垂直发射装置排气道极限承压性能分析

目的研究导弹在意外点火时排气道的力学性能及导弹发射的安全性,对排气道的极限承压性能进行研究。方法建立排气道的极限承压的仿真模型,通过水压试验及发射试验,获取排气道不同种试验方式下的极限承压数据。结果排气道在导弹正常发射时承压设计值为0.3 MPa。极限承压仿真试验过程中,排气道在受到0.5 MPa压强时,所受应力超过材料最大抗拉极限。水压试验过程中,排气道受0.58 MPa压强时,其结构发生破坏。意外点火试验过程中,排气道所受最大压强值为0.24 MPa。结论排气道的极限承压能力可以满足正常发射及意外点火的发射要求,排气道的设计裕量充足。     

2011年7～9月全省较大事故简况

一、7月10日12时2分,南平武夷山市区武夷大道世纪桃源路段,闽H3C628二轮摩托车在非机动车道上行驶时撞上公交车站,造成摩托车上驾乘人员3人当场死亡。     

2011年7～9月全省较大事故简况

一、7月10日12时2分,南平武夷山市区武夷大道世纪桃源路段,闽H3C628二轮摩托车在非机动车道上行驶时撞上公交车站,造成摩托车上驾乘人员3人当场死亡。二、7月19日14时20分,漳州市南靖县境内厦蓉高速公路(闽)B道和溪镇下长坡路     

液化天然气储罐火灾爆炸事故的定量分析

介绍了某天然气站的基本情况,利用道化学指数评价法,对该站储罐区的1个3000m3球罐进行风险评价,评价结果表明：该罐火灾爆炸指数为149.1,危险等级是较大。一旦罐内天然气在储存过程中发生火灾、爆炸,将使半径38.17m内,面积4574.82m2内的设备、设施受到损害,最大可能财产损失为0.66A万元。由于罐区采取了一些安全措施对储罐安全进行补偿,有效地降低了事故损失。为操作管理者更加全面地了解整个罐区的风险状况提供参考,有利于天然气储罐区的规划、管理及事故预防等。     

硝基苯废水处理技术的研究与应用进展

硝基苯废水作为一种具有高毒性和易积累性的优先控制污染物,其治理日益受到人们的关注。综述了目前国内外硝基苯废水处理技术的研究与应用进展,主要包括物理法、化学法、生物法及复合处理方法等。其中,物理法的处理工艺流程相对较简单,投资和运行成本中等,但是存在处理周期长、吸附剂稳定性差、回收率不高和未实际充分降解的问题。化学法具有反应速率快及效果明显的优点,但存在处理成本高且具有二次污染的问题。生物法操作简单,成本低廉且不存在二次污染,但含高浓度硝基苯类化合物的工业废水一般难以直接用生物法处理。提出物理法或化学法可作为预处理,提高硝基苯废水的可生化性,利用生物处理技术作为终端处理的复合处理方法将是硝基苯废水处理的主要方向。     

四氧化二氮储罐的风险评价

为确保四氧化二氮储罐的安全稳定,运用道化学火灾爆炸指数评价法对其进行风险评价,得出安全措施补偿前后储罐的火灾爆炸危险性等级、暴露半径、暴露面积。结果表明:采取安全补偿措施后四氧化二氮储罐的火灾爆炸危险性由中等降到了最低,暴露半径由27.45m降为13.53m,暴露面积由2 366m2降为574.82m2,说明采取安全措施补偿能够有效降低四氧化二氮储罐的危险性,可为储罐事故风险预防和管理提供理论依据。     

阶梯形鱼道中的滚动流研究(英文)

最近 ,小型倾斜河流中的阶梯形鱼道建筑以它的简易与实用而变得日益重要。在这种鱼道中出现的滚动流将产生波涌 ,并继续向下传播 ,而且它的周期性滚动可能会严重危害鱼道。因此 ,我们着手研究了它的严重性以便设计者在设计鱼道时能考虑这些因素。由实验证实滚动流源于阶梯形鱼道的上游。滚动流在稳定流与半平滑流间转变 ,它在一定时间间隔内不断地从稳定流变成半平滑流 ,又从半平滑流变成稳定流。它的流量值随着阶梯形水道的几何形状变形而呈现上下限。流量值和时间间隔均随着水池长度的增加而增加。     

构筑施工企业的安全防线

在施工生产中,把安全列入十分重要的管理工作已成为一种必然,这是由于安全工作的重要性所决定的.为了搞好安全,杜绝事故的发生,施工企业自上而下,从领导者、管理者到执行者,形成了三道安全防线.三道防线的布设有着严格的划分顺序,其各自行使的职责也有着严格的分工.有了这三道"防线",事故当然就不容易发生.下面笔者根据施工生产实践,谈谈如何构筑起施工企业生产安全防线.     

杨妈

正盛夏的清晨,住在北河边的杨妈到水景平台上提水浇花,无意间发现在河面上漂着一只死猫。"谁干出如此缺德的事?"说完,她放下水桶,奔到家里去拿晒衣竿。正在庭院里晾衣服的媳妇疑惑不解问:"妈,你要竹竿派啥用场?""去河浜里捞一只死猫?"媳妇     

基于Multi-class SVM的车辆换道行为识别模型研究

自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。