磁悬浮分子泵用Hartley涡流传感器

工业领域的磁悬浮分子泵用位移传感器除了要具有良好的静态特性外,还应具有高动态响应特性,同时其体积大小还影响着磁悬浮分子泵的抽速、真空度和压缩比。针对高真空磁悬浮分子泵,提出了一种基于Hartley原理的电涡流位移传感器设计方法,将传感器对称探头接入同一振荡电路作为工作电感。对传感器的动态特性进行了分析,并提出了对其动态响应特性在不影响灵敏度和线性度等静态性能的情况下进行补偿的方法。实验结果表明,在-0.4~0.4mm内,传感器的线性度为±1.17%,灵敏度为9.901mV/μm,分辨率为0.25%,动态响应带宽达到了10.2kHz,两径向四路位移信号测量集成电路板体积仅为π×4~2 cm~2,大大减小了传感器体积,满足了磁悬浮分子泵面向更高抽速和更高真空度的发展需求。     

自动网格法在井下精确定位中的应用

基于矿井的恶劣环境,为了精确定位采矿活动对地层沉降可能造成的影响,找出运动规律,在相似材料模型的基础上利用自动网格法对井下开采后的位移进行了精确测量,并且详细讨论了自动网格法的实验步骤,提出了一种新的图象匹配矫正方法,并利用井下开采前后的实际位移数据说明了这种方法的可行性和不足。     

煤矿近断层地下开采动力灾害数值模拟研究

为解析兖州矿区地下开采中的动力灾害机理,截取横跨大马厂断层的剖面,按照实际开挖步骤进行了数值模拟计算和分析。判定15 m保安煤柱的屈服和孤岛煤体的破坏是发生动力灾害的重要因素。发现了破坏区附近的位移漩动场,并简要分析了其力学成因。     

基于深度学习的医学影像配准综述

图像配准是医学影像处理与智能分析领域中的重要环节和关键技术.传统的图像配准算法由于复杂性较高、计算代价较大等问题,无法实现配准的实时性要求.随着深度学习方法的发展,基于学习的图像配准方法也取得显著效果.文中系统总结基于深度学习的医学图像配准方法.具体地,将方法归为3类:监督学习,无监督学习和对偶监督/弱监督学习.在此基础上,分析和讨论各自优缺点.进一步,着重讨论近年来提出的正则化方法,特别是基于微分同胚表示的正则和基于多尺度的正则.最后,根据当前医学图像配准方法的发展趋势,展望基于深度学习的医学图像配准方法.     

基于CAE的虚拟修模在涡轮叶片模具设计中的应用

研究了虚拟修模技术在涡轮叶片模具设计中的应用,通过有限元仿真计算叶片的位移场,开发出了位移场补偿程序,用其对叶片模具进行虚拟修模,最后将优化过的有限元网格进行曲面重构并生成模具型腔。通过与实际测量结果比较,证明了虚拟方法的有效性,可以解决实际应用中的问题。     

新型耐高压电涡流位移传感器的研究

常用的电涡流位移传感器线性范围小且不耐高压,因此不能应用于电液伺服阀的阀芯位置检测,而差动变压器式位移传感器的频响相对较低,本文提出一种高频响、耐高压电涡流位移传感器结构,理论仿真和实验结果表明：该位移传感器具有良好的线性度、重复性和较高的频响,适用于高性能电液伺服阀和比例阀的阀芯或短行程液压缸活塞的位置检测。     

利用壁面剪应力提高固井水泥浆顶替效率的研究与应用

壁面剪应力设计方法,从理论上把塞流顶替、低速顶替及紊流顶替技术统一起来。对流变参数不再作特殊要求,只要结合环空返速,使摩阻大于一定数值即可。水泥浆环空流动的壁面剪应力是影响顶替效率的关键因素。但要实现最终合格固井质量的目标,还需要从入井流体的整体设计考虑。     

南京市茶南基坑监测及成果分析

通过时南京市茶南基坑支护结构的深层水平位移、沉降、基坑水平位移、支撑轴力监测,得出了基坑周边水平位移及深层土体的水平位移随时间的变化曲线;周边建筑物的沉降随基坑开挖的变化关系;支撑轴力随时问的变化曲线。并时这些变化曲线进行了研究分析。     

基于GNSS技术的排土场边坡监测及稳定性研究

本文介绍了边坡工程监测技术和方法,并以大孤山铁矿废弃排土场边坡监测项目为例,运用GNSS在线监测技术,综合分析边坡变形监测数据,对大孤山排土场边坡的安全状态及稳定性进行评价。研究表明:①大孤山铁矿废弃排土场边坡各监测区域内沉降位移普遍要大于水平位移,且沉降位移的波动趋势显著高于水平位移,可知大孤山排土场边坡变形主要由沉降导致;②各监测区域的沉降位移曲线在2017年7～9月及2017年12月～2018年2月波动显著,呈现先下降后上升的趋势,与监测区域受夏季降雨影响处于活跃期以及冬季冰雪冻胀影响的情况相符,其中,降雨对监测区域变形的影响大于冰雪冻胀的影响;③球团厂、黄岭子村以及滑坡区监测区域的下部变形普遍大于上部变形,邻近滑坡区的尾矿库监测点水平位移及沉降位移要略高于尾矿库其他监测点,由于边坡底部紧邻厂区或居民生活区,应重点关注边坡底部变形,加强监测力度,确保该区域边坡稳定及安全;④综合分析可知,大孤山铁矿废弃排土场边坡划分的四个监测区域中,球团厂变形最大,黄岭子村及滑坡区次之,尾矿库稳定性良好。研究成果对同类矿山边坡工程的监测及预警具有重要借鉴意义。     

基于GRA-GRNN模型的露天金属矿爆破后矿岩界线位移分析

为了避免露天金属矿爆破后导致爆堆边缘矿石品位贫化损失,需要根据最低品位阈值重新计算矿岩边界,而影响矿岩边界发生改变因素众多,需要确定主要影响因素。因此,利用爆堆爆破前地形方向和爆堆地质数据,构建灰色关联-广义回归神经网络模型(GRA-GRNN)分析爆堆矿岩边界变化主要影响因素。首先对爆堆钻孔品位数据使用析取克里金法进行空间插值,并根据矿山工艺最低品位阈值提取爆破前的矿岩边界;其次,将爆破前后的数字DEM模型进行求差,求得爆破后的爆堆数字DEM模型,并构建爆破前后爆堆数字DEM模型空间分布椭圆,从而确定爆堆爆破后的水平形变方向;对影响爆堆爆破后形变的可能因素进行提取,并应用GRA-GRNN模型选取主要影响因素及对其强度进行分析,并将其结果与BP神经网络模型预测结果进行了对比。从实验结果可知,影响爆堆爆破后形变强度排前三的因素为:爆破前地形方向、爆孔排距和列距,强度分别为0.880、0.760和0.755,预测结果优于BP模型。