共查询到17条相似文献,搜索用时 947 毫秒
1.
2.
3.
基于材料冲蚀磨损原理探讨了磨料射流切割结构陶瓷材料机理 ,提出了磨粒单次加载、循环加载及高压水辅助作用下裂纹的萌生、扩展和交汇使陶瓷材料破坏剥落的观点。应用自制的前混合磨料射流切割装置对Al2 O3 结构陶瓷材料进行了单因素切割试验 ,获得了切割性能曲线。 相似文献
4.
试验制备了混凝土试件,利用前混合磨料射流切割装置,试验研究了影响前混合磨料射流水下切割诸参数(压力、靶距、磨料浓度和横移速度)与切割深度的关系。试验结果表明:前混合磨料射流水下切割混凝土与水下切割钢板规律基本一致。 相似文献
5.
前混合磨料射流切割的几个问题探讨 总被引:1,自引:1,他引:0
从磨料射流切割模型出发,通过实验探讨了前混合磨料射流切割钢板时射流参数(驱动压力、磨料浓度、横移速度和靶距)对切割深度和切割比能耗的影响,指出了现行系统存在的不足和今后应重点解决的问题。 相似文献
6.
叙述了试验装置及为该实验专门制备的混凝土试件等情况,介绍了利用前混合磨料射流切割装置试验研究前混合磨射流切割诸参数(压力、靶距、磨料浓度和横移速度)与切割深度的关系。 相似文献
7.
8.
9.
前混合磨料射流切割汉白玉的试验研究 总被引:1,自引:0,他引:1
邓建 《水力采煤与管道运输》1996,(2):28-31
本文简要介绍了前混合式房料射流试验系统及纯水射流和磨料射流切割过程的对比,并由切割汉白玉的一系列试验中得出一些主要结论和切割深度与工作参数之间的关系。试验表明,前混合磨料射流具有明显的优越性。当泵压为38MPa,横移速度为150mm/min时,对汉白玉可完成120mm厚的切深。 相似文献
10.
11.
12.
13.
提出了一种基于模糊神经网络卡车路段行程时间实时预测模型,阐述了自适应神经网络模糊系统(Adaptive Network-based Fuzzy Inference System, ANFIS)网络原理和方法对行程时间预测的可行性和可靠性,采用最小二乘法和误差反传算法结合的混合学习算法,减少了搜索空间的维数,而采用的减法聚类方法减少了模糊推理规则.混合学习算法和减法聚类方法的应用提高了网络参数的辨识和收敛速度.实例仿真论证了该模型预测速度更快、准确性更高,实时性好,获得了比单纯使用神经网络或模糊理论更精确的预测结果. 相似文献
14.
针对露天生产矿山分层矿块品位的计算,运用误差反向传播算法的人工神经网络方法建立了矿块品位计算的B—P神经网络模型,应用该模型对某露天矿1080m水平的矿块品位进行了计算,结果表明B—P网络模型用于矿块品位计算具有客观性和实用性。 相似文献
15.
在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国典型突水案例,构建基于BP神经网络的底板破坏深度的预测模型,确定建立BP神经网络所需的输入样本和检验样本,运用Matlab软件对网络进行训练,得出了优化的网络模型,并根据建立的网络模型预测肥城煤田曹庄井田8812和9604工作面的底板破坏深度.通过与实测结果对比,证明该网络模型的计算结果比相关规程提供的底板破坏深度经验公式计算的结果更接近实际. 相似文献
16.
数控切削加工表面粗糙度RBF神经网络预测模型 总被引:2,自引:0,他引:2
针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度vf、背吃力量ap为自变量的切削表面粗糙度预测模型。试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%~14.0%变动。充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求。 相似文献