排序方式: 共有50条查询结果,搜索用时 0 毫秒
31.
为研究并联机械腿运动性能指标和结构参数之间的关系,以PRP_AS/2-PUPR并联机构为研究对象。根据步行机器人的工作任务确定机械腿的自由度,通过求解位置正逆解证明机械腿具有部分解耦性能,并通过蒙特卡洛法搜索出机械腿的工作空间。基于1阶影响系数矩阵和2阶影响系数矩阵得出机械腿的速度全域性能指标和加速度全域性能指标,并将结构参数数值化,得出较优的结构参数范围。最后,通过细化后的结构参数的性能指标,得出最优的机械腿结构参数。结果表明,性能指标可以对机械腿的结构参数进行精确优化。 相似文献
32.
本文简单概述了常见的几种尾矿处理方法,并针对首钢水厂铁矿尾矿库库容紧张,尾矿将无处排放,造成水厂铁矿不能正常生产这一问题进行了技术改造。首钢水厂铁矿应用由旋流器和直线脱水筛组成的陆凯尾矿干排系统与现场原有浓密机配合使用对尾矿进行浓缩脱水处理,溢流器溢流和筛下产物再采用浓密机进行二次浓缩的方法,实现了水厂铁矿的技术升级,使水厂铁矿成为全国唯一一家实现全尾干排的大型国企。结果表明:流程改造后首钢水厂的技术指标及经济效益明显提高,达到了最初确定的62%的干排率,筛上尾矿含水率在20%左右,实现尾矿干排可以直接装车运输,达到降低尾矿入库量,延长尾矿库服务年限的预期效果。 相似文献
33.
本文简单概述了常见的几种尾矿处理方法,并针对首钢水厂铁矿尾矿库库容紧张,尾矿将无处排放,造成水厂铁矿不能正常生产这一问题进行了技术改造。首钢水厂铁矿应用由旋流器和直线脱水筛组成的陆凯尾矿干排系统与现场原有浓密机配合使用对尾矿进行浓缩脱水处理,溢流器溢流和筛下产物再采用浓密机进行二次浓缩的方法,实现了水厂铁矿的技术升级,使水厂铁矿成为全国唯一一家实现全尾干排的大型国企。结果表明:流程改造后首钢水厂的技术指标及经济效益明显提高,达到了最初确定的62%的干排率,筛上尾矿含水率在20%左右,实现尾矿干排可以直接装车运输,达到降低尾矿入库量,延长尾矿库服务年限的预期效果。 相似文献
34.
为了探索糖姜片的快速干燥方法,应用微波与热风联合干燥方式对糖姜片进行了工艺研究。首先分别考察了微波功率、转换点含水率、热风温度等因素对糖姜片中姜辣素含量的影响。然后采用3因素3水平的响应面设计并优化了微波与热风联合干燥工艺条件,并建立了相应的回归方程。结果表明,最佳联合干燥工艺条件为:前期微波功率239 W,转换点含水率65%,后期热风温度61℃。在此条件下,糖姜片的姜辣素含量为(0.73±0.025)%,实际测定值与理论预测值的相对误差为-2.67%,二者基本吻合。与单独热风干燥、微波干燥相比,微波与热风联合干燥糖姜片的姜辣素含量分别提高了30%、14%。为生姜制品的深加工研究和开发提供科学参考。 相似文献
35.
周志敏黎思杏陈佳丽邓玉金王悦辉 《电子元件与材料》2022,(10):1024-1029
采用改进的多元醇法,以氧化石墨烯(GO)作为石墨烯前驱体,硝酸银(AgNO_(3))为银源,聚乙烯吡咯烷酮为表面修饰剂,三氯化铁为抑制剂,乙二醇为溶剂和还原剂,在溶剂热条件下原位合成纳米银线(AgNWs)-还原氧化石墨烯(RGO)复合材料,研究反应溶液中GO∶AgNO_(3)质量比、反应温度和时间对合成产物形貌的影响,并对AgNWs-RGO复合材料的形成机理进行了分析。研究表明:当反应溶液中GO∶AgNO_(3)质量比在1∶98.5~1∶32.4内,产物以AgNWs-RGO复合材料为主;当反应溶液中GO∶AgNO_(3)质量比在1∶15.7~1∶7.3内,产物以银纳米颗粒和RGO复合材料为主;随着反应温度从150℃增加到170℃,产物中纳米银颗粒增多,纳米银线的平均长度减小;随着反应时间从3 h延长到5 h,产物中纳米银线的平均长度减小,数量增多。当反应溶液中GO∶AgNO_(3)质量比为1∶63.5时,溶液在160℃反应3 h,产物主要是AgNWs-RGO复合材料,其中纳米银线的长度在20~35μm,直径在80~110 nm,RGO覆盖在AgNWs上。 相似文献
36.
37.
近年来,随着重化工产业布局的扩张和危险废物(危废)处置企业数量的增加,环境安全事故频繁发生,对社会安全生产稳定构成了严重威胁。化解危险废物引发的环境安全风险成为社会关注的焦点。在客观分析近期重特大环境安全事故的基础上,深入认识危废监管的重要性,提出从项目审批、污染防治、监测监察和宣传教育几方面形成系统思维。通过加大危废源头减量力度,提升产废企业转型升级水平,实现产废企业科学有效监管,提高全民环境安全意识,确保各项环境监管事项充分发挥出应有效能,从而化解危废引发的环境安全风险,消除人为因素引发的环境安全事故。 相似文献
38.
39.
事件检测任务的目标是从文本中自动获取结构化的事件信息。目前基于表示学习的神经事件检测方法能够有效利用潜在语义信息,但人工标注数据集的语义知识含量有限,制约了神经网络模型的认知广度。相对地,多任务表示学习框架,有助于模型同时学习不同任务场景中的语义知识,从而提升其认知广度。BERT预训练模型得益于大规模语言资源的充沛语义信息,具有高适应性(适应不同任务)的语义编码能力。因此,该文提出了一种基于BERT的多任务事件检测模型。该方法将BERT已经包含的语义知识作为基础,进一步提升多任务模型的表示、学习和语义感知能力。实验表明,该方法有效提高了事件检测的综合性能,其在ACE2005语料集上事件分类的F1值达到了76.7%。此外,该文在实验部分对多任务模型的训练过程进行了详解,从可解释性的层面分析了多任务架构对事件检测过程的影响。 相似文献
40.