矿井易发安全隐患排查治理模式探讨

很多矿井的地质条件相对较差,同时在矿井运行的过程中也存在着非常明显的安全隐患问题。所以我们必须要采取有效措施做好矿井易发安全隐患的排查和治理工作,不断创新隐患排查治理模式,进而更好地保证隐患排查工作的顺利开展。     

基于窄带物联网的罐道间距测量仪

针对当前立井罐道间距测量方法精度不高,费时费力的问题,设计了一种固定式立井罐道间距测量仪。仪器通过激光传感器和气压传感器采集数据,通过R8C/L36C单片微处理器处理数据获得罐道间距和井深数据,通过窄带物联网技术实现数据的远距离无线传输,使用户能够及时了解立井罐道的形变情况。该仪器的使用有利于煤矿提升设备的安全平稳运行。     

基于EWM和PCA的底板突水危险性评价

依据熵权系数法(EWM)与主成分分析(PCA)的原理与方法,将2个方法相结合,选取含水层水压、隔水层厚度、含水层的富水性、地质构造4个影响因素,计算各个因素的综合权重,对鲁西煤矿17煤底板的突水危险性进行评价分析并分区,并与传统的突水系数法相比较分析,对17煤开采奥灰水防治具有指导意义。     

纳米纤维素的疏水改性及应用研究进展

纳米纤维素作为一种性能优越的可再生纳米材料，应用前景极为广阔。然而，由于纳米纤维素结构上富含羟基，使其具有极强的亲水性，严重影响了纳米纤维素的疏水性能，并且在一定程度上限制了其在复合材料领域的应用。综述了纳米纤维素疏水改性的研究进展，从物理吸附、表面化学修饰（甲硅烷化、烷酰化、酯化等）、聚合物接枝共聚3个方面简述了目前应用较为广泛的疏水化改性方法，并对疏水纳米纤维素在包装材料、造纸、水净化等方面的应用现状进行了总结。最后对疏水改性纳米纤维素的未来发展进行了展望，旨在为疏水纳米纤维素的研究和应用提供参考。     

基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

葛洲坝某型机组定子绕组端部电晕处理分析

通过对葛洲坝某机组定子绕组端部电晕现象的深入分析,主要原因是防晕结构缺陷。针对每一槽电晕特点,详细研究其电晕产生机理和要素,最终按电晕产生机理划归为四类,分别制定相应的处理方法:低高阻防晕结构重塑、低阻防晕结构修复、层间电晕防晕修复、小间隙电晕及运行电位7kV以上电晕预防。处理后试验效果明显,在1.5Un下未起晕,机组运行良好。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

膜过滤结合Fenton法处理焦化废水的实验研究

焦化废水以其成分复杂、难降解有机物多、COD排放不达标等问题,给环境带来了严重的威胁。采用合理的实验设计方案,探讨膜过滤结合Fenton法处理焦化废水。结果表明,在最佳铸膜液配比、凝固浴温度、预蒸发时间条件下,当添加剂TiO_2-Fe_3O_4的质量分数为0.8%时,所制备出的改性膜具有最优的综合评分,其焦化废水通量达到115.23 L/(m~2·h),COD截留率达到90.2%。该方法可为焦化厂的废水处理提供参考和借鉴。     

复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性。实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势。