广东水利工程建设监理联席会在重庆召开

2007年5月18-20日,广东省第一届第五次水利工程建设监理联席会议在重庆市隆重召开。会议由中水珠江设计公司监理中心重庆草街监理部协办,共有广东省水利厅、广东科源监理公司、广东粤源监理公司、深圳深水监理公司、广东安达监理公司、肇庆西江监理公司、佛山科诚监理公司等十余家单位参加了本次会     

严重突出矿井石门揭煤的有效途径——系列化揭煤措施

在目前尚未完全掌握煤与瓦斯突出机理并控制突出的情况下,怎样防止突出是广大工程技术人员的一项重要任务。本文就现场一般施工技术条件下,如何在严重突出煤层石门揭煤中运用系列化措施防突,确保安全有效地揭穿煤层作一探讨,并提出几点意见。     

桉木浆蔗渣浆混合漂白与抄纸的研究

广西使用桉木的造纸厂家极少，以蔗渣为原料的造纸厂如使用部分桉木片为原料，则需对漂白和打浆系统作相应的调整。但是，如果能将桉木浆与蔗渣浆混合漂白与打浆后抄纸，则可采用原有的蔗渣浆漂白与打浆流程。对此，我们进行了实验室小试和中试的研究，以期能促进桉木制浆。1试验方法：1．1原材料尾叶桉木片由广西南宁郊区林业局提供，甘蔗渣由广西南宁糖纸厂提供。1．2蒸煮分别桉按木片和甘蔗渣进行蒸煮，按木浆的KMnO4值为13.8，蔗渣浆的KMnO4值为13．4。1．3漂白将KMnO4值相近的桉木浆和蔗渣浆分别以不同比例和漂白条件在聚乙烯塑料…     

酶对废纸浆滤水性能的改进作用

废纸浆的滤水性比原纸浆差，提高其滤水性能将有助于提高废纸的利用率，而酶对废纸浆的滤水性能有明显的改进作用。1酸能提高废纸浆的滤水性能Pommier等人首次发现，利用含纤维素酶和半纤维素酶的真菌Trichodermareesei培养液处理废纸浆后，废纸浆的滤水性能明显增加。Prasad等人研究发现，废纸浆滤水性差的主要原因是细小纤维含量和填料等比原纸浆的高，而纤维素酶和半纤维素酶能选择性地水解废纸浆中的细小纤维，增加了长纤维的含量，从而提高了废纸浆的滤水性。2酶对废纸浆德水性能的改善作用2．1不同的酶处理废纸浆利用不同的酶处理废…     

不同搅拌方式水泥稳定再生集料的性能研究

由于再生集料吸水率大,且表面粗糙、多棱角,导致水泥稳定再生集料混合料在常规的搅拌方式下较难搅拌均匀。主要研究了不同搅拌方式条件对水泥稳定再生集料力学性能、抗冲刷性能和干缩性能的影响。结果表明:采用振动搅拌和分步搅拌比常规搅拌制备的混合料无侧限抗压强度、劈裂强度和弹性模量都有一定程度的提高,且抗冲刷性能和干缩性能均改善;采用分步加振动搅拌对混合料性能的提高效果最佳,与采用常规搅拌时相比,混合料的无侧限抗压强度提高了8%~20%、劈裂强度提高了16%~33%、干缩减少了30%~39%。     

草珊瑚、虫草菌粉及葛根对肝纤维化大鼠脏器指数的影响

目的：观察草珊瑚、虫草菌粉及葛根对肝纤维化大鼠脏器指数的影响。方法将50只 SD 大鼠按随机数字表法分为正常组、模型组、草珊瑚组、虫草组及葛根组,每组10只。模型组、草珊瑚组、虫草组及葛根组均采用40％四氯化碳皮下注射,每周2次,6周制作大鼠肝纤维化模型。第7周开始草珊瑚组、虫草组及葛根组分别给予草珊瑚流浸膏、发酵虫草菌粉及葛根灌胃;正常组及模型组不给药,只灌服蒸馏水。给药6周后在麻醉状态下解剖,分别取出肝脏、脾脏、肾脏和胸腺等脏器,称湿重并计算脏器指数。结果与正常组比较,模型组、草珊瑚组、虫草组及葛根组肝脏、脾脏和肾脏指数均明显增加（均 P ＜0．01）。虫草组肝脏质量较正常组及草珊瑚组明显增加（P ＜0．05或 P ＜0．01）、与模型组比较肝脏指数明显升高（P ＜0．05）。与模型组比较,草珊瑚组、虫草组及葛根组脾脏质量和脾脏指数有所降低,但差异均无统计学意义（均 P ＞0．05）。模型组、草珊瑚组、虫草组及葛根组肾脏质量和肾脏指数比较差异均无统计学意义（均 P ＞0．05）。与正常组比较,虫草组和葛根组胸腺质量均有明显减轻（P ＜0．05或P＜0．01）,葛根组胸腺质量和指数与模型组及草珊瑚组比较均有显著的降低（P ＜0．05或 P ＜0．01）。结论草珊瑚流浸膏、发酵虫草菌粉及葛根抗大鼠肝纤维化作用途径可能不同,其中葛根对机体免疫功能的影响更强。     

杂质对磷石膏在还原气氛下分解反应的影响

磷石膏作为一种重要的再生石膏资源,其资源化利用受到杂质的制约。通过热重分析仪和管式炉研究了在CO还原气氛下杂质对磷石膏分解反应的影响。实验结果表明杂质Fe2O3能促进纯石膏的分解,降低纯石膏的分解温度;杂质SiO2、Al2O3会抑制磷石膏的分解。     

核电厂设备状态多参数同步监测技术研究

核电厂设备稳定的运行状态以及长期的运行数据积累为实现数据驱动的设备状态智能监测建立了良好的数据基础。本文提出一种基于多参数关联关系的设备状态智能监测方法,该方法包括建模、训练和推断3个步骤,建立数据驱动的设备状态智能监测和预警模型。首先识别并分析系统设备监测参数、参数监测内容和关联关系,设计建立监测参数的关联关系模型;其次,采集并筛选设备正常运行历史数据作为训练数据,基于反向传播（BP）前馈神经网络训练关联关系模型;最终,实时采集设备监测参数实测值,并基于模型推断各参数的预测值,监控实测值与预测值的偏差,当偏差超过预定的阀值时发出预警信息。本文以某电厂热交换器和主给水泵为例进行建模并验证,结果表明本文提出的监测模型可以有效同步监测设备参数微小异常变化,预警早期异常,同时保持极低的误报警率。