快硬膨胀水泥堵漏法

目前,地下输水管道多为铸铁管道。由于地基和地面荷载的变化,管道经常发生泄漏。传统的堵漏方法是,先找出漏水点,根据管径大小制作两块半圆形钢板,待全系统停水后,将两块半圆形钢板箍于输水管泄漏处,焊接好,将熔化的铅灌入钢板箍与输水管之间的缝隙中,待铅冷却后,试漏没问题,做防腐处理,再恢复供水。这种方法检修时间长,施工难度大。尤其是钢板箍     

考虑漏电导时绝缘子串的分布电压

当考虑漏电导时，利用差分方程式导出悬垂式绝缘子串的分布电压，为进一步研究绝缘子串的电气强度提供了理论依据。     

底部单缸液压圆锥破碎机的推广应用

介绍了底部单缸液压圆锥破碎机的优点 ,并分析了国产底部单缸液压圆锥破碎机从材质到结构存在的问题 ,提出如果国产底部单缸液压圆锥破碎机克服其缺陷 ,将具有广阔的推广应用前景。     

利用天然地震震源点确定活动断裂深部延伸性状的尝试

本文首先运用卫星影像,对临汾—运城盆地中主要活动断层的平面展布状况进行了解译。在此基础上,利用天然地震震源点的三维生标,探索性地研究与确定了各条断层的深部延伸性状,建立起了盆地内断裂构造的三维格架。主要结论有:(1)边缘断裂多数是深达莫霍面的(38km)伸展性铲形断裂;(2)霍山西麓山前大断裂的深部延伸为直立状,深度达莫霍面(38km)。(3)盆地内的其它断层多数是铲形断层的对偶断层,产状为倾斜状,与铲形断层相遇后而终止,延伸深度一般不超过30km;(4)区内存在4个水平滑脱面(或层),其深度分别为4.5～5.5km,9.5～10.5km,18.5～20.5km,35.5～37.5km,这些面(或层上)震源点分布较密集;(5)区内北部、中部、南部,断层组合形式稍有差别,并控制、形成了不同的地貌形态。     

填料—橡胶间的物理和化学作用：Ⅲ.Al2O3,nano—Al2O3及nano—Al2O3／NDZ—101及NR

研究了Al2O3与NR的相互作用，发现二者交互作用的物理交联密度与Al2O3的吸油值和比表面积呈正相关性，与粒径和pH值呈负相关性，与吸油值（结构性）的相关性最大。Al2O3对硫化体系与BR的相互作用的屏蔽效应，使化学交联密度下降，但是与其比表面积和吸油值呈负相关性，与粒径和pH值呈正相关性。微米Al2O3无（4μm）或略有（1μm）增强作用，纳米的（25nm）有较大的增强作用，且全部是物理交联作用的贡献。加入偶联剂后，纳米Al2O3与NR的化学交联率达77.5%，化学交联对拉伸强度的贡献率达89.8%。     

神木煤的主要性质对其水煤浆特性的影响

研究我国大型优质神木煤田12个煤样的主要性质,对其水煤浆特性的影响。实验表明,煤中水分和含氧官能团是主要因素,水分中以最高内在水分与水煤浆浓度呈线性相关,提出以最高内在水分作为评价指标。并研究了煤浆的改性方法,一是加热方法使水分和官能团脱除,煤表面亲水性降低,使煤浆浓度大幅度提高,二是除去煤中可溶无机离子,可使煤浆粘度降低,并添加某些电解质有可能提高稳定性。     

填料-橡胶间的物理和化学作用Ⅲ.Al2O3,nano-Al2O3及nano-Al2O3/NDZ-101与NR

研究了Al2O3与NR的相互作用,发现二者交互作用的物理交联密度与Al2O3的吸油值和比表面积呈正相关性,与粒径和pH值呈负相关性,与吸油值(结构性)的相关性最大。Al2O3对硫化体系与NR的相互作用有屏蔽效应,使化学交联密度下降,但是与其比表面积和吸油值呈负相关性,与粒径和pH值呈正相关性。微米Al2O3无(4μm)或略有(1μm)增强作用。纳米的(25nm)有较大的增强作用,且全部是物理交联作用的贡献。加入偶联剂后,纳米Al2O3与NR的化学交联率达77.5%,化学交联对拉伸强度的贡献率达89.8%。     

烟气脱硫处理技术途径探讨

根据自备电厂一台35t/h锅炉年运行过程中,烟气经文丘里水膜除尘器处理前后主要污染物烟尘、二氧化硫浓度变化情况,证实文丘里水膜除尘器除尘效果明显,并具有一定的脱除二氧化硫效果,烟气排放达标。     

吸塑模型腔的锌基合金液态模锻

以研制育苗营养钵用吸塑模具型腔为例，介绍锌基合金液态模锻这一新工艺。它具有快速、简易、经济等优点，而且工艺简单、生产效率高、成本低。它解决了吸塑模具型腔加工的复杂性与降低模具成本和缩短模具周期之间的矛盾。     

基于元生成内在奖励的机器人操作技能学习方法

针对稀疏奖励下,复杂任务学习效率低的问题,在离线策略(off-policy)强化学习思想基础上,提出了元生成内在奖励算法(meta generative intrinsic reward, MGIR),并将其应用在机器人操作技能学习问题求解方面。具体步骤为先使用一个可将复杂任务分解为多个子任务的元生成内在奖励框架,对子任务进行能力评价;再引入生成内在奖励模块,将智能体探索得到状态的新颖性作为内在奖励,并联合环境奖励共同指导智能体完成对环境的探索和特定任务的学习;最后,在MuJoCo仿真环境Fetch中对离线策略强化学习进行对比实验。实验结果表明,无论是在训练效率还是在成功率方面,提出的元生成内在奖励算法均表现较好。