超低密度等级发泡水泥的制备研究

以普通硅酸盐水泥作为胶凝材料,采用化学发泡法,制备了120kg/m~3密度等级的超低密度发泡水泥保温板。系统研究了主要材料组成因素对超轻发泡水泥力学性能的影响,探索超低密度等级发泡水泥材料制备的稳定配方。通过正交设计试验方法,分析了不同材料对超轻发泡水泥保温材料强度的影响程度。     

压缩机活塞杆断裂原因分析及整改措施

通过对中油济柴成都压缩机厂所作《关于黄龙场增压站RTY1030压缩机活塞杆断裂情况原因分析及整改措施》的仔细解读,结合天然气压缩机运行实际,分析了活塞杆受力情况,指出了2010年9月31日投入生产而12月26日活塞杆就断裂的真正主要原因,探讨了活塞杆与活塞锁紧问题,并提出了活塞杆结构设计、部件安装、使用、活塞锁紧方式选择的一些合理化建议.     

新型鉴相鉴幅漏电继电器的研究

本文阐述了剩余电流保护器的工作原理,对鉴相鉴幅的智能化进行了理论分析,给出突变漏电电流检测方法,可以实现突变电流动作无死区,利用单片机技术可以实现漏电动作保护的延时,保持特性改变方便。     

曲轴轴向窜动的修复

我单位1994年初购回一台八成新的L型压缩机,轴功率293kW,安装时发现低压侧曲轴轴向窜动6mm,双手提曲轴轴头,有微动感,用百分表测量指针摆动0.14mm,推拉曲轴时,轴承内圈、外圈均一起移动,两者间无相对转动,轴承磨损不大。查随机图纸,双列向心球面滚柱轴承(3622)与曲轴箱体孔的配合为240J7/h6,轴承盖与轴承轴向间隙为0.8～1mm,轴承内孔与轴的配合为110H7/k6。拆出轴和轴承,检测发现：①该轴承座孔比另一轴承座孔长5mm,②轴承座孔有磨损的痕迹,孔径为240.09,比240J7大0.09mm,轴颈110.01比110k6小了0.004mm,③百分表指针摆动数减去轴在外圆与座孔的间隙：0.14-0.09=0.05,这说明轴承磨损约0.05mm。对此采取了以下的修复措施。 　　如图1所示,在轴承盖的凸缘上增加一个高5mm的垫圈,材料A3,即增加凸缘高度,保证盖与轴承间隙仍为1mm,该垫圈与轴承盖的连接为三个沉头螺钉,方便日后拆卸。在将曲轴和轴承一体安装入曲轴箱轴承座孔前,该座孔涂以适量环氧树脂胶粘剂,并在座孔下方沿轴向间隔45°粘三条10mm宽、0.05mm厚的铜皮。在装入过程中,以一定的力抬起曲轴,装入后固化一天,这样可以减少因该处径向磨损带来的轴承中心线相对曲轴箱轴承座孔中心线下移的问题。     

小车滚轮结构的改进

原手推车的滚轮(图1)由轴承盖2、小轴3和轮壳4等构成。A系无轨道的实心橡胶轮,B系适用厚壁钢管轨道的圆弧凹槽轮。 我在实践中探索到把小车滚轮     

气缸套内孔用镶片精铰刀

本文阐述了在气缸套生产线上，随着产品产量的提高，个别工序的生产产量满足不了生产线上工序节拍的需要。通过技术改造，我们设计使用了高效率的镶片套式精铰刀，并详细介绍了这种刀具的结构和一些主要参数的设计选择以及使用过程中应注意的问题，这种刀具通用性好，可加工内孔直径在一定范围内不同品种的气缸套，在保证气缸套内孔的加工质量和生产效率，降低生产成本等方面，起到了重要的作用。     

油脂与蔗糖转酯合成生物基表面活性剂的研究

以蔗糖和茶籽油为原料,用微乳化法一步转酯合成了含蔗糖脂肪酸酯及甘油单酯的生物基表面活性剂。考察了糖油摩尔比、乳化剂用量、催化剂用量、反应温度、反应时间对产物收率的影响。结果表明:蔗糖与茶籽油摩尔比4∶1,碳酸钾用量为原料总质量的4%,乳化剂用量为原料总质量的15%,反应温度130℃时反应5 h,产物的收率最高。HPLC-MS~2分析表明,该产品主要由蔗糖脂肪酸酯及甘油单酯组成。产品的乳化能力、起泡能力和泡沫稳定性均优于商品蔗糖酯SE-15。     

智能化漏电保护器的研究

本文阐述了剩余电流保护器的工作原理，并提出对剩余漏电保护进行智能化。本文采用PIC16C711单片机，实现了漏电保护智能化，大大提高了漏电保护器的性能。     

Collaborative filtering recommendation algorithm based on interactive data classification

In the matrix factorization (MF) based collaborative filtering recommendation method, the most critical part is to deal with the interaction between the features of users and items. The mainstream approach is to use the inner product for MF to describe the user-item relationship. However, as a shallow model, MF has its limitations in describing the relationship between data. In addition, when the size of the data is large, the performance of MF is often poor due to data sparsity and noise. This paper presents a model called PIDC, short for potential interaction data clustering based deep learning recommendation. First, it uses classifiers to filter and cluster recommended items to solve the problem of sparse training data. Second, it combines MF and multi-layer perceptron (MLP) to optimize the prediction effect, and the limitation of inner product on the model expression ability is eliminated. The proposed model PIDC is tested on two datasets. The experimental results show that compared with the existing benchmark algorithm, the model improved the recommendation effect.