罐内新型通风降温机问世的初衷

武汉江岸辆厂研制成功新型通风降温机，有效地解决了铁路罐车内焊作业的劳动条件，稳定了职工队伍，促进了经济良性发展。     

广州市小型餐饮污水初级净化处理方法探讨

本文针对广州市餐饮污水排放现状。污水排放特征。对餐饮污水初级净化处理的几种常见方法从机理到实际效果进行了详细的比较，并推荐一些行之有效的方法．     

直升机用呼吸器

经过美国海军认可的直升机机组人员用新型呼吸器(简称为HABD/SRU-B/P)是为直升机机组人员突然落水时使用的.HABD/SRU-40 B/P允许使用者口含调节阀,这样,双手就可以自由活动.     

基于电话的家庭远程监控系统

通过基于电话/语音调制解调器/PC机的远程监控与控制系统结构,用户可以通过在室外的一部电话机,通过拨号,可以查询家庭状态的语音信息,直接对家中的空调、二楼灯、客厅照明、厨房照明、窗帘、浇花机等设备进行开关操作。随着电话与计算机在家庭中的普及,只需将模型系统中各站合并为一台     

浅谈安全管理“三要素”

安全管理是安全科学的重要组成部分。“人—机—环境“是安全管理的 3个基本要素 ,安全管理必须围绕这 3个基本要素建立安全管理体系 ,协调“人—机—环境”的自然和谐 ,将“人—机—环境”建立在一个最优组合状态下 ,把安全问题由事后处理型转变为事先预防型 ,从而提高安全管理体系的效能和水平。     

炼化装置闸阀内漏去噪及声识别技术研究

炼化装置阀门使用环境比较恶劣,检测现场存在大量的动设备噪声,易导致内漏识别误判。针对检测现场噪声特性,以闸阀为研究对象,结合内漏声的随机特性,提出一种VMD-Nonlinear SVM方法,该方法结合变分模态分解方法和互信息熵,实现噪声分解和内漏声信号重构,对该重构信号的时频和统计特征进行提取,并作为支持向量机特征输入,实现阀门声识别。在炼化现场,将VMD-Nonlinear SVM方法与EMD-Nonlinear SVM和Nonlinear SVM的分类结果进行对比,结果表明VMD-Nonlinear SVM方法对阀门内漏识别准确率达到95.5%,能够满足复杂环境下的阀门内漏识别要求。     

Al-CTMAB复合膨润土同时吸附处理水中菲和磷酸根

用AlCl₃和溴化十六烷基三甲基铵(CTMAB)共同改性制得无机-有机复合膨润土Al-CTMAB-Bent,并研究其同时吸附处理水中菲和PO₄^3-的性能.结果表明,在菲和PO₄^3-的初始浓度分别为1 mg/L和5 mg/L(以P计)、水土比为800∶1时,Al-CTMAB-Bent对菲和PO₄^3-的去除率分别为96.3%和90.2%.Al-CTMAB-Bent沉降性能良好,沉降1 h后剩余浊度比相应的有机膨润土下降81.4%,为解决实际污水处理中有机膨润土固-液分离难题提供依据.     

探析安防监控云台机的应用及常见故障检排

安防监控云台机在安防行业中起着至关重要的作用,对其使用和维护不当会引发诸多故障.本文针对安防监控云台机的性能特点,介绍了安防监控云台机的选择技巧、安装使用、故障排查等相关内容,提供了云台视频信号干扰故障的检修实例.     

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

基于PSO-SVM算法的空气质量分类研究

由于空气组成成分多、含量波动较大,严重影响着分类结果的准确率,因此为了增加空气质量分类预测的可靠性,提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数,之后通过训练集数据进行机器学习建立了支持向量机多分类模型,最后将测试集的输入向量导入该模型得到分类结果。分析结果表明,粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响,提高了支持向量机的分类准确率,为空气质量等级分类问题提供了一个新的研究思路。