基于 NSGA-Ⅲ和道路运输能力饱和度的露天矿卡车调度优化方法

为高效调配露天矿卡车运输,进一步降低矿山企业运输成本,提出一 种新的基于 NSGA-Ⅲ和道路运输 能力饱和度的露天矿卡车调度优化方法。 在车流规划阶段,以卡车总运输 量和卡车非作业时间最小为目标,以矿山 各生产要素和生产原则为约束,建立多目标数学模型。 采用 NSGA-Ⅲ多目 标遗传算法进行求解,求解出当前场景下 完成矿山任务需要启用的最少卡车数量,以及理想的车流规划。 在运输实 时调度阶段,提出道路运输能力饱和度的 调度策略,并和固定派车法组成综合调度方法来调整车流。 在某露天矿实 验结果表明:该方法提供了合理的车流规 划,在完成道路车流目标的同时,有效减缓了道路的拥挤程度,减少了卡车在 装载点和卸载点排队发生的频率,能对 矿山系统正常情况和特殊情况进行处理,实现了实时调度卡车排队最优。     

浅议SPC数据分析在质量管控中的运用

通过运用SPC数据分析,查找影响产品质量的因素,提升质量控制能力与水平,确保生产过程趋于稳定。     

靶面激光光斑尺寸原位测量的研究

提供了一种简便易行的靶面激光光斑尺寸原位测量的方法。从高斯光束的横向光强分布特性出发,建立了激光烧蚀斑半径与辐照激光能量、光斑尺寸、烧蚀阈值间的关系式,模拟分析发现辐照激光光斑尺寸对烧蚀斑半径随辐照能量变化曲线有较大影响。对于脉宽为2 ms,波长为1064 nm的激光,实验测量了不同能量激光辐照下相纸烧蚀斑半径,并用推导出的关系式拟合测量数据,获得了靶面处光斑尺寸和样品烧蚀阈值。同时,也测量了不同位置处的光斑尺寸和样品烧蚀阈值,对高斯光束束腰位置和样品烧蚀阈值的光斑尺寸效应进行了验证。研究结果表明该技术结果可靠,简单高效。该技术可以为高能激光与固体物质相互作用的基础研究和激光加工等应用领域中实现简单方便地测量靶面光斑尺寸提供帮助。     

自调整复合级联形态滤波算法及应用

针对反射式光纤位移传感器拾取的润滑膜厚度信号中的脉冲和随机噪声干扰,提出一种自调整复合级联数学形态滤波算法。采用三角结构元素和半圆结构元素,通过开闭和闭开组合滤波及串联构造了复合级联形态滤波算法。仿真结果表明,复合级联滤波算法可提高信号的信噪比。针对传统形态滤波方法结构元素宽度随机选取造成滤波后信号信噪比低的问题,通过在不同采样频率情况下对不同信号进行滤波仿真计算,提出一种结构元素参数自调整选取方法。仿真实验和对实际润滑膜厚度信号滤波处理结果表明,自调整复合级联形态滤波算法可有效滤除信号中的脉冲干扰和随机噪声干扰。     

普通燃气锅炉超低氮改造后的锅炉静态特性及锅炉检验重点

通过对普通锅炉超低氮燃烧改造原理及技术的了解,得出普通锅炉超低氮改造后锅炉静态特性,根据各部件改造前后的温度变化特点和节能指标变化的趋势确定锅炉检验的注意事项和节能检查注意事项。     

新型计量斗在锰粉料制块配料中的改进应用

锰粉料制块是解决铁合金冶炼精料入炉的主要途径之一,生产过程中为解决锰粉料粘附计量斗的问题,介绍了一种新型计量斗,阐述他的结构特点和工作原理,实施改进后下料流畅,降低了劳动强度,提高了生产效率。     

电接点压力表在水消防系统中的应用

为降低流体在管道内的浪涌和不规则水击波震荡,多采用水锤消除器来消除具有破坏性的冲击波,以保护管网及设备,而在图纸无设计或安装受限等其他因素条件作用下无法安装水锤消除器,本文就电接点压力表与时间继电器相配合,利用接收信号延时动作的原理来控制消防水泵稳定补压,以达到同等效果的电路控制方式解决水锤的问题.     

陆军合成旅跨区机动演习中车辆轮胎消耗现状分析

为满足陆军合成旅在跨区机动演习中对车辆保障的需求,提升车辆装备整体效能,本文通过分析陆军合成旅跨区演习中车辆装备的任务剖面,筛选出演习中影响轮胎损耗的关键因素,并提出优化轮胎使用的措施建议。     

水文地质队煤矿防治水工作的重要性

针对伯方煤矿防治水工作进行总结,对煤矿出现水害安全事故的原因进行总结,对煤矿防治水工作中常见的问题进行分析,并且总结相应的解决办法,当前我国的大部分煤矿企业的防治水工作还存在一些问题,影响煤矿开采的正常进行,采取有效的措施去解决这些问题是很有必要的,不仅保证了煤矿开采的安全性,还可以提升煤矿企业的经济效益,促进企业的发展和进步,国家近年来的经济不断发展,对煤矿资源的需求和质量要求也越来越高,煤炭在能源中占有百分之六以上的比例,近些年的煤矿开采过程中面临的安全问题越来越多,在煤矿防治水工作中也出现了很多纰漏,导致了恶性事故的发生,煤矿生产过程中要尤其注意水害的威胁,我国的煤矿开采强度不断增大,对水害的控制难度也在增加,本文就对水文地质队煤矿防治水工作的重要性进行分析。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.