、農業工程類專業優先；4、具有工作經驗者優先。二、電氣工程師：1、電氣自動化相關專業畢業；2、熟練掌握一種編程語言；3、熟悉PLC及電氣調試；4、熟悉電氣設計軟件；5、具有工作經驗者優先
山東思代爾農業裝備有限公司
2021-08-27
人才需求：機械工程師
1、機械工程師；2、嵌入式軟件工程師；3、ROS軟件開發工程師；4、Node.js開發工程師；5、機器人程序開發工程師。
山東山速機器人科技有限公司
2021-08-26
煉鐵生產過程伴生能源的整體梯級回收系統
本發明公開了一種煉鐵生產過程伴生能源的整體梯級回收系統,包括:包含燃氣輪機的高爐煤氣燃機發電系統和包含雙壓余熱鍋爐的余熱回收發電系統;還包括燒結煙氣回收系統和冷卻熱廢氣回收系統。所述的燒結煙氣回收系統將來自燒結機的燒結煙氣經除塵器除塵后,在第一引風機的抽吸作用下送入雙壓余熱鍋爐;所述的冷卻熱廢氣回收系統將冷卻熱燒結礦后產生的熱廢氣在第二引風機的抽吸作用下也送入雙壓余熱鍋爐。本發明系統將燒結工藝顯熱和煉鐵過程伴生的低熱值高爐煤氣進行整體回收,并且梯級利用,形成完整的、能穩定運行的中低溫余熱、低熱值高爐煤氣高效綜合利用系統。
浙江大學
2021-04-11
一種能源回收自清潔的垃圾輸送系統
本發明公開了一種能源回收自清潔的垃圾輸送系統，包括：用于輸送垃圾桶升降循環的升降機構，所述升降機構具有環形輸送件，環形輸送件上間隔布置有多個連接座，每個連接座上轉接有所述的垃圾桶；安裝在所述升降輸送機構兩側并用于保持垃圾桶升降運動姿態的限位軌道，靠近所述升降機構的底部設有無限位軌道作用的垃圾傾倒位；置于各樓層并用于控制垃圾桶在垃圾投放口停止的即停機構；位于所述升降機構下方的垃圾儲存箱，用于儲存各垃圾桶翻轉倒出的垃圾。本發明適用于高層建筑各樓層垃圾的升降輸送；節省電梯運輸垃圾的功耗，節能減排；減少垃圾處理的人力消耗，降低管理成本。
浙江大學
2021-04-11
基于大數據的能源互聯網能量管理系統
隨著電網數據規模越來越大，所蘊含的價值也越來越多。清華大學信研院研發了基于機器學習方法的能源互聯網能量管理系統，主要功能為對電網的穩定性進行預測和可視化。系 統分為訓練部分和預測部分。訓練部分通過歷史數據進行機器學習，建立一個電壓穩定性的 分類器。分類器訓練完成后，再對新增的未知數據進行預測。訓練部分主要分為特征提取、 類別標記、特征壓縮、分類器類型選擇。預測部分主要分為分類器數據啟動階段和預測輸出 階段。本系統提出利用機器學習方法對電網電壓穩定性進行預測，進一步綜合多個節點給出 電網態勢感知的評估結果。在訓練每一個節點分類器的時候，本系統將特征選取的時段和預 測時間節點拉開，形成一種延時的預測方法，本發明對復雜系統有著更好的還原效果。2 應用說明本系統實施電壓穩定性預測的具體步驟為:步驟 1:通過部署在關鍵測點的同步相角測量單元 PMU 采集電網實時數據，所述 實時數據包含電網中每個關鍵測點的電壓 U、 有功 P、無功 Q、電流 I;分別計算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，電壓的變化 量比上無功的變化量的衍生量 dU/dQ，用這 些衍生量作為特征，來表征量的時間變化速 率;步驟 2:對步驟 1 中提取的特征進行數 據降維與壓縮;根據特定時刻電壓 U 是否恢 復到標準值的 0.8 倍來區分每組樣本組是否 穩定，用 0 標記穩定，用 1 標記不穩定;步驟 3:選擇分類器，建立一個電壓穩 定性的分類器;步驟 4:訓練分類器;當分類器訓練完 成后，將訓練好的參數儲存起來;步驟 5:進入預測部分的數據啟動階段， 填充特征矩陣，沒有輸出;步驟 6:把多個節點的特征按照順序排列，形成特征矩陣;特征矩陣填充完成后， 根據分類器給出的預測結果;特征時段向前滑動，最初的特征被拋棄，新特征補充在隊尾， 分類器持續給出預測結果;步驟 7:每隔一定時間間隔 ，要把新收集來的數據與以前的數據一起，重新回到步驟 4 訓練分類器，更新參數。在具體系統搭建過程中，我們充分利用現有機器學習平臺。其中 Hadoop 的文件管理系統 HDFS 負責數據存儲;Spark 負責模型訓練;Storm 負責在線預測;Kafka 負責在 Storm 和Hadoop 之間傳遞更新后的模型參數。
清華大學
2021-04-11
多能源微網系統智能規劃和全景評估軟件
高?？萍汲晒M在科轉云
西安交通大學
2021-04-10