单轨自移设备列车在工作面中的应用

为了提高综采工作面设备列车移动效率,降低设备列车故障率,潞安集团司马煤业有限公司综采安装队通过技术研究,对原设备列车移动装置进行优化,采用了一套单轨吊装系统。优化后设备列车移动系统保证了设备列车快速移动,实现了对列车远程操控的目的,取得了显著成效。     

综采工作面液压支架快速回撤工艺应用

针对传统综采工作面支架回撤存在的使用绞车多、劳动强度大、浪费人力多、安全系数低等难题,通过技术研究,对1208工作面回撤的支架回撤工艺进行了改进,采用了液压支架调移装置。与原回撤工艺对比,新工艺减轻了劳动强度,提高了工作效率,降低了人工成本,安全系数增加,也保证了液压支架的安全顺利回撤。     

基于数据空间自适应与共空间模式的脑电情感分类

为缓解日间脑电信号波动和差异导致情感分类性能下降的问题,在数据空间自适应(DSA)与共空间模式(CSP)迭代的基础上,提出一种用于脑电情感分类的特征提取算法。针对12个受试者连续5 d的情感脑电信号,采用DSA算法对脑电信号进行空间线性变换,再使用CSP将脑电信号变换到最优子空间,提取日间差异最小且类间差异最大的脑电功率谱密度特征及微分偏侧与差异因果特征。实验结果表明,该算法能提高脑电信号情感分类的准确率和稳定性。     

车用扭振减振器性能检测试验台

为解决车用扭振减振器与发动机匹配实验危险系数较高的问题,基于虚拟仪器技术开发了一套车用扭振减振器性能检测试验台.试验台控制系统模拟车用发动机产生扭转振动,通过变频器及变频电机实现了扭振激励的转速、频率及振幅可调.信号采集系统由多路磁电传感器及NI-DAQ采集设备组成.试验台采用高频记数原理,记录测速齿盘旋转过程中每一齿...     

后物质时代的道德建构

人们向往物质的满足,为了这个目标,人类从诞生之日起就在不懈奋斗.从上个世纪电器革命后,社会生产力得到空前发展,部分地区的物质提供达到了非常高的水平. 随着社会生产力的发展,人们有了更多的空余时间.而那么多可支配时间却大多处于一种无所追求的空虚当中,一些人不免会产生一些或好或坏的想法.正是因为这些想法的不可预知性,才会有可能带来不可预测的社会后果.     

利用XML扩展基于MVC模式的Web应用框架的研究

针对目前Web应用的需求以及存在的问题，讨论了在J2EE平台上利用JSP／Servlet／EJB技术构建的一个基于MVC模式的Web应用框架，然后提出利用XML技术来扩展这个应用框架的方案，并在虚拟企业异地产品协同设计管理系统的开发过程中验证了这一方案的可行性和有效性。     

直列六缸柴油机曲轴平衡性分析

在外部平衡性良好的曲轴上加装平衡重,通常是为了减小曲轴所受弯矩,但是平衡重的安装将影响主轴承载荷的大小和分布,平衡重的施加还影响曲轴的内弯矩.本文分别采用了对曲柄臂施加四平衡重和八平衡重两种平衡方案进行对比.     

直列六拐曲轴轴承负荷的分析

通过发动机动力学仿真分析软件GT-SUITE/Crank模块对曲柄连杆机构进行动力学仿真分析.并计算了轴心轨迹和轴承负荷,为了减少轴承的负荷,分别采用了对曲柄臂施加四平衡块和八平衡块两种平衡方案,并给出了两种方案的对比.     

薄夹层定位技术在油水井中的应用

为简化薄夹层定位卡封施工工艺，降低作业成本，提高定位卡封的准确性和成功率，通过采用定位器与传感器、智能显示仪表、井下工具等的实际应用，在油水井上实现了薄夹层的定位堵水和酸化施工。文中阐述了定位技术的基本原理、方法和施工注意事项，分析了定位技术在油水井中应用情况及其效果，认为该技术在1．5－4m薄夹层油水井中的卡封定位准确、可靠，成功率高，效果明显，对改善油水井中低渗透层的产液、产液、吸水状况显示了较好的推广应用前景。     

基于混合神经网络的脑电时空特征情感分类

提出一种脑电图（electroencephalograph,简称EEG）数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二维矩阵序列分成一个个等长的时间片段,作为新的融合了EEG时空相关性的数据表示.还提出了级联卷积-循环神经网络（CASC_CNN_LSTM）与级联卷积-卷积神经网络（CASC_CNN_CNN）这两种混合深度学习模型,二者都通过CNN卷积神经网络从转换的二维网状EEG数据表示中捕获物理上相邻脑电信号之间的空间相关性,而前者通过LSTM循环神经网络学习EEG数据流在时序上的依赖关系,后者则通过CNN卷积神经网络挖掘局部时间与空间更深层的相关判别性特征,从而精确识别脑电信号中包含的情感类别.在大规模脑电数据集DEAP上进行被试内效价维度上两类情感分类实验,结果显示,所提出的CASC_CNN_LSTM和CASC_CNN_CNN网络在二维网状EEG时空特征上的平均分类准确率分别达到93.15%和92.37%,均高于基准模型和现有最新方法的性能,表明该模型有效提高了EEG情感识别的准确率和鲁棒性,可以有效地应用到基于EEG的情感分类与识别相关应用中.