基于能量贮存及释放主体的煤矿冲击地压分类

冲击地压研究系统包括发生机理、发生准则及基于机理和准则的预测和防治。因诱发冲击地压影响因素众多,相应的类型多样,传统的研究多集中在机理、监测及防治的独立性研究上,造成现场冲击地压预测和防治的盲目性。为了系统性掌握冲击地压机理,提高冲击地压预测和防治效率,通过调研已有的冲击地压分类方法,从能量贮存及释放主体的角度提出了一种新的冲击地压分类方法;依据扰动响应失稳理论,分析了各类型冲击地压的发生机理;建立各类型冲击地压力学模型,得到了冲击地压发生条件的解析解和发生时释放能量估算公式;并对分类方法在预测和防治中的应用进行了初探。研究结果表明:根据能量贮存及释放主体的不同,冲击地压划分为煤体贮存及释放能量型(Ⅰ)、顶板贮存及释放能量型(Ⅱ)、断层带及围岩贮存及释放能量型(Ⅲ)3种类型;Ⅰ型冲击地压由煤体压缩失稳并释放贮存的弹性能产生,发生条件由煤体固有属性单轴抗压强度σ_c和冲击倾向性指数K决定,释放能量与冲击倾向性指数K呈反比关系;Ⅱ型冲击地压由顶板-煤层变形系统中顶板断裂失稳诱发,顶板抗拉强度σ_t越大,冲击的临界采空区跨度L_(cr)越大,失稳垮断时释放能量也越大;Ⅲ型冲击地压由断层带及围岩系统中断层带岩石在软化阶段失稳产生,失稳条件由断层结构及围岩剪切模量确定,失稳时释放能量与断层落差成正比关系。基于各类型冲击地压的分析,提出了针对Ⅰ型冲击地压临界应力P_(cr)的监测方法及其调控防治方法,针对Ⅱ型冲击地压顶板的变形监测方法和支撑顶板或诱导垮断的防治方法,针对Ⅲ型冲击地压断层附近应力监测和降低断层处应力集中程度的防治方法。     

主轴式滚磨光整加工参数对加工效果的影响

为确定立式主轴式滚磨光整加工过程中滚抛磨块尺寸、加工位置以及接触力大小对于工件表面加工效果的影响。采用不同尺寸的球形磨块对(34×20)mm不锈钢直角钢片进行加工,以加工后工件表面的平均粗糙度值以及工件表面加工纹理作为评价指标,探讨磨块尺寸、工件装夹位置以及工件所受接触力与加工效果之间的关系。实验结果表明:磨块尺寸D=3mm或D=4mm明显优于D4mm时的加工效果,使用3mm或4mm磨块加工工件,可使工件表面平均粗糙度降低到0.254um左右,当工件中心距离滚桶底部z=75mm时,表面均匀性最好;z=55mm时,表面均匀性次之;z=65mm时,工件表面划痕仍然可见;随着磨块尺寸的增加以及加工深度的增加,接触力大小越来越大,磨块尺寸、加工位置及接触力大小对于加工效果均有显著影响。磨块尺寸越小,加工效果越好;工件位于距离填充磨块表面中上部时,加工效果最好;工件加工效果受接触力大小影响,但不成比例关系。     

基于自监督学习的病理图像层次分割

在苏木精-伊红(HE)染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题，提出了一种基于自监督学习的病理图像三步层次分割方法，对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先，根据互信息的计算结果在RGB色彩空间中进行特征选择；其次，采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域；然后，以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割，得到完整的细胞核、细胞质和胞外间隙这三类组织结构；最后，对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界，进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明，所提方法对于染色和细胞形态差异保持较高的鲁棒性，各类组织区域分割误差在5%以内，在细胞核分割精度的对比实验中平均正确率在96%以上，满足临床自动图像分析的要求，其量化结果可以为定量病理分析提供依据。     

基于数据驱动理念的电力日负荷曲线预测方法研究

针对短期日负荷预测的精度问题,本文提出一种基于数据驱动理念的电力负荷预测方法。在建立预测模型前对所给数据采取一定的预处理:首先提取所收集的海量数据的负荷特征,对负荷特征进行分析,然后进行负荷数据与影响负荷值的因素之间的相关性分析,以此确定对负荷影响较密切的因素,随后建立分类器得到各主要影响因素与各负荷类别之间的关系为后续预测模型奠定基础。对预处理后得到的不同类型的负荷数据采用最小二乘支持向量机方法建立不同的负荷预测模型。以南方某发达城市2008年的负荷数据作为算例验证数据,将本文所提负荷预测方法所得结果与未经数据预处理的负荷预测方法所得结果进行比较,结果表明本文提出的方法得到的预测结果精度较传统方法提高约6%。     

基于光谱分类模型的保险杠物证无损研究

采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别，分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型，并对分类结果进行比较。结果表明，主成分分析提取特征变量后构建的分类模型，分类的准确率更高，对聚丙烯（PP）、PP/滑石粉、PP/滑石粉/碳酸钙（CaCO₃）3种类型的样本分类准确率达到92.3 %，对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9 %，分类结果理想；在构建的2种分类模型中，Fisher判别分析模型的分类率远高于K近邻算法模型，分析认为K近邻算法模型受到样本不均衡的影响；中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分，且满足快速、无损的检验要求。     

电力变压器故障自动化实时检测技术

电力变压器故障高精度检测是保障电力系统稳定运行的基本条件。现结合最小二乘法与支持向量机,构建了最小二乘支持向量机分类模型,通过参数优化与样本分类的方式,实时检测变压器运行故障。首先设计了油色谱在线监测系统,获取变压器故障特征样本信息;然后采用粒子群算法优化分类模型的两个参数,粒子群算法优化参数过程中将分类误差作为适应度值,直到其符合迭代终止条件,输出参数优化结果;最后将优化后的参数带入分类模型,将油色谱在线监测数据作为测试样本,模型输出结果即为变压器故障类型,以此实现电力变压器故障检测的目的。