观音阁水库大坝金属双标孔钻孔技术

双标是以固定为参考点的长度测量装置,是利用不同物质膨胀系数不同的原理工作的。文章用实例总结了观音阁水库金属双标孔钻进参数技术和施工步骤。     

编辑主体意识与学术期刊的质量控制

编辑工作是由编辑主体来制约和指导的,在编辑实践活动中,编辑主体活动以编辑对象是否符合科学技术的发展需要、是否符合学术期刊的出版要求而进行编辑实践活动。主体意识是作为实践和认识主体的人对于自身的主体地位、主体能力和主体价值的自觉意识,是主体能动性和创造性观念的表现。     

Ta元素对Ni_(68.6)Cr_(8.7)Nb_((3-x))P_(16.5)B_(3.2)Ta_x非晶合金性能的影响

利用XRD、DSC、电化学工作站和SEM方法研究了不同含量的微量元素Ta的添加对Ni_(68.6)Cr_(8.7)Nb_((3-x))P_(16.5)B_(3.2)Ta_x(x=0、0.1、0.3、0.5、0.7、1,at%)合金的非晶形成能力、热稳定性和耐腐蚀性能的影响。研究表明,当x=0.5时,直径为1.5mm的Ni_(68.6)Cr_(8.7)Nb_(2.5)P_(16.5)B_(3.2)Ta_(0.5)合金棒为完全非晶结构,而x为其他值时,则有晶态相析出;适量Ta元素的添加提高了该Ni基非晶合金体系的热稳定性能,当x=0.5时合金的热稳定性能最好,之后热稳定性能开始下降;在1mol/L H_2SO_4溶液环境下,随Ta元素含量的增加,Ni基非晶薄带的耐腐蚀性逐渐增强,当x=0.5时非晶薄带的耐腐蚀性能最强。     

矿井瓦斯监控和数据采集系统

本文介绍了矿井瓦斯监控和数据采集系统的基本组成部分，主要技术特点及实现方式。该系统采用了先进的集散式结构体系，其软件功能强，用户界面友好，是适合煤矿应用的，有效的安全保障系统。     

提升机参数调整模糊控制的研究

简单介绍了煤炭生产工艺流程之后、详细介绍了矿井提升模糊控制的组成，工作原理及主要功能，介绍了矿井提升要参数调整模糊控制器的设计及实现过程。     

离子色谱法同时分离测定察尔汗盐湖老卤中阴离子

建立了同时分离测定察尔汗盐湖老卤中氯离子、溴离子、碳酸根、硫酸根、碘离子的离子色谱-电导检测分析方法。利用AS19型分离柱和AG19型保护柱,采用电导检测实现了老卤中5种阴离子的同时分离测定。探索了淋洗液浓度及流速和柱温等因素对5种阴离子同时分离测定的影响并确定了最优离子色谱分离测定条件。在22 mmol/L氢氧化钾溶液等度淋洗、淋洗液流速为1.0 m L/min、柱温为32℃条件下,5种离子在23 min内实现完全分离。各离子检出限分别为:氯离子,0.282 0μg/L;溴离子,0.942 8μg/L;碳酸根,5.800 7μg/L;硫酸根,0.812 4μg/L;碘离子,4.272 0μg/L。各离子相关系数不低于0.999 80,连续10次进样测得峰高、峰面积和保留时间的相对标准偏差均在1.43%以下,平均加标回收率在90.06%~109.80%之间。该方法重复性好,精确度及灵敏度高,可用于察尔汗盐湖老卤中氯离子、溴离子、碳酸根、硫酸根、碘离子的同时分离测定。     

改性灰D(GDSA)与Cu2+离子形成配合物的紫外-可见光谱及偏光性能

将直接染料灰D(GD)重氮化后与磺基水杨酸(SSA)偶合得到一种三偶氮染料(GDSA),研究了GDSA与Cu2 离子配合系统的紫外-可见光谱,发现Cu2 与GDSA在pH=4.6的条件下可形成配合物[Cu(Ⅱ) (GDSA)],其表观稳定常数K表＝6.2×105.将该配合物与聚乙烯醇共混制成偏光膜,研究了膜的光谱吸收特性,结果表明,掺有[Cu(Ⅱ) (GDSA)]的膜的偏光性能明显优于掺有GD的膜,偏光度＞60%的波长区间由GD膜的100nm(550～650nm)增加到320nm(350～670nm),并使200～280nm范围紫外光的透过率＜5%.     

无线传感器网络中一种能量均衡的分簇策略

以无线传感器网络中的能量消耗模型为基础,提出了一种能量均衡的无线传感器网络分簇路由协议EECHS(energy-effficient cluster-head selection)。该协议通过节点的剩余能量和节点距离基站的距离来调节其成为簇首的概率,并进一步调节簇的大小。仿真结果表明,与改进后的DCHS协议相比,该策略使网络的生命周期和稳定周期分别提高了31%和45%以上。     

基于蚁群粒子群混合算法与LS-SVM瓦斯涌出量预测

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的蚁群（ACO）粒子群（PSO）混合算法优化的最小二乘支持向量机（LS-SVM）,并用其预测非线性动态瓦斯涌出量。算法通过对LS-SVM的正则化参数C和高斯核参数σ进行寻优,建立了基于蚁群粒子群混合算法优化的瓦斯涌出量预测模型,并根据赵各庄矿矿井监测到的各项历史数据进行实例分析。实验结果表明：该预测模型预测的最大相对误差为1.05%,最小相对误差为0.28%,平均相对误差为0.75%。较其他预测模型拥有更强的泛化能力和更高的预测精度。     

基于KPCA和CIPSO-PNN的煤与瓦斯突出强度辨识模型

为了实现对煤与瓦斯突出强度等级的准确辨识,提出将核主成分分析( KPCA)和改进概率神经网络相结合,建立煤与瓦斯突出的强度辨识模型。根据煤层条件和生产条件,确定影响煤矿瓦斯突出的相关基础参数并对其进行测定,采用KPCA对该参数集进行降维处理,提取出可以表征煤与瓦斯突出的敏感参数作为辨识模型的输入值。利用混沌免疫粒子群算法( CIPSO)优化概率神经网络(PNN)的σ参数,以克服PNN中平滑参数σ单一而导致的分类错误,避免了人为因素的影响,提高辨识模型的精度。实例分析结果表明,相比BP、PNN、PSO￣PNN等方法,该方法对煤与瓦斯突出强度进行辨识,结果更为准确。