粉料无尘装车机工作原理及其在冶金厂矿的应用

介绍集装车与防尘统一于一体的无尘装车技术及具有设备本质安全化特点的无尘装车机在解决粉状物料装车作业时的扬尘问题,保护作业工人健康,维护厂区环境方面的重要优越性。     

掘进巷道粉尘控制技术的研究

针对掘进巷道的特点,研制了一种高效实用的自激式水浴水膜除尘器,并对其结构、除尘过程和与掘进机相配套的方式进行了研究分析。还对掘进巷道中的产尘源进行了调查和分析,认为掘进巷道的防尘方法：应先采用掘进机头的内外喷雾,然后采用长压短抽的通风除尘系统和利用除尘器将含尘空气进行净化;对转载点除尘采用简易闭密罩加喷雾;对巷道周壁的粉尘采用喷洒粘尘剂固尘,才能有效地降低整个巷道的粉尘浓度。     

立式单轴自动拧紧机机械系统开发

为满足汽车驱动力以及使车速能在较大范围内变化,变速箱第二轴与凸缘的适度预紧至关重要。故在凸缘螺母装配时,对螺母进行预紧力控制,以保证螺纹副联接的机械性能。为满足预紧力可控的变速箱第二轴与凸缘螺母的紧固要求以及高效率自动化生产的需要,开发了立式单轴(变速箱凸缘紧固螺母)自动拧紧机。该拧紧机通过对扭矩的控制,给第二轴与凸缘装配螺母提供了一定预紧力,从而使汽车行驶时变速箱正常运转。     

机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析

为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1 357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、非机动车驾驶员属性、机动车辆、非机动车辆、道路和环境等因素与机非双方驾驶员过错和事故严重程度之间的关系。结果表明:模型拟合度良好;机动车驾驶员是否出现过错与机动车驾驶员的性别、机动车使用性质、道路类型和天气等9个变量显著相关;非机动车驾驶员是否出现过错与非机动车驾驶员的性别、非机动车类型和道路物理隔离等6个变量显著相关;机非交通事故的严重程度与机动车驾驶员的驾龄、机动车安全状况、道路线形和机动车驾驶员过错等7个变量显著相关。该研究结果可为降低机非交通事故严重程度提供参考依据。     

基于FTA-SVM的车辆发动机故障识别方法

发动机结构日益复杂,其故障具有多样性和频发性的特点,收集大量故障样本存在很多实施障碍。为了提高车辆发动机的故障识别的效率和准确性,提出了一种新的结合故障树(FTA)和支持向量机(SVM)各自特点,从故障模式分析到故障类型识别的FTA-SVM故障识别方法。首先利用故障树在复杂系统故障模式分析中的优势,找出系统的故障模式,建立故障树模型,通过对故障树模型中各故障事件的分析,采集与故障事件状态相关的数据,建立数据与故障树底事件的映射模型,最后利用支持向量机在小样本数据处理中的优势,进行故障类型的识别。以发动机的失火故障为例建立了发动机失火故障树模型及故障数据与故障模式映射模型,验证了FTA-SVM方法的有效性和适用性。     

岩溶塌陷倾向性等级的KPCA-SVM预测模型

为了快速、有效地预测岩溶塌陷倾向性等级,在统计分析大量观测实例的基础上,选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为特征指标。利用核主成分分析(KPCA)方法在高维空间提取岩溶塌陷影响因子的主成分,将获取的主成分作为支持向量机(SVM)的特征向量,建立基于KPCA的岩溶塌陷倾向性等级的SVM预测模型。将12组观测数据作为学习样本对模型进行训练。采用回代估计法进行回检,误判率为0。利用训练好的模型对2组待判样本进行预测。结果表明:经KPCA后指标个数减少,相关性降低,SVM运算的复杂度降低。用该模型所得预测结果的准确率为100%。     

美国成功测试可变向子弹

据报道,近日美国国防高级研究计划局官员称,研究人员和美国国防部目前正在测试一种可在飞行途中改变方向的新型机动子弹。美方军事官员认为,一旦这种技术得到完善,就能拓展狙击手的射程,并且可以提升有风情况下的射击精度。报道称,这种可以搜寻目标的子弹由美国国防高级研究计划局的科学家们共同研发和测试,是极高精度任务武器计划的一部分。该武器计划的研究人员们尚未披露可以     

有机化学品不同温度下(过冷)液体蒸气压预测模型的建立与评价

(过冷)液体蒸气压(PL)是评价化学品在环境中分配、迁移和归趋行为的重要参数。PL具有较强的温度依附性。发展一种能够精确预测不同环境温度下化学品PL的方法,有助于填补化学品生态风险评估的大量数据缺失。本研究收集整理了661种有机化合物在不同温度下(200~830 K)共计10 478个log PL值。在此基础上,采用偏最小二乘(PLS)回归和支持向量机(SVM)方法,构建了PL的线性和非线性预测模型。结果表明:2种模型均具有良好的拟合度、稳健性及预测能力,SVM模型的预测性能略高于PLS模型(PLS:R2adj.tra=0.912,RMSEtra=0.477,Q2ext=0.910;SVM:R2adj.tra=0.997,RMSEtra=0.092,Q2ext=0.967)。机理分析表明,温度是影响PL的主要因素,温度越高,蒸气压越大;其次,X1sol也影响PL大小,X1sol用来描述分子间的色散作用,分子间色散力越小,蒸气压越大;此外,化合物的氢键个数、极性和分子构型等因素也影响PL大小。采用Wiliams plot方法表征了PLS模型应用域。所建立的模型可用来预测烷烃、烯烃、醇、酮、羧酸、苯、酚、联苯、卤代芳香烃、含N化合物及含S化合物在不同温度下的PL数据。