钱塘江涌潮影响因素研究

钱塘江涌潮影响因素研究对保护涌潮和涌潮防灾具有重要意义。基于长系列实测水文、地形资料，系统分析了潮汐、径流、河床等自然因素以及治江缩窄、流域建库等人类活动对钱塘江涌潮的影响。研究结果表明：潮差越大、涨潮历时越短，涌潮越强；径流对涌潮存在直接和间接影响，间接影响是径流通过河床冲淤，间接影响潮汐和涌潮，一般是丰水期径流量越大，汛后涌潮越强；同时，河床冲淤影响涌潮平面分布和潮景。治江缩窄后，起潮点和最大涌潮位置下移，下游河段涌潮增大，同时涌潮变化幅度减小。新安江水库建成后，造成涌潮变幅减小。     

基于稀土永磁同步电机的线缆挤塑机系统改造

相对于传统的直流电机与异步电机,稀土永磁同步电机的结构更简单、节能更高效、性能更优化。根据可行性分析结果,基于稀土永磁同步电机进行了Φ90规格线缆挤塑机系统升级改造。经过节电和经济效益评估,相对异步电机挤塑机系统,改造后的永磁同步电机挤塑机系统可节电25%~35%,日节电金额56.2元。同时,验证了永磁同步电机在线缆挤塑机系统中应用的可行性,且有较大的经济效益。     

基于机器学习的铁路工务人员行为识别方法

针对现如今铁路工务人员在作业时得不到实时监控，安全事故时有发生的情形.以铁路探伤工为例，分析了工务人员的7种主要行为.每个工务人员佩戴集成了加速度传感器的嵌入式设备，采集其行为数据并提取特征，采用C4.5决策树、随机森林、KNN、SVM四种分类算法做了实验，结果表明：SVM分类识别率最高，行为识别准确率达到了99.2%.该研究为消除铁路现场作业人员的行为安全隐患具有一定工程应用价值.     

基于激光诱导击穿光谱技术的煤灰分特征研究

灰分是衡量煤炭质量优劣的关键指标,是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题,本文基于粒子群优化算法(PSO)和BP神经网络,提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量,为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品,1～140号样本数据用于训练集,141～180号样本数据作为测试集。应用PSO BP模型对煤炭灰分特性进行了研究,仿真结果表明:优化后的6维BP神经网络模型,决定系数R2为088501越接近1,表明建立的PSO BP模型具有较好的预测性能,灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度,提升了模型的泛化能力和预测精度,为后续的LIBS术应用于煤炭检测提供一定的理论依据。