气缸盖进排气门导管孔及阀座孔的加工

内燃机气缸盖上的进排气门导管孔与阀座孔是同轴孔。它是气缸盖的关键加工部位,也是各种同轴孔中较难加工的结构。通常对阀座孔与导管孔的精加工有三点要求:(1) 阀座锥孔与导管内孔间(压配导管及座圈后)的同轴度,一般为0.015～0.02mm;(2) 阀座圈45°锥孔的几何精度;(3) 阀座锥孔面与导管孔表面的光洁度(一般为▽8)。这三点要求中尤其是阀座锥孔与导管内孔间的同轴度,对气门密封性的好坏影响最大。多年来,它一直是我国汽车及发动机制造行业的工艺难题。少数工厂靠进口的专用设备才完成其最终的精加工。     

色噪声背景下基于旋转不变的互谱估计方法

互谱估计方法是用于色噪声背景下谱估计的一个十分有效的方法.本文提出了基于旋转不变的互谱估计方法.避免了以往互谱估计本身所固有的在整个频域的谱峰搜索,可直接通过特征值确定信号参数估计值.仿真结果表明,该方法能有效地抑制色噪声,且具有良好的频率估计性能.     

μCT技术研究煤的孔隙结构和分形特征

煤的孔隙结构是影响煤中气体吸附和渗流的一个重要因素。从实现精细化、无损化和定量化入手,应用μCT 225kVFCB型高精度CT试验分析系统,通过显微CT切片,提取研究了4个煤样孔隙分布特征,讨论了煤级、煤显微组分和灰分对煤孔隙结构的影响程度。采用公约数网格序列盒维数法定量表征了孔隙结构的复杂程度和不规则性,探讨了孔隙率、渗透率和分形维数的关系。研究表明,研究煤样的孔隙分布总体受煤显微组分含量控制,同时煤中矿物充填作用在一定程度上降低了煤的孔隙率、平均孔径和孔隙数量。煤孔隙分形维数D的变化与孔隙分布特征密切相关,有效地反映了孔隙结构的非均质性。孔隙率、渗透率与分形维数呈现显著的幂指数正相关关系。由此指示,基于显微CT切片的煤孔隙分形维数可作为煤储层孔隙特征和渗透性评价的定量指标之一。     

矿区水资源可持续利用评价指标体系研究

水资源可持续利用是一个由水资源、社会经济和环境等子系统组成的复合系统,采用层次分析法确定各子系统相对水资源可持续利用总目标的权重,从而得到水资源可持续利用综合评价结果.该理论分析方法简洁、严谨,评价结果合理实用.     

樊庄区块煤层气富集高产分区

以煤田勘探、煤层气探井、开发井及矿井煤样分析资料为基础,探讨了樊庄区块煤层气储集层特征,通过对煤层气储集层煤岩、基础地质及储层物性特征参数指标的对比排序,将樊庄区块进一步划分为煤层气富集高产区、煤层气准富集高产区、煤层气较富集高产区、煤层气次富集区。     

液压凿岩机钻杆回弹缓冲装置的动力学建模与仿真

以波动理论力学为基础,定性分析了液压凿岩机在进行凿岩作业的过程中,钻杆回弹现象及不利影响。为了克服这种不足之处,设计了一种用于吸收钻杆回弹能量的液压缓冲装置,采用MATLAB/Simulink工具箱对该装置进行了动力学仿真建模。以某型号液压凿岩机为例,计算得出相关结构件的运动性能曲线。该研究对于提高液压凿岩机的寿命,特别是钎尾和钻杆的寿命提供了理论参考。     

湿法提铜工艺在灵宝黄金股份公司的应用与发展

综述了萃取电积湿法提铜工艺在灵宝黄金股份有限公司的应用与发展历程,积累出了一整套焙烧—浸出—溶剂萃取—电积—氰化处理铜金精矿的经验。通过结合国外成熟技术经验,对溶剂萃取电积铜工艺不断技术改造和革新,将传统的金精矿焙烧工艺与溶剂萃取技术回收铜相结合,证明该工艺在实践和技术经济方面的可行性。     

破片侵彻陶瓷/芳纶复合装甲数值模拟

利用三维非线性动力有限元程序LS-DYNA,建立了破片侵彻陶瓷/芳纶复合材料装甲的有限元分析模型,描述了侵彻过程的物理和力学现象,得出了一些重要参量的变化规律,与破片侵彻相同面密度的均质装甲钢装甲进行了比较.陶瓷/芳纶复合装甲的抗侵彻能力要优于相同面密度的均质钢装甲.     

逆变式等离子切割电源主电路的设计与仿真

针对国内逆变式空气等离子切割机的现状,对一种大功率空气等离子切割电源的主电路进行了设计,并对元器件进行了选择.该电源采用IGBT逆变式全桥电路结构,主电路采用较为常用的AC-DC-AC-DC逆变模式,通过对变压器、功率开关管、输入电路以及输出滤波电路等的设计,选择了工作电流为100A,电压为150V,开关频率为25 KHz.通过MATLAB下的仿真试验证明了所设计的主电路合理、有效,符合预定要求.     

TCS:一种用于跨语言文本标签预测的“老师-课程-学生”学习框架

跨语言迁移旨在借助源语言的标注样本学习目标语言上的相应任务,是解决目标语言标记数据不足的重要途径.近期表现出色的方法多基于自训练,通过逐步自动标记无标注样本实现知识的迁移.然而自训练存在不准确监督的问题,即当前模型(称为老师模型)对目标语言无标注样本的错误预测会误导后续模型(称为学生模型)的学习.跨语言迁移中,源语言和目标语言样本之间存在的分布差异加重了这个问题.本文提出一种名为“老师-课程-学生”(TCS)的学习框架,综合使用三项技术解决自训练中的不准确监督的问题,包括软目标训练技术、渐进式样本选择技术、“从可信到可疑”的课程学习技术等.在跨语言文本分类和跨语言命名实体识别基准数据集上的实验表明,TCS取得的平均结果在自训练的基础上分别提高了2.51%和3.25%,并分别比现有最佳结果高1.51%和4.45%.消融实验表明,TCS使用的三项技术都能有效提升最终模型的性能,其中课程学习技术和“从可信到可疑”的课程顺序是取得出色结果的关键.相关代码和实验配置可以在https://github.com/ericput/TCS获取.