利用C语言程序对黄原胶溶解速度测定数据的处理及粘度与浓度数学模式的探索

对黄原胶溶解速度的测定方法进行了研究：测定了黄原胶的溶解速度，并用C语言程序在PC机上对众多的测定数据进行了处理，得到了较为理想的结果，并且进而得出了黄原胶溶液粘度的数学模式。     

基于ICA的水轮发电机组振动信号分离算法的研究与应用

针对水轮发电机组的振动信号复杂、耦合相关的特点,采用ICA盲分离算法完成对振动信号的分离.文中对ICA典型算法的理论进行了论述,给出了算法的应用特点;选定FastICA算法应用于水轮发电机组振动信号的分离试验中,通过实例验证,该算法能有效地将水轮发电机组振动信号中的独立振源成功分离.     

压滤机拉板装置的改进

晋城矿务局成庄矿洗选厂设计年处理能力为４００万ｔ,块煤、末煤全部入洗。煤泥水处理系统中,粗煤泥采用高频筛回收,细煤泥经浓缩机浓缩后,由压滤机进行回收。其中压滤机采用３台目前国内最大的ＸＭＺ１０６０／２０００型板框式压滤机,每小时处理煤泥量可达４０ｔ,基本满足洗煤生产的要求。但该机在使用初期,拉板小车经常出现“跳板”现象,对操作人员的安全造成很大威胁,设备本身受到损伤,“并且煤泥水的闭路循环得不到保证,使生产受到一定影响。 １存在问题 在原设计中,拉板小车在拉板过程中靠液压实现自动转换,即小车拉完一…     

基于声发射技术的水轮机转轮叶片裂纹检测

目前水轮发电机组中的转轮叶片裂纹故障仍广泛采用振动监测方法进行间接测量,通过振动频谱中转频的倍频成分进行故障判断,但这种方法并不十分有效。介绍了声发射技术用于检测水轮机转轮叶片裂纹的可行性。分析水轮机不同运行工况叶片裂纹声发射信号与轮叶片裂纹发展过程的关系,同时将测得的声发射信号与同期的振动信号进行比较。实验结果表明,与振动检测方法相比声发射检测更容易检测到初期的转轮叶片裂纹故障。     

2种支护模式下土岩双元地层基坑变形影响效应的研究

为探究土岩双元地层的土岩空间分布特征和施工参数对吊脚桩结构和微型钢管桩-锚杆联合支护结构变形规律的作用效应,采用有限元软件ABAQUS,建立了2种支护模式下的三维有限元模型。同时,综合考虑土岩结合面的倾斜角度和锚杆预应力大小等因素,对比分析了2种支护模式下的多种工况。研究结果表明:1)土岩结合面对2种支护结构的变形规律均有重要影响,其倾斜角度可以改变桩身所受到的侧向土压力,当土岩结合面斜向抗滑桩一侧时会增大其侧向土压力,从而导致桩身和土体的水平位移变大,但土岩结合面对岩层及其桩身影响不大;2)吊脚桩支护结构适合下部有一定放坡空间、岩石完整性较好和变形控制要求严格的情况,锚杆预应力在合理的范围内,其增加比例同桩身水平位移的减小比例相近;3)微型钢管桩-锚杆联合支护结构适合对基底空间要求比较严格、岩石完整性较差和变形控制严格的情况,随着微型钢管桩-锚杆的预应力不断增大,其控制微型钢管桩桩身水平位移的效果并不明显,但施加锚杆预应力之后可以进一步将桩身的水平位移控制在更加安全的范围内。     

重金属Cu(Ⅱ)在球黏土中的吸附特性

通过批式吸附试验,考察球黏土对Cu(Ⅱ)的吸附效果,重点分析吸附时间、吸附剂用量、pH值以及初始质量浓度的影响。结果表明,Cu(Ⅱ)在球黏土上的吸附是一个先快速而后缓慢的过程,在60 min基本达到吸附平衡,且吸附量和吸附率随球黏土用量和Cu(Ⅱ)初始质量浓度的升高而提高。pH值对球黏土的吸附量有较大的影响,当pH值为6时,球黏土的吸附量可达97.93 mg/g。球黏土对Cu(Ⅱ)的吸附符合Langmiur等温吸附模型,拟合得到的最大吸附量为202.383 mg/g,准二阶动力学模型更适合描述球黏土对Cu(Ⅱ)的吸附过程,说明控制吸附速率的主要是化学吸附。与其他常见的黏土吸附剂材料相比,球黏土对Cu(Ⅱ)具有良好的吸附性能,可以作为天然矿物吸附剂来处理含Cu(Ⅱ)废水。     

混流式转轮的优化设计

以优化参量，空化系数最小和损失系最小为目标，并与全三维反问题计算相结合，对混流式水轮机转轮进行了优化设计。计算表明，通过优化是可以改善转轮的性能并可通过调整权系数实现对转轮性能的控制。     

新型微生物多糖可得然胶的性质、用途及生产技术（一）

介绍了一种新型的微生物多糖一可得然胶（curdlan）的来源、结构、性质、作用及生产技术，同时论及了可得然胶的商业可获性及安全性，展望了其在食品、药品、农业及其它领域广泛的应用前景。     

天线座大齿圈机械加工技术研究

介绍了深空探测大型天线座大齿圈在加工中存在的问题,并提出解决方案,应用高精度数控镗铣床完成单段加工,再进行拼装。分析了工艺流程,介绍了大齿圈主要技术指标与加工设备,从找正、齿圈分度加工、指形铣刀应用、检验等方面论述了具体的加工方法。     

水电机组振动故障诊断的人工神经网络选择研究

引起水电机组振动的原因很复杂，而且水电机组的振动故障往往是多故障同时发生，使得故障诊断很困难，目前主要是应用基于模式识别的神经网络来进行故障分类，但如何选择故障诊断的神经网络一直是个难点。文章研究了3种人工神经网络，即反向传播网络（BPN）、概率神经网络（PNN）和学习矢量量化网络（LVQ）对水电机组振动故障诊断性能的影响。结果表明，人工神经网络的结构和算法，包括相关训练参数的选择对故障诊断性能有着重要影响。比较而言，学习矢量量化网络和概率神经网络在分类能力方面要比反向传播网络好一些，概率神经网络在计算负载方面比学习矢量量化网络要更胜一筹。