钢筋连接新技术——滚压直螺纹连接

钢筋直螺纹连接 ,是在专用的直螺纹滚压机床上 ,将钢筋端头滚压出直螺纹 ,再与预制的直螺纹筒套配合 ,实现钢筋的连接作业 ,其强度高 ,具有明显的经济、技术优势     

醋酸甲酯在Cs_(1.5)PW/SiO_2催化剂上的水解反应

通过改变阳离子的种类与配比,制备了一系列SiO2负载的磷钨酸盐催化剂,考察了制备方法对催化剂性能的影响,采用傅里叶变换红外光谱、X射线衍射、X射线荧光光谱、环境扫描电子显微镜等方法对催化剂进行了表征,并考察了该系列催化剂对醋酸甲酯水解反应的活性。实验结果表明,Cs1.5PW/SiO2催化剂的活性最好,当Cs1.5PW负载量(质量分数)为30%时,Cs1.5PW的Keggin结构保持完好,没有硅钨酸阴离子形成,Cs1.5PW在SiO2载体上高度分散;在反应温度55℃、反应时间2h的条件下,醋酸甲酯的转化率为35.79%,约为均相磷钨酸催化剂的1.3倍。该催化剂重复使用4次后,醋酸甲酯的转化率稳定在25%;80℃下反应2h,与NKC-9磺酸树脂催化剂相比,醋酸甲酯的转化率提高了5.17%。     

一种基于FBG和LPG的温控报警模型

文章依据FBG温度传感的原理以及LPG滤波技术,提出了一种新的光纤光栅温度报警模型.用MATLAB对系统所采用的方法进行了模拟,结果表明该系统能满足温度报警的要求.     

高适应性激光雷达SLAM

时定位与地图构建 (SLAM),或同步建图与定位,目前主要应用于自动驾驶及机器人自主导航领域。由于激光雷达SLAM系统具有较高的测量准确性、对光照变化不敏感的特点,其在工业界获得了广泛的应用。但是基于激光雷达的SLAM算法有几个难以处理的问题:1) 在结构化信息较少或在变化场景下的定位的不准确性;2) 对于运动畸变的矫正能力还比较欠缺。该文针对以上问题做了两点改进:1) 当结构化信息较少时,改进了原始算法处理迭代退化的步骤,提出了静态门限与动态门限结合共同应对退化的方法;2) 在应对剧烈运动时,在1的基础上增加了一个局部地图优化的方法,给后端提供更精确的初始位姿和点云信息。实验结果表明,本文算法在剧烈运动和变化环境中有较好的鲁棒性及定位精度,同时免除了多传感器融合在SLAM中面临的激励不足的问题。     

高支化度酯类增塑剂的结构鉴定

利用AV50 0核磁共振波谱仪鉴定了一种从聚氨酯材料中分离出的增塑剂。这是一种新型的性能优良的耐迁移性脂肪族增塑剂。使用的手段有红外光谱 ,1 H NMR ,1 3C NMR ,1 3C 1 HCOSY ,1 H 1 HCOSY以及DEPT等技术。     

鄂东南沿江湖区“灌江纳苗”的认知度调查

本文对拟开展＂灌江纳苗＂工作的目标湖区进行实地调查和深度访谈,调查了大冶湖、网湖、海口湖、朱婆湖四个不同通江湖泊受访人群对＂灌江纳苗＂的知晓率和支持率,并采用问卷调查的方式研究了四个目标湖泊养殖鱼类年产量的变化情况以及四湖受访人群对养殖鱼类品种了解程度。结果显示,在目标湖区开展灌江纳苗工作有一定的群众基础,但也存在一定的工作难度;目标湖区的经济鱼类品种在减少,实施灌江纳苗工作已迫在眉睫。     

下肢助力外骨骼机器人自适应阻抗控制研究

当前用于人体运动增强的下肢助力外骨骼系统获得越来越多的关注。获取高精度跟随控制是下肢助力外骨骼机器人研制的主要挑战。针对当前基于位置的控制算法需要复杂的外骨骼动力学模型的问题,该文提出了基于增强学习的变参数阻抗控制算法。首先介绍了HUALEX助力外骨骼系统并对HUALEX建立简单动力学模型。基于此,提出一种基于增强学习的自适应阻抗控制算法,验证了阻抗参数对控制效果的影响,并通过仿真实验验证了该算法的有效性。     

低压电器振动冲击失效仿真分析

为了解决低压电器振动冲击工作条件下的失效机制研究问题,基于有限元法对断路器进行了振动冲击失效仿真分析,根据仿真分析得出了断路器结构所产生的应力分布,并结合测试结果对断路器进行材料和结构优化,从而避免振动冲击失效。进而验证了振动冲击的失效机制研究方法的可行性,并为断路器的结构设计及材料优化提供了一种有效的方法。     

我国流动人口影响因素分析

采用定量分析和定性分析相结合的方法,对影响我国流动人口的因素进行分析.定量分析主要用于对社会经济因素的分析,通过相关分析、因子分析以及回归分析,发现全国31个省（市、区）流动人口与全省（市、区）GDP等11项社会经济因素指标因子有显著的正相关关系,与全省（市、区）第二产业占GDP比重等3项指标因子无显著关系,同时提取两个主成分代表所有的变量,得到流动人口与各变量之间的回归方程.此外,结合制度、信息、宗教文化对流动人口的影响进行简要定性分析,认为政府不仅要发展经济也要进一步完善制度、信息可获得性等方面的政策,从而更好地管理流动人口,构建社会主义和谐社会.     

基于多参数时间序列及粒子群优化算法的油藏产量动态建模预测方法

在油田开发过程中,油藏产量预测方法的研究对开发方案的动态调整具有重要意义。针对利用机器学习算法进行油藏产量预测过程中,因缺乏考虑时间序列模型的参数调整优化技术,以及新数据叠加进行预测模型动态更新技术,导致产量预测的准确率不高且时效性不强,难以满足实际生产应用需求等问题,研究了基于长短期记忆神经网络模型的多参数时间序列预测方法及粒子群参数优化算法,构建了随时间动态更新的油藏产量预测模型,从而进一步提升油藏产量预测的准确率与实用性,并在长庆油田多个油藏的生产过程中进行了应用。应用结果表明,模型预测结果的准确率较高,且模型具有实时训练和自动更新的特点,在实际生产中展现出了较高的应用价值。