大断面切眼支护技术研究与实践

针对古城煤矿S1303综采工作面切眼的地质构造与施工条件,提出了大断面切眼采用“锚网索+π型梁棚+预注浆”联合支护方案,有效地控制了大断面切眼留顶煤施工期间的支护难题,保障了S1303综采面切眼能够满足设计要求和如期完成施工,为同类条件下的切眼施工提供了一定参考。     

客车涂装底层材料配套性分析

针对南方客户在使用我司客车一段时间后，车身涂层不同程度出现了起泡的质量问题，进行了现场查看，发现起泡位置在车身左右侧蒙皮，且发生在涂层最底层。初步分析原因是热镀锌板+阴极电泳漆 +原子灰三者之间配套存在问题，通过热镀锌板 +阴极电泳漆 +原子灰三者之间的耐高温 80 ℃配套试验，以及室外曝晒试验，得出镀锌板表面是否钝化、电泳漆膜致密程度和原子灰苯乙烯含量是造成涂层底层起泡的主要原因。为了控制涂层起泡问题，重新修订了我司原子灰、镀锌板、电泳漆的技术标准以及部分工艺文件。     

突发疫情对染料行业影响及对策

一场新型冠状病毒肺炎疫情的爆发给染料行业的发展带来了影响,既有负面消极,也有积极影响。疫情将促进染料行业绿色发展,推动染料行业走向信息化、智能化时代,走向高质量发展,指出只要坚持绿色、创新和智能化,就能战胜疫情,推动中国染料行业稳健发展。     

模内装饰薄膜滞热对成型工艺的影响分析

以模内装饰技术(IMD)测试平板为研究对象，利用仿真和实验方法分析薄膜滞热的影响因素及薄膜滞热对成型工艺的影响规律。结果表明，薄膜滞热使动模侧模具温度场变化滞后于定模侧温度场，且在实验条件下达到8.6 ℃的最大温度差；薄膜滞热随着模具温度的增加而降低，随熔体温度和薄膜厚度增加而升高；薄膜影响熔体的充模与冷却，造成产品冷却不均的现象；薄膜滞热导致产品翘曲变形增加。     

面向医院建筑项目的IPD模式应用研究

医院建筑项目是非常复杂且具有挑战性的建设项目。传统的交付模式无法满足人们对医院建筑建设、运营方面的高要求,为此开展面向医院建筑项目的IPD模式应用研究。在对IPD模式发展现状整理的基础上,阐述医院建筑项目IPD模式的适用性。分析采用IPD模式的医院建筑项目特点,并以上海市某公立三甲专科医院项目为例,对IPD模式在国内的应用进行探索性研究。     

森林抚育对森林生态系统的影响

伴随着我国社会经济的稳固发展,人们的生活质量逐渐有了明显改善,而在生态问题趋于严重使人们的环境保护意识显著提高的过程中,森林抚育对于森林生态系统的作用和价值愈发凸显。对此,文章针对森林抚育,从提高森林利用率、维持森林动植物生态平衡、增加可利用水资源等多个方面就其对森林生态系统的影响进行了分析,旨在给予相关森林保护工作者可行的帮助,并以此促进我国森林开发工作的可持续发展。     

折臂式随车起重机转台的拓扑优化设计

为了使折臂式随车起重机转台在最大应力不超过材料许用应力的前提下实现轻量化设计的目的,通过ADAMS软件仿真确定其极限工况,对转台进行静力学分析及拓扑优化。通过拓扑优化得到了理想的材料分布。基于优化结果调整转台结构,并对改进后的转台进行静力学分析。结果表明,优化后的转台能够满足实际的使用需求。同时,转台质量降低了12%,证明了优化设计的有效性和可行性,并为折臂式随车起重机的相关设计提供了一定的借鉴。     

磁悬浮控制力矩陀螺高速转子的高精度位置控制

在受到陀螺效应、动框架效应等影响后产生的磁力非线性问题是磁悬浮控制力矩陀螺(MSCMG)高速转子位置精度下降的主要因素。为解决以上问题,提高转子位置精度,本文分析了转子所受磁力的特性,建立了转子系统非线性动力学模型,提出了神经网络滑模控制方法。设计滑模控制律,采用径向基函数神经网络逼近控制律中的非线性模型,自适应算法根据误差在线调整神经网络的权值,同时可以保证整个系统的稳定性。仿真和实验结果表明,所提出方法的转子位置精度达到99%,稳态误差为0.000 2 mm。神经网络滑模控制可以实现MSCMG转子系统的高精度位置控制。     

平板集热器(倾角)变化工况数值模拟

运用FLUENT数值模拟软件分析了平板集热器(倾角)变化对集热器传热特性的影响,保证其结构参数不变,通过对5组不同倾角(0°、30°、45°、60°、75°)的数值模型进行非稳态模拟,对模拟数据进行分析,得出了平板集热器不同倾角对集热器传热性能变化的影响。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。