适应装配式变电站建设的产业链化设计探析

针对目前装配式变电站在建设过程中有关设计、设备、施工、运维等方面的主要问题,创新提出在设计中引入"产业链化设计理念",依托数据化平台,开展三维设计,将设计、构件生产、现场施工和运行检修四大建设主体"四位一体",协同工作,形成设计主导的链式建设模式。四大建设主体协同完成装配式变电站建设,不仅能简化设计过程、缩短设计周期、提高设计精度,而且能解决装配式变电站在实施过程中的桎梏,提高施工质量,充分发挥了装配式变电站高效、绿色、节约的优势。     

电石渣-煤基固废混合胶凝体系制硅酸钙板的试验

为减少制备硅酸钙板对矿物原浆资源的损耗和提高对固体废弃物的协同利用效果, 试验以电石渣-煤基固废胶凝体系为原料来研制高强度的纯固废硅酸钙板, 并通过热重-差示扫描量热法、X射线衍射测试来分析硅酸钙板中生成的主要矿物成分及不同配比对硅酸钙板的强度变化关系.研究表明: 在水灰比为0.3的条件下, 使用电石渣完全替代水泥, 将粉煤灰和硅灰按1:1的质量比互掺调制所得的混合胶凝体系最终制得托贝莫来石型纯固废硅酸钙样板.在硅灰占原料的质量分数为0~10%范围内, 样板抗折强度随硅灰添量增加而升高, 硅灰添量为10%时样板达到最大抗折强度, 不同粒径的原料颗粒相互填充, 板内晶体与水化胶凝体相互咬合, 最终使得样板力学性能得到大幅提升; 样板的抗折强度随着NaOH添量的增加呈现先增后降的趋势, NaOH添加质量分数为4%时样板板面平滑, 强度达到最大值11.8 MPa, 该添量为NaOH的最佳添量, 通过扫描电镜分析发现加入4% NaOH时对该胶凝体系的水化反应起到最佳激发作用, 且样板料坯的微观结构对其最终的力学性能有重要影响, 但不起决定性作用, 其中决定其最终强度的是板坯内水化胶凝体的数量、形态以及其相互间的联结方式.      

原位留巷协同控制技术及底鼓治理研究

以山西左则沟煤矿超高水材料巷旁充填留巷为背景，结合原位留巷的巷道围岩运移特征，提出了“斜拉锚索-U钢-充填体”协同控制技术，斜拉锚索悬吊深部岩层、U钢切顶、留巷充填体隔绝采空区，三者共同保持留巷稳定。现场应用初期的矿压观测表明，留巷呈现明显的滞后变形特征，且顶板稳定，巷道变形以底鼓为主，是留巷围岩控制的重点。结合观测结果分析了原因，并对支护方案进行了优化，通过采取密集支柱切顶、架前支护、补打底锚杆等措施，巷道变形明显减少，不需返修或只需简单卧底即可满足二次回采的要求。     

系统性改进基于物品的协同过滤算法的研究

传统基于物品的协同过滤算法在实际应用中存在一定的缺陷,如热门的物品与其他物品之间有很大的相似度,用户多活动时有对相似度的干扰等问题,导致推荐效果不理想。文中针对该问题进行了研究,并提出通过降低热门物品权重,减少用户活动干扰相似度的影响,物品相似度矩阵归一化等多种方式进行系统性改进算法,通过实验结果验证,在一定程度明显提高了推荐质量。     

显隐信息协同的多视角极限学习模糊系统

多视角数据正在越来越多地应用于各种建模任务,但当前的多视角模糊系统建模方法,主要集中于实现各个显性视角的合作,还未能充分探讨和利用各视角间共享的隐信息。针对此,对如何引入各个显性视角共享的隐空间信息来实现显隐视角协同的模糊系统建模进行了研究。具体地,基于岭回归极限学习模糊系统(ridge regression extreme learning fuzzy system,RR-EL-FS)模型,引入隐空间信息实现显隐视角协同学习来对RR-EL-FS进行学习,最终开发出具有显隐视角协同功能的岭回归极限学习模糊系统预测模型(ridgeregression extreme learning fuzzy system with cooperation between visible and hidden views,RR-EL-FS-CVH)。该方法较之以往相关的多视角建模方法能更好地利用隐空间的有效信息,从而能够进一步提高受训模型的泛化性能。大量的实验结果亦验证了所提方法的有效性。     

阿尔金南段断层解译并可视化表达

阿尔金构造带地处西北,呈北东-北东东向延伸,构造活动强烈断层发育。收集前人资料并结合遥感影像对阿尔金南段北东向断层期次及性质进行解译,并将其可视化。传统的研究对象是北东东断层带,发现了研究区北东27°断层带,精确了构造格局,有利于阿尔金岩群解体以及从次一级构造层次上揭露了阿尔金大地构造运动发展过程。     

调制协同法制备纳米MIL-53(Al)材料

以硝酸铝和对苯二甲酸为反应物,采用水热合成法制备MIL-53(Al),并采用调制协同法,分别以甲酸钠和三乙胺为添加剂,利用其去质子化和结构封端剂的协同作用对晶体尺寸和形貌进行调控。通过适量甲酸钠的添加成功制备了粒径均匀的纳米晶,且该材料具有很高的热稳定性和高比表面积。