双泵合流技术在小方量混凝土搅拌运输车上的应用

本文针对目前小方量混凝土搅拌运输车搅拌筒的转速控制和系统节能问题,拟定了一种双泵合流控制方案,并对这种传动系统进行了分析。结果表明,双泵合流技术在小方量搅拌车上的应用可以有效地控制搅拌筒的旋转速度和方向,降低了小方量搅拌车的能量损耗,取得了良好的经济效益。     

搅拌运输车搅拌筒托轮故障原因及解决方法

正根据混凝土搅拌运输车使用情况的调查,我们发现搅拌筒托轮故障频率较高,其故障主要表现在轴承早期损坏、卡滞不转、转动异响及表面划伤等。本文针托轮存在的上述故障进行分析,并提出解决方法。托轮支撑搅拌简形式如图1所示。1.轴承早期损坏(1)原因分析托轮是用1对"背靠背"安装在心轴上的圆锥滚子轴承支撑。托轮轴承损坏有多种原因,如轴承座有缺陷、轴承安装不对中、心轴与轴承配合间隙不合理、轴承润滑和密封不良、搅拌筒振动     

无缝钢管热轧后控冷工艺的组织性能数值模拟

 为了实现无缝钢管生产工艺流程中定(减)径之后矫直之前的控制冷却,采用数值模拟方法研究了20号钢管轧后冷却过程的组织力学性能变化规律。首先采用试验方法测定钢探头在不同冷却介质条件下的温度变化曲线,根据反传热法基本原理计算得出钢探头冷却过程中表面换热系数与工件温度的关系。然后,采用有限差分法建立了钢管冷却过程中的温度场、组织相变及力能性能预测系统,分析了不同冷却工艺条件下钢管的组织状态与力学性能。最后,进行钢管空冷过程的试验分析,测定了不同时刻的温度数据和冷态钢管的力学性能,其计算结果与实测数据吻合良好。该研究结果可为实现无缝钢管控制冷却提供基础性数据。     

5G实现协同高效的融通创新生态仍面临四大挑战

<正>大中小企业融通创新是提升技术竞争力和释放经济发展活力的重要引擎。5G应用大幅拓展了产业数字化的市场空间，为大中小企业融通创新发展创造了机会。我国高度重视并大力推动大中小企业融合创新发展，而5G融合应用天然具有促进大中小企业相互协作、融通发展的特点。为发挥5G创新引擎的优势，带动广大企业特别是中小企业“创新创业”和加快数字化转型，促进5G应用领域大中小企业融通发展，     

全液压四轮转向在自上料混凝土搅拌车上的应用

本文主要介绍自上料搅拌车液压转向系统原理,讨论自上料搅拌车转向设计计算,为液压转向系统设计提供一种参考。     

混凝土搅拌运输车用减速器的2种限位装置

正混凝土搅拌运输车搅拌罐倾斜安装于副车架上,副车架前支座上设有减速器,搅拌罐前端通过螺栓固定在减速器输出法兰盘上,后端浮动支撑在副车架滚轮上。搅拌运输车紧急制动、特别是在坡道上紧急制动时产生的惯性力,主要通过减速器传递给副车架,若减速器限位装置失效或减速器松动,会造成搅拌罐失稳,导致搅拌运输车倾翻。本文介绍搅拌车用减速器限位装置的改进方法。1.传统限位装置混凝土搅拌运输车减速器通过螺栓固定在前支座盖板上,限位装置焊接在盖板前侧,用     

混凝土搅拌车滚道焊缝开裂的原因分析及修复方案

本文介绍了搅拌筒滚道的工作原理,针对混凝土搅拌车滚道焊缝开裂进行了分析,并根据焊缝开裂程度的不同,给出了相应的修复方案。     

搅拌车滚道与托轮常见故障与解决方法

本文针对混凝土搅拌车滚道与托轮常见故障进行原因分析,并提出解决方法,以保证搅拌车滚道和托轮接触处于最佳状态,延长滚道与托轮的使用寿命。     

防溢料设计在混凝土搅拌运输车中的应用

本文介绍了混凝土搅拌车罐体的参数和内部结构,并对溢料问题进行了分析论证,指出当前罐体结构在使用过程中的不足之处,寻找解决问题的对策与方案。通过分析,将搅拌筒后锥段叶片高度增加,使其两相对的叶片径向距离减小,起到封料的作用,以解决搅拌车爬坡时漏料的问题。防溢料设计在搅拌车中的应用取得了良好的经济效益和社会效益。     

结合孪生网络和像素配对的高光谱图像异常检测

目的 高光谱遥感中,通常利用像素的光谱特征来区分背景地物和异常目标,即通过二者之间的光谱差异来寻找图像中的异常像元。但传统的异常检测算法并未有效挖掘光谱的深层特征,高光谱图像中丰富的光谱信息没有被充分利用。针对这一问题,本文提出结合孪生神经网络和像素配对策略的高光谱图像异常检测方法,利用深度学习技术提取高光谱图像的深层非线性特征,提高异常检测精度。方法 采用像素配对的思想构建训练样本,与原始数据集相比,配对得到的新数据集数量呈指数增长,从而满足深度网络对数据集数量的需求。搭建含有特征提取模块和特征处理模块的孪生网络模型,其中,特征处理模块中的卷积层可以专注于提取像素对之间的差异特征,随后利用新的训练像素对数据集进行训练,并将训练好的分类模型固定参数,迁移至检测过程。用滑动双窗口策略对测试集进行配对处理,将测试像素对数据集送入网络模型,得到每个像素相较于周围背景像素的差异性分数,从而识别测试场景中的异常地物。结果 在异常检测的实验结果中,本文提出的孪生网络模型在San Diego数据集的两幅场景和ABU-Airport数据集的一幅场景上,得到的AUC （area under the curve）值分别为0.993 51、0.981 21和0.984 38,在3个测试集上的表现较传统方法和基于卷积神经网络的异常检测算法具有明显优势。结论 本文方法可以提取输入像素对的深层光谱特征,并根据其特征的差异性,让网络学习到二者的区分度,从而更好地赋予待测像素相对于周围背景的异常分数。本文方法相对于卷积神经网络的异常检测方法可以有效地降低虚警,与传统方法相比能够更加明显地突出异常目标,提高了检测率,同时也具有较强的鲁棒性。