裂隙带布置高抽巷实现巷道快速掘进

运用概率积分法求出工作面回采后上覆岩层某一点的6个应变分量εx,εy,εz,γxy,γxz,γyz,进而求取3个主应变ε1,ε2,ε3;将3个主应变代入Drucker-Prager准则中,求出应力差.若应力差小于零,该点不破坏;若应力差等于零,该点处于临界状态;若应力差大于零,该点破坏,据此可判断上覆岩层裂隙的发育范围.通过现场观测裂隙带发育范围与测试瓦斯含量,确定了高瓦斯特厚煤层高抽巷的位置,实现了高抽巷的快速掘进.在高抽巷内,对圈定范围预抽瓦斯,实现了上、下巷的快速掘进.     

欧洲海上风电场及其运行经验

海上丰富的风能资源和当今技术的可行性,预示着海上风电场将成为一个迅速发展的市场,海上风电设备产业将是一个经济增长点，文章简要叙述了欧洲海上风电技术发展与应用的现状,介绍了欧洲几大海上风电场的情况,并总结了一些关于海上风电场建设与运行的经验。     

装配式架设松弛孤立档导线施工技术

针对三峡右岸送出工程中,大坝161.00 m高程挂点至厂房立柱间7个松弛孤立档的架线施工,设计制定了装配式架设孤立档导线的施工方案。通过对实际档距、高差、基本弧垂、基本线长、耐张绝缘子及导线受力拉伸造成的线长增量的精确测量、计算,最终确定断线长度。在120栈桥上进行断线、压接等工序;利用空中循环引绳进行循环牵引挂线,减少了常规方法中紧线、高空压接等工序,加快了施工进度。     

孔压静力触探试验在杭州市绕城高速公路中的应用

介绍了利用孔压静力触探试验(CPTU)进行土的分类、固结系数测定、土层不排水强度及渗透系数等的确定方法。与原状取土试验结果和十字板试验的结果是相当一致的。证明了该试验结果的可行性和准确性。     

播控中心UPS供配电系统的设计与实现

本文以陕西广播电视台播控机房为例,对UPS供电系统的性能需求作了全面分析,探讨了电视台播控机房的供配电系统的设计方案,阐述了双母线冗余供电的设计理念的同时,提出了＂双母线冗余供电＂设计方案,在冗余方式、并机方式等进行了论证,分析了该方案的优点,为播控中心UPS供配电系统的设计与实现提供了借鉴。     

风力作用下的干式磁选机对磁铁矿预选的影响

为了解决传统干式磁选机的脉石夹杂问题,引入空气作为分选介质,利用气流曳力破坏磁团聚。采用3 mm以下大范围粒度的磁铁矿进行预选实验,通过改变磁场强度、风速大小和滚筒转速,得到不同条件下的精矿品位、回收率、分选效率等指标。结果表明:风力与磁场的适当耦合能够强化物料分选过程中的分散作用,减少因物料沉积和磁团聚作用所带来的脉石夹杂,特别在磁场强度足够大的情况下,能够在提高精矿品位的同时保证较高的回收率。对矿物颗粒的受力情况进行了分析计算,并利用Comsol仿真软件对不同风速下的颗粒运动轨迹进行了模拟,同时对实验前后矿样的化学成分进行了对比,得出了分选过程中风力的作用机理。风力作用下的干式磁选机选矿成本低,具有较大的推广应用价值。     

小孔节流静压气体轴承承载力分析

以小孔节流静压气体轴承为研究对象,从节流孔内的流动出发,通过工程假设实现气体轴承的建模与分析,并借助MATLAB编程,采用有限差分法、牛顿迭代法实现对气膜流场二维设计计算,得到轴承的压力分布和承载力,并分析讨论对轴承承载力可能产生影响的因素,包括偏心率、轴承间隙、供气孔直径、环境温度、节流孔个数、供气压力。结果表明:不同参数对承载力影响不同,偏心率、轴承间隙及供气压力对承载力影响较大,增大偏心率、增大供气压力、减小轴承间隙、减小节流孔直径及增加节流孔个数,均会使轴承承载力变大;节流孔直径及每圈节流孔个数因为实际工程限制存在较佳值。     

高清转播车车体设计

本文主要介绍陕西电视台高清转播车车体的设计思想,及牵引头选型、车体尺寸确定等.并介绍该车主要特点,如全空气气囊悬挂、后轮随动、侧拉厢、支撑腿及箱体结构,密封机柜等.     

基于两阶段学习的多行为推荐

多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能. 现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上, 并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模. 然而, 这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题. 事实上, 用户偏好是指用户在不同行为中表现出来的喜好(例如, 浏览的喜好), 而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如, 浏览转换为购买). 在多行为推荐中, 对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务. 基于上述讨论, 提出基于两阶段学习的多行为推荐. 两阶段策略设计的优势是解耦了前述两种任务. 两阶段策略采取固定参数交替训练的方式实现, 并同时保留了模型端到端的结构. 1)第1阶段专注于不同行为下的用户偏好建模: 先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模, 以最大程度缓解数据稀疏性问题, 再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好), 以减轻不同行为之间的数据不平衡问题造成的影响. 2)第2阶段专注于对不同行为间联系的建模, 通过解耦对用户偏好的挖掘和对不同行为间联系的建模, 以缓解因适配两种任务而引起的信息损失问题. 这种两阶段模式能够显著提升系统对目标行为的预测能力. 大量实验结果表明, 所提模型在性能上远优于最先进的基线模型, 在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.