深部持续采动诱发断层活化滑移的灰色预测研究

深部持续采动诱发的断层活化滑移过程具有灰色系统的特征。基于某铜矿深部开采诱发断层活化滑移的现场实测数据,构建了GM(1,1)灰色预测模型。通过断层预测滑移量与实测滑移量对比分析,模型具有较高的精度。运用所构建的断层活化滑移灰色预测模型,对未来四期断层滑移量进行了预测,F2断层滑移量增速较快,与现场实际情况吻合。研究成果对于深部复杂采动影响下断层活化滑移量的预测具有重要的意义。     

煤矿冲击矿压预测和防治技术浅析

结合镇城底煤矿22605工作面的地质情况和矿压情况,提出了煤炭生产中冲击矿压的预测和防治措施。通过对22605工作面的地质情况和监测数据分析处理并探究了该工作面矿压显现规律,为其设计了一套适合本工作面的冲击矿压监测和防治体系。防治体系有预防和临时解危双重防治措施,从这两方面考虑可以做到全面防治冲击矿压。该体系可以实现矿井的安全生产,保证工作人员的安全。另通过分析冲击矿压发生的基本原理和监测到的数据,建立煤矿冲击矿压防治体系,能够及时有效地将蕴含在煤体中的冲击矿压释放和消除,达到安全生产的目的。     

高熵氧化物的制备及应用研究进展

高熵氧化物作为近几年发展起来的新型氧化物体系，打破了传统掺杂氧化物的设计理念，由五种及以上氧化物以等摩尔或近等摩尔构成，因其具有简单的结构和优异的性能等受到国内外研究人员的广泛关注。高熵氧化物由于多主元且主元之间混乱排列，易形成岩盐型、氟化钙型、尖晶石型或钙钛矿等固溶体结构，从而表现出优异的性能，尤其在能源存储材料和磁性材料方面有十分广阔的应用前景，但目前对高熵氧化物应用研究较少。本工作介绍了国内外高熵氧化物的制备方法，主要包括固相法、热解法、共沉淀法、水热合成法和液相燃烧合成法等，比较了各方法的优缺点和发展前景；归纳了高熵氧化物作为锂离子电极材料、巨介电材料、磁性材料和催化材料等方面的应用；指出了高熵氧化物目前研究存在的问题，讨论了解决措施，展望了高熵氧化物未来的发展趋势。     

肉桂特色资源加工利用产业发展现状

肉桂是我国特色经济林树种，我国肉桂种植面积和年产量均居世界首位。我国肉桂主要分布在两广地区，其中广西为14.9万hm²，广东为8.9万hm²，两地面积占全国肉桂分布总面积的95%以上。肉桂既是著名的香料又是传统的名贵中药，具有极高的经济价值，发展肉桂产业对于促进农民增收、维护健康中国有着重要的意义。本研究综述了肉桂资源量、分布情况及主要利用部位，介绍肉桂主要产品（如桂皮，桂枝，肉桂粉及肉桂油）及加工技术现状、产品质量控制及其分析检测方法，分析了产业未来的发展趋势，并提出了产业发展的对策和措施：加强肉桂标准化示范基地建设，提高优质资源供给能力；提高肉桂加工利用技术水平，延长产业链；培育肉桂龙头企业，提高产品市场竞争力。为我国肉桂特色资源加工利用产业的可持续发展提供一定的思路。     

基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法

为了有效降低因驾驶员紧急换道行为而诱发的交通事故，提高道路交通事故链阻断效率，提出一种基于高斯混合隐马尔科夫模型（GMM-HMM）和人工神经网络（ANN）的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识，采用ANN预测下一时段的驾驶行为，再预测换道过程中的横向加速度变化率，从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明，该方法预测避险成功率达92.83%，实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。     

氧化石墨烯改性碳纤维复合材料抗冲击行为研究

使用单层纳米氧化石墨烯（NGO）粒子对环氧树脂进行改性处理，采用真空辅助树脂传递模塑成型工艺制备了[±45/0/90]_2S铺层角度下的纯树脂及单层NGO改性碳纤维复合材料（CFRP）层合板。通过落锤冲击试验、超声C扫描检测、冲击后压缩试验等对纯树脂及单层NGO改性CFRP进行实验研究。结果表明，纯树脂及单层NGO改性CFRP在损伤阻抗及损伤容限实验中均存在拐点现象，且拐点出现在相同深度位置，其中纯树脂CFRP拐点位置为0.51 mm，单层NGO改性CFRP拐点位置为0.43 mm；相对于纯树脂CFRP，单层NGO改性CFRP可以显著提高复合材料的抗冲击性能及冲击后的压缩性能；通过对冲击后凹坑深度及凹坑面积进行数据模拟，可以用拟合公式实现对复合材料的损伤预测。     

综机设备集中化管理实践

综机设备是煤矿采掘生产效率的重要支撑，如果没有先进的综机设备，要想提高采掘生产效率是不可能的。从综机设备集中化和综机设备检修的专业化，分别阐述了其发展趋势，简要总结了中煤新集多年的实践经验，并针对目前管理存在的问题提出相应的建议。     

A novel PEM fuel cell remaining useful life prediction method based on singular spectrum analysis and deep Gaussian processes

Accurate remaining useful life (RUL) prediction of proton exchange membrane fuel cells (PEMFCs) can assess the reliability of fuel cells to determine the occurrence of failures and mitigate their operational risk. However, is it quite challenging to design a high-precision prediction method because the implicit degradation details of PEMFCs are difficult to learn well from the measurement data with high-frequency noise. Recognizing this, a novel RUL prediction method based on singular spectrum analysis (SSA) and deep Gaussian process (DGP) is proposed in this paper. The SSA-based method is firstly employed to preprocess the measurement data, which can strengthen the effective information of PEMFC degradation data at the same time remove the noise and spikes that interfere with degradation prediction. As a deep structural model, DGP has strong feature learning ability which can represent the nonlinear details of degradation data and give more accurate prediction results. At the same time, it serves as a probabilistic model that can provide the confidence interval to enhance reliability of RUL prediction. The effectiveness of the proposed method is evaluated by experimental data of the PEMFCs under steady-state conditions, and the results show that the SSA-DGP method has higher accuracy and reliability than conventional methods.     

Performance degradation prediction of proton exchange membrane fuel cell using a hybrid prognostic approach

The proton exchange membrane fuel cell has been widely used for industrial systems; however, its performance gradually degrades during use. Therefore, the study on the performance degradation prediction of fuel cells is helpful to extend its lifespan. In this paper, a novel hybrid approach using a combination of model-based adaptive Kalman filter and data-driven NARX neural network is proposed to predict the degradation of fuel cells. The overall degradation trend (i.e., irreversible degradation process) is captured by an empirical aging model and adaptive Kalman filter. Meanwhile, the detail degradation information (i.e., reversible degradation process) is depicted by the NARX neural network. Moreover, the correlation analysis of the reversible voltage time series is carried out to obtain the number of delays of the NARX neural network based on the autocorrelation function and the partial autocorrelation function. Then, the total degradation prediction is the sum of the overall degradation prediction and the detail degradation prediction. Finally, the prognostic capability of the proposed method is verified by two aging datasets, and the results show the effectiveness and superiority of the proposed method which can provide accurate degradation forecasting and remaining useful life.     

润滑油基础油的生产工艺及发展趋势

本文主要分析"老三套"生产工艺、异构脱蜡和加氢生产工艺,并探讨我国润滑油基础油生产工艺的发展方向。