精梳机重锤托臂的改进

A201D型、SFA252型精梳机的重锤托臂套在支轴上。一端支承卷杂辊，一端挂有重锤，使卷杂辊始终和尘笼表面接触，卷取的落棉由挡车工定时剥取。由于人字形托臂的长度设计不合理，挡车工平均1．sh左右就需剥落棉一次（锡林155钳次／min，落棉率16士l％）．一班剥落棉五次左右，挡车工的劳动强度大。现将托臂稍作如附图所示的改进。改进后增加了卷杂辊和尘笼接触面间的压力．同时卷取落棉的直径增大，挡车工每班只需剥落棉三次，降低了挡车工的劳动强度。精梳机重锤托臂的改进@杨松林$江苏靖江裕纶纺织厂@沙亚明$江苏靖江裕纶纺织厂…     

细胞活跃 机体强盛──朝阳重型机器厂实施“细胞工程”效果显著

细胞活跃机体强盛──朝阳重型机器厂实施“细胞工程”效果显著杨松林，郭明海“热在上头，忙在中间，冷在下头”是近几年来企业职工思想政治工作中存在的一种较普遍的现象，影响了企业两个文明的同步发展。朝阳重型机器厂针对这种现象，自觉加大职工思想政治工作的力度，...     

低压脉冲袋式除尘控制系统设计

介绍了某钢厂炼钢车间布袋除尘控制系统。以Simatic S7-400 PLC为核心,采用工业以太网和Profibus-DP技术,控制除尘设备的自动运行;采用变阻力清灰策略控制布袋脉冲清灰,给出阻力目标计算的经验公式;采用模糊控制算法控制除尘室烟气温度。运行实践表明,系统稳定可靠,具有较高的除尘效率和控制精度。     

全站仪自由设站隧道围岩变形非接触监测理论和方法的研究

钢尺收敛计隧道围岩变形量测由人工拉尺读数,效率低,与施工相互干扰,测量结果容易受人为因素影响。为满足现代隧道快速、大跨、安全施工需求,提出全站仪围岩变形非接触量测单站、双站自由设站三维坐标法和单站、双站独立坐标测线法的概念和方法,推导围岩变形监测全站仪自由设站坐标转换数学模型。阐述自动全站仪隧道围岩变形非接触监测系统的组成、开发及其特点。以北京东直门地铁隧道施工围岩变形监测为例,说明系统的数据处理、精度评定、图形分析和预报功能,该系统以其高精度、自动化、简便实用的优点在隧道围岩变形监测中起到重要作用。     

堆石坝面板表面裂缝影响因素的有限元数值分析

利用有限元计算法分析了膨胀剂、表面覆盖、水泥水化热、浇筑温度以及接触传热等因素对堆石坝面板表面应力的影响，详细阐述了混凝土表面应力的产生机理，为有效抑制表面裂缝的产生应加强保温保温措施。     

开鲁坳陷钱家店凹陷构造演化与铀成矿

本文通过对钱家店地区构造及其演化的研究,较系统地阐述了各构造演化阶段对铀成矿的作用。不同的演化阶段对砂岩铀矿的形成给予了不同的贡献。其早白垩世伸展断陷阶段形成了含煤、石油、天然气的断陷层序建造,为砂岩型铀成矿作用的进行准备了充足的还原剂;晚白垩世早期热降拗陷阶段,沉积了研究区有利的成矿砂体组合;晚白垩世晚期构造反转、隆升剥蚀阶段形成的构造剥蚀天窗,构成完整的补-径-排成矿流体系统;新近纪-第四纪差异升降阶段铀矿体进一步叠加富集。     

基于网络的图形图像集成管理技术研究

在Internet或Intranet网络上实现图形图像的集成管理对我国的大中企业和科研院所具有重要意义,也是推广CAD技术和推进电子信息化的重要内容之一。运用ASP动态网站、数据库、CAD等技术,开发了基于B/S模式的“基于网络的图形图像集成管理系统”,在为企业服务的过程中取得了良好的效果。     

测量机器人大坝变形自动化监测中的大气折光修正研究

测量机器人在水库大坝长期、连续、自动的位移监测中发挥着重要作用，然而其监测结果的可靠性易受大气折光的影响。在理论分析气象元素修正、基准点差分修正等模型的基础上，利用碗米坡电站建立的基于测量机器人的自动化监测系统，对大气折光修正模型的适用性进行了试验分析。结果表明，对于小监测区域，仅利用测站处的气象信息进行修正即可取得较好的效果，同时基准点差分修正与气象元素修正的结果精度相当。结果对于构建基于测量机器人的大坝自动化监测系统具有参考价值。     

五强溪水电站大坝变形预测模型研究

基于逐步回归法、偏最小二乘回归法和长短期记忆(LSTM)循环神经网络，构建了五强溪水电站大坝变形预测模型。采用拉伊特准则确定可靠的监测数据，基于可靠的监测数据，构建考虑水压、温度、时效因素的混凝土重力坝变形预测逐步回归和偏最小二乘回归模型，根据五强溪大坝坝顶J23测点2006年～2020年的监测资料获得该测点的沉陷曲线逐步回归和偏最小二乘回归预测模型。根据数值试验，选定的LSTM模型包括2个LSTM层，激活函数采用整流线性单元函数，输入序列长度为20。训练集数据取2006年～2017年的监测值，2018年～2020年的监测数据作为测试集数据。采用随机搜索对LSTM循环神经网络的超参数进行优化。比较3种模型结果可知：3种模型在沉降曲线的预测效果均较好；偏最小二乘回归法能合理地解释各分量；训练数据足够时，LSTM循环神经网络的预测精度非常高；采用偏最小二乘法回归模型或LSTM模型预测J23测点变形更为妥当。