采煤机调高油缸失效分析及改进措施

通过对调高油缸失效形式的理论分析,找出了解决油缸失效形式的措施,改进了液压锁的结构,保证了煤矿生产的顺利进行。     

自动化柴油发电机组的智能化控制与监测

本文着重介绍自动化柴油发电机组的控制与监测部分,并利用专家系统与神经网络相结合的方法对柴油发电机组运行状态进行早期故障诊断。     

无人值守水位自动采集系统

本文介绍了无人值守水位数据系统的原理、结构和应用.该系统结构简单、工作稳定,可靠性高.可供国内同行使用、参考借鉴.     

互联网视听节目监测从业人员上网行为审计系统设计与实现

文章根据互联网视听节目监测从业人员的工作内容,提出上网行为审计系统的设计并加以实现,系统满足加强互联网信息安全的需求,同时规范上网行为、提高工作效率。系统通过用户准入、上网行为记录、流量控制、终端管理等技术手段,部署了一套完整的上网行为审计系统。本系统旨在解决互联网视听节目监测从业人员访问互联网所衍生的信息安全隐患、工作效率低等问题。     

基于MSP430与FPGA的高授时精度时码终端系统设计

高准确度的时间信息和同步频率信号是获取准确数据、实时精确测量和制导控制飞行目标的基础。为了解调IRIG-B交流码和直流码,实现全系统时间同步和精确授时,通过基于MSP430单片机和FPGA的时统终端系统的设计,实现了对IRIG-B码、GPS、GLONASS和北斗时间信息的解调,系统具有内设频标的守时功能和误码识别功能,同时提供各种不同频率的同步信号。通过采用数字电位计自动调节电压的方式进行晶振驯服,提高了晶振的准确度,减小了老化和频率漂移对频率准确度的影响,系统外同步精度可达到100ns。     

低冗余灰度成像技术在反舰导弹末制导中的应用

在对反舰导弹特点和主要几种反舰导弹末制导干扰与反干扰原理进行分析的基础上,提出了基于灰度成像技术的导弹末制导控制办法。在参阅已有文献的基础上,从可行性方面进行了论证,给出了系统设计流程图,列出了相应的数据转换公式,进行了时间处理上的对比验证。这种"低冗余"的红外灰度图像作为信息源具有信息处理所需时间短、排除干扰效率高的优点,有利于提高现代反舰导弹的突防命中能力。     

Active learning boosted computational discovery of covalent–organic frameworks for ultrahigh CH4 storage

As an environmental-benign fuel, methane (CH₄) has received considerable interest for developing high-capacity energy storage systems. Herein, we aim to rapidly discover covalent–organic frameworks (COFs) for ultrahigh CH₄ storage among 530,000+ COFs, including one experimental (Curated) and two hypothetical (Berkeley and Genomic) databases. First, the feature space of all the three COF databases is projected by t-Distributed Stochastic Neighbor Embedding (t-SNE) technique, which reveals a potential but unexplored regime in Genomic COFs. Subsequently, an active learning (AL) approach is developed by integrating parallel acquisition with molecular simulation to efficiently explore Genomic COFs. The parallel AL model demonstrates remarkable screening efficiency and shortlists top COFs by evaluating only 50 out of 445,845 Genomic COFs. A record-breaking Genomic COF is identified with CH₄ deliverable capacity of 222.2 v/v, surpassing the current world record (208.0 v/v from experiment and 217.9 v/v from simulation). Our AL approach is significantly faster than brute-force simulation and conventional machine learning, it would accelerate the discovery of advanced porous materials for broad applications.     

基于深度信念网络的风机主轴承状态监测方法

提出了一种基于深度信念网络（DBN）的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法（EWMA）对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制（SCADA）系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。     

和成煤矿三维地震勘探的研究

基于和成煤矿地区的地震地质条件复杂的情况,为了取得较好的地震资料,施工过程中针对勘探区内地形复杂、浅层条件多变等不利因素,采取了相应的技术措施。资料处理过程中认真详细地测试了各种模块及参数,制定出了适合该矿的资料处理方案,同时采取边处理边解释的手段,指导资料处理,获得了较理想的三维数据体资料。