有砟轨道路基翻浆冒泥模型试验系统的研发与应用

为研究既有线有砟轨道路基的翻浆冒泥机理，自主研发了一套能够模拟循环荷载–湿化耦合作用的模型试验系统。模型试样直径500 mm，由厚度分别为350 mm的路基土和200 mm的道砟组成，整个试样在高强度透明有机玻璃模型筒中制备完成。模型试验系统配备有监测荷载、位移、体积含水率和孔隙水压力的4种传感器，并通过高清相机对颗粒迁移过程进行图像捕捉。基于所研发的试验系统，针对辛泰铁路典型翻浆冒泥病害路段土样，开展翻浆冒泥模型试验。试验结果表明：动孔隙水压力是导致翻浆冒泥病害产生的关键因素。随着体积含水率的增加，动孔隙水压力引起的颗粒迁移量逐渐增加；在饱和状态下，会引起大量颗粒迁移，翻浆冒泥现象显著。试验结束时，道砟污染指数达到25%，在实际工程中已严重影响铁路的正常运营，有必要对污染道砟进行换填。     

基于ZigBee技术的矿井无线传感器网络设计

针对矿井地下行道地形复杂、高温、高湿、通风性差等问题,兼顾井下安全监测与人员定位等因素,本文组建Zig Bee网状型WSN,实现点对点的短矩离、大规模、多跳方式通信,网络信息传输的延时小、可靠性高。     

下向瓦斯抽采钻孔自动排水技术研究与应用

为解决下向钻孔由于孔内积水而造成瓦斯抽采效果差的问题，通过时控开关和电磁阀自动控制高压风，在封孔管上增设直达孔底的导风管，利用压风将瓦斯抽采钻孔内积水压入到排渣放水器内，从而能够达到定时清除孔底积水和杂质的目的。该技术应用于上良煤矿石门揭煤下向抽采钻孔，经考察表明下向瓦斯抽采钻孔自动排水技术能有效提高瓦斯抽采效果，该地质单元区域设定为每隔4 h进行一次压风排水效果最佳。     

基于ACARS数据的航空气象应用软件设计

航空气象服务在民航运输系统中发挥着重要的作用。研究航空气象应用软件以提高气象信息的准确性,对于提高飞机性能,优化飞行路线,减少由于气象原因引起的飞行事故等都具有十分重要的意义。文章通过研究ACARS系统报文,使用C#编程语言构建了基于ACARS报文的航空气象应用软件。研究成果可以提高高空风温图的准确性和实时性,对于航空公司飞行计划的制作和机组的使用与判断气象信息具有一定参考。     

高地压严重突出区域下向穿层钻孔预抽消突技术

利用工作面高抽巷施工掩护顺槽掘进工作面下向穿层条带预抽钻孔,通过对钻场底板深、浅孔注浆封堵围岩裂隙解决了孔内返水不畅难题;采取了"两堵一注"封孔方式确保封孔严密不漏气;孔内全程下吹水管,实现了单孔、分组、定时吹水工作目标,提高了下向消突钻孔抽采效果,形成了一套高效、快速的下向穿层钻孔消突管理模式,实现了高地压严重突出区域煤层高效消突以及技术经济一体化目标,安全经济效益显著。     

程潮铁矿深部接续工程采矿方案研究

目前程潮铁矿已回采至-447m水平,-465m水平采准工作也趋于尾声,根据勘探资料,-500m中段及以上水平保有期限已严重不足,因此提出了-500中段以下深部接续工程,通过方案及经济技术指标的对比,确定最优采矿方法,即采用由上而下的开采顺序,先开采-570m中段,-570m中段采用无底柱分段崩落法开采完毕后,再开采-675m中段。-675m中段保安矿柱外矿体采用无底柱分段崩落法回采完毕后,根据生产实际情况,采用上向分层充填法对-675m中段保安矿柱进行回收。-500 m中段以下深部接续工程保证了矿山的可持续发展,解决了采掘失衡的矛盾,而且还创造了可观的经济效益。     

综采工作面阵列天线式综合语音通讯系统

针对煤矿井下特殊地质条件和作业环境,依据电磁波在井巷环境下传播的特点和局限性,开发了阵列式天线的无线综合语音通信系统,有较好适应性,现场应用效果较好。     

多机器人体间动态碰撞检测方法仿真研究

当前多结合包围求碰撞检测法、Average-Case法、K-DOPs法等实现多机器人体间动态碰撞的检测,均存在寻优性能较差、检测效率较低的问题。为此提出一种基于动态粒子群的多机器人体间动态碰撞检测方法。采用OBB层次包围盒方法,缩小多机器人之间需要动态碰撞检测的区域,同时把动态碰撞检测问题转换为物体特征对间距离机制的非线性优化问题,进而构建层次拓扑框架进行局部碰撞检测,将机器人体引入到粒子群算法中建立混合进化算法,找到动态碰撞检测的最优解,实现多机器人体间动态碰撞检测。仿真结果证明,所提方法的检测效率高达96%,且具有较高的寻优性能。     

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.