RM预磨机物料破碎过程监测系统的研究

针对目前传统磨矿机效率低、出磨粒度大等问题,在对RM预磨机磨碎过程进行分析和试验的基础上,找出了影响预磨机排料粒度的几个主要工作参数,给出了监测系统结构和软件流程。通过试验表明,监测系统能够降低排料粒度,提高预磨机的破碎效率。     

基于小波变换与均值滤波的渐进成形力信号处理研究

成形力是渐进成形过程的重要参数。在渐进成形力的检测过程中,针对渐进成形力信号中含有脉冲干扰、白噪声等混合噪声的问题,提出了将小波变换与均值滤波相结合的去噪方法。描述了基于小波变换与均值滤波相结合的算法步骤,针对成形力信号对小波阈值去噪参数选取进行了研究,并通过实验对比说明了新方法的可靠性与有效性。     

网络化时代大学生思想教育面临的挑战与对策

网络化时代为青年大学生的个性发展创造了良好的中介和途径，处于这个时代的大学生，能否健康走进“网络社会”，直接关系到大学生的健康成长，关系到我们国家的繁荣和发展，这就要求我们必须在继承优良传统的基础上，深入研究网络时代信息技术的新趋势，加强和改进思想政治工作，努力创新思想政治工作的内容、形式、方法、手段和机制，担负起时代的革命。     

回转窑窑体变形的一种实时监测与报警系统

针对回转窑在运行过程中窑体变形的情况开发了一种监测与报警系统。完成了系统的前向通道设计、单片机与PC机的串行通讯设计和报警显示。     

多孔超交联聚合物固载离子液体催化二氧化碳环加成反应的研究进展

CO₂是一种主要的温室气体,以CO₂为原料与环氧化物发生环加成反应可以制备各种环状碳酸酯,是一种绿色可行的CO₂捕集及利用途径。多孔超交联聚合物固载离子液体（hypercrosslinked polymers immobilized ionic liquids,HCP-ILs）催化CO₂环加成反应具有无需溶剂、金属和助催化剂等优点。本文对其近年来的最新研究进展进行了综述,总结了离子单体自聚/共聚或交联法、离子与交联一步法以及交联后修饰法三种制备超交联聚合物固载离子液体方法的特点,分析了目前还存在离子密度偏低、催化效率不够高以及制备成本偏高等不利于“CO₂化工”应用的问题,并指出为实现在常压下快速催化CO₂与环氧化物的环加成反应,应从提高离子密度、调控表面活化功能基团和离子微环境以及降低制备成本等方向加强理论研究和技术攻关。     

机械零件加工工艺规程的模糊评判

采用 1— 9比率标度法构造判断比率矩阵 ,通过特征向量求解功能模糊向量 ,并进行思维一致性检查 ,根据各模糊子集的贴近度进行模糊决策 ,确定零件最佳的工艺规程。     

基于双串口单片机的大型筒类零件在机测量系统研究

针对大型筒类零件形位误差测量中存在的问题,提出一种被测工件加工完成后保持不动,通过定位夹紧和测量装置围绕被测工件旋转的在机测量方法。采用双串目的单片机完成数据的检测和通讯,利用最小二乘法建立形位误差的评定模型,采用MCGS组态显示评定结果,能较好地满足该类零件的测量要求。     

采用APSO-LM-BP神经网络的挖掘机器人运动学逆解研究

针对挖掘机器人执行机构的运动学逆解求解难、速度慢的问题,提出一种基于APSO-LM-BP神经网络的逆运动学求解方法。利用自适应粒子群(APSO)算法对BP神经网络中的连接权值以及阈值进行优化,再把BP神经网络训练过程中的梯度下降法用LM算法代替,以克服传统BP神经网络的输出误差大,陷入局部极优解的缺陷。仿真结果表明,与传统BP神经网络相比,APSO-LM-BP神经网络输出误差大大降低,训练时间更短,改善了算法的收敛精度和收敛速度,且满足挖掘机器人运动学逆解要求。该方法可以推广至任意自由度串联机器人的逆运动学求解,具有较强的实用性。     

Fenton试剂氧化无机物的研究进展

Fenton氧化技术在废水处理中具有独特的优势,是一种很有应用前景的废水处理技术。本文介绍了Fenton试剂氧化法处理无机废水,主要是利用其强氧化性先将无机污染物进行氧化,再进行后续处理。并针对目前矿山开采后排放废水中较典型的无机物,如重金属砷、氨氮、金属络合物等,阐述了Fenton氧化技术在该邻域的研究现状。同时针对目前的采用单一Fenton氧化技术有时也难以彻底的去除的特点,展望了该技术的发展方向：采用Fenton氧化与其他工艺联用的方法,这样不仅产生的二次污染少,而且对环境友好。     

基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题，提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine，ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量，然后，采用相关系数法选取敏感模态分量进行重构得到降噪后信号；通过分析重构信号的多尺度分形盒维数，结果表明，欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异，能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入，磨机负荷状态为输出，建立磨机负荷识别模型；通过磨矿实验验证了该方法的有效性，整体识别率高达94.8%，模型能够准确识别磨机负荷状态。