论冲压设备机械伤害事故的成因与预防

任何事故的发生都离不开人的不安全行为和物的不安全状态，作为危险性较大的冲压设备机械的伤害事故的产生也不例外。为此，从冲压设备机械伤害事故的两起案例入手，具体分析形成事故的因素并提出预防事故发生的有效措施。     

矿井提升机盘闸制动系统工作状态监控与安全

运用故障树分析(FTA)方法分析矿井提升机盘式制动系统故障原因,包括机械故障、摩擦系数故障、液压故障等,提出矿井提升机盘闸制动系统的故障树,并给出了系统状态计算机测控系统方案。采用现代检测与计算机技术,对盘闸制动系统的主要故障进行综合检测;对摩擦系数进行间接检测;研究成果,为故障报警与控制提供了保障,报警与控制结合,提高了提升机盘闸制动系统的安全性。     

高速电机驱动的空气循环制冷技术研究

空气循环制冷技术是一种常用的制冷技术 ,广泛应用在地面设备空调通风和飞机环境控制系统等诸多领域 ,保障人员的舒适和设备的安全。高速电机驱动的空气循环制冷技术是高速电机驱动技术与空气循环制冷技术结合产生的新型技术构想 ,采用该技术的空气循环系统具有结构简单、节约能源等优点。通过介绍该技术方案的工作原理 ,分析了高速电机驱动技术在空气循环制冷系统中应用的可能性及其实现手段。研究表明 ,高速电机驱动技术将为空气循环制冷技术的发展带来较大的影响     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

安全利用火烧清理法进行脱硅器的清理

针对氧化铝生产中密闭性压力容器脱硅器清理作业环境差、清理难度大、危险性高等特点,结合中国铝业中州分公司脱硅器现场清理检修作业的实践经验,阐述了如何安全利用火烧法进行脱硅器现场清理工作.     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

土壤监测质量保证与质量控制

质量保证与质量控制措施是土壤监测工作在具体开展过程中确保其监测结果准确性、代表性、全面性的重要措施,同时也是土壤监测工作在具体开展过程中的核心工作内容。在环境保护与可持续发展战略情况下,采取全面有效的质量保证与质量控制措施可以确保并优化土壤监测结果的真实性、准确性和全面性,对促进土壤监测工作的优化发展具有非常重要的意义。基于此,本文针对土壤监测工作开展过程中应当实施的各项质量保证与质量控制措施进行了分析总结。     

基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明：ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.     

CASS处理技术的原理和应用

介绍了CASS工艺的原理、特点、核心构筑物和设计、运行中应注意的主要问题以及常见故障的排除方法。