矿用风门自动卸压机构研制

黑龙江龙煤股份公司鹤岗分公司井下使用的风门,由于矿井通风负压关系影响,存在风门开启困难的问题。风门间如何实现开门卸压一直是该煤矿未能很好解决的技术难题。本文设计的双向手柄旋转式百叶窗自动卸压机构解决了风门开启困难的问题,实现了卸压、开门在短时间内一气呵成,并且操作快捷方便,同时又可兼做两道风门间嘹望窗使用,能够相互观看到另一道风门的状况,是否通车、行人、联锁机构是否正常。此装置具市场前景广阔。     

基于智能体模拟的结构性疏散计划设计研究

展示了一个基于Agent模拟方法的框架方法,用于为危急中的复杂技术系统设计结构性的疏散计划.该计划利用复杂自适应系统的模拟方式,并采用基于智能体模拟的方法作为认知工具来设计整体系统的疏散方案.结构化的疏散计划应用文中提出的整体性技术框架,没有采用标准化的常规方法.提出了一个使疏散人群能够更加适应的调整危机时刻的紧急情况和减少无效疏散的建议性方案.本框架方法在一个典型的复杂自适应系统一地铁火灾中得到应用.     

矿井提升机驱动系统双PWM变频器的应用研究

通过分析传统矿井提升机驱动系统性能上的不足,结合煤矿生产实际,介绍了双PWM变频器在矿井提升机变频驱动系统升级改造中的应用。着重分析了其中PWM整流器在功率因数控制,电能回馈,谐波抑制等方面的优良性能,提出了双PWM变频器在矿井提升机驱动系统上应用的优越性,在样机的基础上进行了实验分析,并创新性地提出了超级电容在PWM整流器直流侧母线的储能滤波应用。     

深基坑监测网的稳健估计方法

为解决城市深基坑变形监测网在观测过程中由于空间限制和施工影响引起观测值异常问题,采用稳健估计理论,利用数据探测方法,对稳健估计中等价权因子的阈值进行调整.研究结果表明:修正后的丹麦法稳健估计可以有效抵御观测值中粗差的影响,并且迭代速度快、平差精度满足变形监测要求.该研究成果是一种提高变形监测质量和保障施工安全的有效方法.     

两次不同类型降水中GPS水汽特征对比分析

通过对2008年7月14-15日的稳定性区域暴雨天气过程以及2008年6月25-26日的对流性强降水中GPS水汽体现出的特征进行分析,结果表明：GPS水汽在稳定性降水中对实际预报具有较好的指示性能,可以用来区分潮湿气团与干燥气团.当大气达到高湿条件,可降水量增长到顶点,即预示未来4-5h会有降水出现;当可降水量（PWV）≥50 mm的持续时间越长,实况降水量越大.在6月25-26日的雷暴降水中,受中小尺度天气系统影响,PWV曲线起伏剧烈,局地性特征明显,但与降水量级以及降水起止时间并无明显联系,对未来降水预报所起意义不大.     

双向手柄旋转式百叶窗自动卸压机构

黑龙江龙煤股份公司鹤岗分公司井下使用的风门，由于矿井通风负压关系影响，存在风门开启困难的问题。风门间如何实现开门卸压一直是该煤矿未能很好解决的技术难题。本文设计的双向手柄旋转式百叶窗自动卸压机构解决了风门开启困难的问题，实现了卸压、开门在短时间内一气呵成，并且操作快捷方便，同时又可兼做两道风门间嘹望窗使用，能够相互观看到另一道风门的状况，是否通车、行人、联锁机构是否正常。此装置具市场前景广阔。     

浅谈地下工程防水混凝土施工控制

随着高层建筑,大型公共建筑的增多,和向地下要空间的要求,地下室和地下工程越来越多,地下防水工程越来越引起人们的重视,地下工程防水的成败将直接关系到工程能否正常使用,而且在一定程度上影响建筑物的结构安全和使用寿命,同时还可以节约投资,降低工程成本减少维修。     

基于ARMA模型的船舶海水冷却系统参数预测

船舶海水冷却系统与船外海水直接接触,工作环境较为恶劣,而基于小波理论、灰色理论等参数预测方法受环境影响较大,为了实现对船舶海水冷却系统状态参数的准确预测,提出了根据平稳时间序列建立自回归移动平均模型（ARMA）的方法;介绍了ARMA模型原理及建模过程;选取“育鲲轮”海水冷却系统6天的状态参数作为训练样本,输入到ARMA预测模型中进行训练;在MATLAB环境下,获得预测数据;运用平均绝对百分比误差对预测模型的准确性进行验证并对误差进行分析,结果表明所建立的船舶海水冷却系统状态参数预测模型具有良好的预测能力,能有效的反应未来一段时间海水冷却系统的工作状态的变化,提示系统是否存在异常,为早期故障诊断提供有效手段,进而为船舶的稳定运营提供了条件。     

矿用锂离子动力电池安全性智能充电关键技术研究

结合矿用锂离子动力电池在充电时的安全性特点,设计了一套可靠的矿用动力锂离子电池充电机。对该充电机采用的关键结构进行了介绍和分析,在理论推导和实验的基础上,对移相芯片UCC3895的参数进行了设计和优化,并介绍了最新的MAX11068电池管理芯片在该充电机上的应用。该充电机能快速安全地给大容量锂离子电池组进行充电,对于锂离子动力电池在煤矿安全生产中的推广应用具有重要意义。     

基于深度学习的短时强降水天气识别

气象预报人员面临的问题之一是如何准确有效地识别短时强降水天气.短时强降水是一种主要由强对流天气形成的气象灾害,产生原因与空气湿度、大气中的水分以及温湿等物理量参数有关,由此提出基于物理量参数和深度学习模型DBNs的短时强降水天气识别模型.首先,利用SMOTE算法人工合成短时强降水少数类(相对于非短时强降水天气类)样本,调整原始数据集不均衡分布问题;然后通过含有高斯玻耳兹曼机的深度学习模型对地面大气监测站逐小时加密的观测量,以及常用于天气预报分析的物理量等低层特征构造出抽象的高层特征,发现数据特征内在关系;最后实现了DBNs短时强降水的自动识别模型.结果表明,该方法能够较为准确地识别短时强降水,对于短时强降水的命中率、误警率和临界成功指数,都有着较好的表现.