现代化造纸企业的可持续发展与永续经营

＂行业中的每家企业都在思考未来十年或者二十年,企业的未来如何发展,方向在哪里？我认为,首先要研究探讨造纸企业发展中＂不变＂的因素,这点非常重要,纵观造纸行业之前和未来的发展,有三点因素是＂不变＂的。＂     

煤炭消费减量化和清洁利用国际经验

目前中国仍处于煤炭经济阶段,煤炭在能源结构中占据主导地位.放眼全球,发达国家煤炭消费都已经实现或正在经历减量化和清洁利用,他们所经历的社会经济发展,以及处理与能源关系的经验,都值得正处于工业化和城镇化进程中的中国借鉴和参考.本文选取英国、德国、美国和日本四个典型国家作为案例,介绍四国煤炭消费发展的不同阶段以及采取的措施,并为中国煤炭消费控制提出建议.     

基于联合概率分布的激光有源干扰效果分析

在综合考虑导引头波门、制导激光时间稳定度、干扰激光时间稳定度、干扰激光光程差的时间修正量等因素的基础上,根据制导激光概率密度函数和干扰激光概率密度函数,推导出制导激光与干扰激光的联合概率密度函数,建立了干扰激光超前于制导激光进入导引头波门的概率模型,并通过仿真实验分析得出最优超前时间量的范围。     

TiB2-B4C陶瓷复合材料高压烧结与性能表征

在5.0GPa及1500～2000℃的压力和温度条件下,采用高压烧结的方法制备了B4C含量分别为10％和30％的TiB2-B4C陶瓷复合材料.对TiB2-B4C陶瓷复合材料的物相、显微结构、密度、硬度、热导率、电阻率等进行了分析.结果表明:材料在高压下没有发现化学反应生成新的相;TiB2-B4C陶瓷复合材料具有较高的致密性,没有明显的气孔;TiB2-30％B4C在1800℃下硬度最高,在4.9N载荷下可达27.8GPa,在9.8N载荷下可达24.3GPa;在常温下,热导率可达30.42W/(m·K).     

基于聚合物微球接枝硅油的超滑棉织物制备及其防污性能

为提高超滑织物的物理化学稳定性,首先采用乳液聚合法以乙烯基改性纳米二氧化硅(V-SiO₂)为原料制备自黏性核壳型聚合物微球,将其经浸涂-焙烘工艺组装到棉织物表面得到粗糙基底;然后利用氨基-环氧基接枝反应、氨基-羟基氢键作用将氨基硅油接枝在粗糙基底表面得到超滑织物。探究了超滑织物的疏液、防污及物理化学稳定性能。结果表明：超滑织物中超滑表面的粗糙结构由粒径为321.3 nm的微球构成,表面水滴接触角为138°;水、二甲基亚砜在超滑织物表面的滑动角分别为7°、15°;接触番茄酱、咖啡污物后,超滑表面黏附量显著减少;经200 mL以内水冲击后,超滑织物表面水、二甲基亚砜的滑动角分别小于12°、26°;在pH值为3～9条件下其表面液滴的接触角稳定在42°～49°之间。     

液压起重机轨迹跟踪控制方法的研究

液压起重机对目标轨迹跟踪的正确性,有助于提高其工作效率和工作质量.为了提高液压起重机对目标轨迹的跟踪正确度,以及跟踪过程的平稳性,设计了一种液压起重机轨迹跟踪控制方法.首先,通过对液压起重机进行分析,求取了其旋转关节以及执行机构的运动学模型;然后,利用一个低频正弦波,构造了死区补偿装置模型,克服了由控制阀引起的固有死区...     

作业面过断层破碎带加固技术

断层作为煤矿井下生产中十分常见的一种地质构造形式,确保回采作业面通过断层时的安全、高效,对于提升矿井生产综合效益意义重大。以此为着手点,针对作业面过断层破碎带加固技术开展探究,结合具体工程实际,在运用数值模拟手段开展过断层模拟分析的基础上,对过断层破碎带加固技术做出具体分析,并对其应用效果进行监测。结果表明,所设计的方法确保了作业面过断层期间的围岩稳定性,确保了回采安全。     

基于新型卷积神经网络构建矿山灾害事件检测模型

事件检测属于自然语言处理的核心任务及难点之一,使用长短时记忆网络(LSTM)和卷积神经网络(CNN)进行的相关研究越来越广泛,但面对篇章级别的事件文本时,参数量庞大的LSTM与语义缺失明显的CNN导致模型检测准确性和收敛性均欠佳。该文结合迭代空洞卷积神经网络和高速神经网络,提出基于混合特征的高速迭代空洞卷积神经网络,力图优化深层模型训练中常见的梯度消失与爆炸现象,提取性能更优的篇章级文本特征。实验结果表明,该方法与当下主流的LSTM和CNN模型相比,矿山灾害事件检测效果更为理想,收敛性及训练效率也表现更优。     

杜儿坪矿采用双巷掘进

分析论证了在高瓦斯矿井采用双巷掘进的可行性和必要性，并介绍了在杜儿坪矿的实施情况。     

基于密集连接网络的图像隐写分析

针对目前传统的隐写分析技术对特征集要求越来越高的问题,构建了一个密集连接网络模型（Steganalysis-Densely Connected Convolutional Networks,S-DCCN）进行图像隐写分析,避免了人工提取特征,提高了隐写分析效率。首先,在网络层之前添加高通滤波层（HPF）进行滤波,加快模型训练速度。经过滤波后的图像进入两层卷积层进行特征提取,在卷积层之后使用了5组密集连接模块来解决网络加深带来的梯度消失问题,密集连接模块之间通过过度层来控制整个网络的宽度。实验结果表明,相比传统的图像隐写分析算法和卷积神经网络技术,该模型有效提高了隐写分析的准确率和泛化性能。