回转窑动态检测及托轮磨削的应用

我公司3#回转窑Φ4.8 m×74 m，三档支撑，带液压挡轮，斜度4％，设计产量5?000~6?000 t/d。回转窑运行过程中，筒体存在晃动现象，在窑尾密封处观察较为明显，晃动幅度约±20 mm，甚至导致三档托轮基础及周围栏杆也随之晃动。     

磨料有序排布电镀砂轮的制备及其把持力研究

为解决电镀砂轮磨削加工中容屑空间不足的问题，采用点胶微粘接的方法制备了磨料有序排布的电镀砂轮，分析了磨料粘接效果和镀层力学性能。通过SEM分析了磨料/镀层/导电胶的结合界面，并进行了干磨削试验。研究结果表明，直径约为磨料粒径40%的胶点可粘接住磨料，单个胶点上粘接多颗磨料的占比小于6%；双脉冲电镀工艺制备的镀层显微硬度大于500HV，表层残余应力小于100MPa，磨料/镀层/导电胶之间的界面贴合紧密，无明显缺陷；砂轮在磨削时没有出现磨料脱落现象。     

杭州湾南岸滩涂沉积物中HCHs与DDTs污染特征分析

摘 要：目的 了解六六六（hexachlorocyclohexanes,HCHs）与滴滴涕(dichloro diphenyl trichloroethanes,DDTs)在杭州湾南岸滩涂沉积物中的污染现状。方法 于2018年4月，采集杭州湾南岸地区4个采样点不同深度（0~80 cm）滩涂沉积物，利用气相色谱-串联质谱法（gas chromatography tandem mass spectrometry, GC-MS/MS）测定了该区域中HCHs与DDTs的含量，对其分布规律进行分析，使用共识沉积物质量基准法对其生态学风险进行了评估。结果 所有样品中均检出，HCHs与DDTs含量分别为4.20~6.24 μg/kg与3.37~4.73 μg/kg，主要以β-HCH、δ-HCH以及DDE为主，其污染主要来源于历史性工业品，整体污染处于较低水平；20.3%的沉积物样品中DDEs含量以及28.1%的样品DDTs总量介于阈值效应浓度(threshold concentration, TECs) 和可能效应浓度(probable effect concentration, PECs)之间。结论 杭州湾南岸沉积物中HCHs与DDTs的污染处于较低水平，具有较小的生态学风险。     

车削粗糙表面形貌的小波频谱分析

为解决分析过程中出现的频率混淆与错误频率产生的问题,对小波变换信号的频谱分析算法进行改进,采用自定义组合函数的方式验证改进算法的正确性与可行性。将信号处理的改进算法应用于车削表面形貌信号的处理,对表面形貌复杂信号进行频带划分,对各频带重构信号进行频谱分析,最终实现信号各频带信号的提取与表征。结合车削加工表面粗糙度形成的各影响因素,得到各频带信号与影响因素之间的对应关系,为改善车削加工表面的粗糙度提供了理论支持。     

致密油藏多级压裂球座钻磨铣工作机理分析

目前致密油藏多级压裂球座的钻磨铣工艺存在工作效率低、故障率高及使用寿命短等问题。为满足压裂球座高效、低成本钻磨铣施工需求,通过ABAQUS软件建立单磨粒磨削模型,对钻磨铣球座工作机理进行分析,重点分析磨粒前角、磨削深度和磨削速度对磨削力的影响规律。分析结果表明:磨削力随磨粒前角增大而减小,且近似可看作二项式关系,负磨粒前角可以产生更大的磨削力;磨削深度为4 mm时形成断屑,而且磨削深度越大,越易形成断屑,随着磨削深度的加深,断屑点前移,磨铣工具单圈磨削深度在4 mm左右较合适;在单磨粒正常磨削速度范围内,磨削速度对磨削力的影响不大,可以忽略,单纯改变磨铣工具转速对提高磨铣效率意义不大。研究成果对于钻除压裂球座,实现多级压裂井后期的大通径生产作业具有重要意义。     

基于开源技术的城市地理信息平台构建方法研究

摘 要：针对城市地理信息平台构建过程中存在的数据获取困难、研发成本较高等问题， 引入开源技术，对基于开源数据、开源开发平台与开源工具的城市地理信息平台构建技术进行 研究。所提出的城市地理信息平台由数据模块与可视化模块 2 部分组成。为构建数据模块，由 开源地理信息项目(OSM)获取了建筑与区划数据，并设计了建筑合并算法以提升数据质量。建 筑数据随之基于行政区划分级存储，通过由 ASP. NET 构建的数据接口提供给具体应用。可视 化模块则基于开源地理信息系统(GIS)项目 Cesium 实现，并设计了完善的用户界面。以北京市 为例，完成了原型系统的开发与测试，证实了该技术体系的可行性，通过开源技术降低平台研 发成本，推进城市地理信息平台的研究与应用。     

基于深度网络迁移学习的致痫区脑电识别* .txt

摘要：致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换（CWT）对脑电信号进行时频分析，获得脑电信号时频图；然后迁移学习AlexNet网络模型，调整网络结构使之适应于致痫区脑电识别，将模型第7层全连接层输出作为脑电信号时频图的特征表示，最后利用支持向量机（SVM）、BP神经网络、长短期记忆网络（LSTM）、基于稀疏表达分类算法（SRC）、线性判别分析（LDA）等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果，得到SVM算法的平均特异性为8881%，灵敏度为8807%，准确率为8844%，证明了该方法识别致痫区脑电信号的有效性。 .txt