PC—1500袖珍计算机在烟尘浓度计算中的应用

目前在烟尘（或粉尘）浓度测试中，各监测部门基本上采用的是静压平衡型烟尘浓度测定仪，该仪器具有位能稳定、精度高、携带使用方便，在不稳定的工况下，能够随时进行跟踪测试等优点，是一种较理想的烟尘浓度测试仪。然而在现场采样工作结束后，室内分析人员还存在着大量的数据处理工作，由于静压平衡烟尘浓度测定仪的计算公式较为繁琐，用计算器来计算测量结果，不仅计算速度慢，还容易出错。根据在烟尘测试中的实际经验，运用BASIC语言，在PC－1500袖珍计算机上编制了一套计算烟尘浓度的程序，该程序通过人机对话，具有简单、方便、准…     

THAF气浮机在浮选池中的应用

针对Ｕ３２０＃污水处理装置浮选系统进行改造，应用ＴＨＡＦ气浮机替代原有压力容器罐，从而油的去除率达到７３％，ＣＯＤ的去除率达到４７％，取得了满意效果。     

木工圆锯机安全技术要求

前言为了提高木材加工企业的生产安全性，确保圆锯机操作者的作业安全与健康，并便于各单位实施GB16272《木材加工圆锯机安全技术要求》，现将其主要内容作如下介绍。1一般要求1．1锯轴的额定转速不得超过圆锯片的最大允许转速（见附录A）。1．2圆锯机上的圆锯片必须配有安全防护罩。1．3工作台面镶板一般排列在圆锯片的两边，镶板应由有色金属、塑料或木材等较软材料制成，并可以更换。1．4工作台上的锯片槽口宽度一般为锯路宽度加10mm，倾斜锯为锯路宽度加15mm。1．5对可能造成人身伤害的圆银机的传动部件必须设有安全防护装置。1．6锯…     

日本血管纹路验证身份用于安全市场

这种手掌血管识别系统在日本上市一年多以来已经取得了显著的成功。日本第三大零售银行——东京三菱银行已经从2004年10月份开始在其ATM机上安装这种系统，并将其作为更安全的人身识别方式。到2005年9月这家银行的3000台ATM机中大约有半数将会采用这种系统，其他的主要国有及地区银行也表示将采用这种系统。     

土壤渗滤对有机微污染物去除性能研究

采用土壤柱试验研究了土壤渗滤对再生水中有机微污染物的去除性能。结果表明,土壤柱对再生水中的DOC、UV₂₅₄、总氮和总磷有较好的去除效果,并具有较高的抗冲击负荷的能力;土壤表层10 cm厚度对DOC的去除起主要作用;UV₂₅₄和AOX在土壤表层10 cm厚度降解效果不明显,随着深度增加去除率逐渐升高;液相色谱有机碳探测(LC-OCD)检测结果表明,土壤柱对溶解性有机物质的去除主要体现在对多糖物质的降解上,其次是有机酸类,对腐殖质也有一定的去除作用。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。     

2012年《中国安全生产科学技术》征订启事

(中国科技核心期刊美国CA检索收录)国家安全生产监督管理总局主管中国安全生产科学研究院主办《中国安全生产科学技术》是刊载安全生产科学技术与管理成果的综合性学术期刊。入选中国科技核心期刊,并被国际三大著名检索机构之一的美国化学文摘数据库收录,在国内外具有广泛影响力。     

基于VMD排列熵与FASSA-SVM的滚动轴承故障研究

提出了一种基于萤火虫改进麻雀搜索算法-支持向量机（FASSA-SVM）的轴承故障诊断方法。首先对轴承工况的振动信号变分模态分解（VMD）得到多个模态分量（IMFs）,其次利用排列熵（PE）求解每种工况每个IMF的PE值作为特征参数输入至SVM中,最后利用FASSA方法优化SVM的惩罚因子、核参数并得到最优的轴承故障分类诊断效果。实验结果表明,FASSA-SVM方法的平均测试集诊断准确率高达99.8%,该诊断结果优于传统的萤火虫算法（FA）、优化麻雀搜索算法（SSA）。     

基于DWT与SVM的风门开闭阶段识别方法

为解决因风门开闭导致的风速传感器数据异常波动与误报警问题,提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据,利用统计方法与DWT,提取各尺度子时间序列数据中的统计特征与隐含的波动特征,建立SVM风门开闭阶段识别分类模型。为进一步优化识别结果,基于重叠度(IoU)规则合并、修正、组合、取优分类识别结果,再根据相似准则建立长度方向取变率为2、整体相似比为1∶16的相似试验模型,开展风门开闭扰动试验,验证方法的可行性。结果表明：在测试集上的识别准确率较高,对于风门开闭时间的识别准确率可达到90.08%,风门开闭阶段的划分准确率可达到71.05%,优化滑动窗口尺度数量,可继续增加方法识别的准确率。