提高硬质合金工具使用寿命的研究

通过改变硬质合金剩余应力类型和状态，改善了硬质合金的性能，提高了硬质合金工具的使用寿命。     

721铀矿石细菌渗滤浸出及细菌的驯化培养研究

对721矿3个矿点不同粒度的混合矿样所进行的细菌氧化和氯酸钾氧化渗滤浸出对比试验结果表明，细菌氧化浸出比氯酸钾作氧化剂浸出的金属浸出率高11～16个百分点；矿石粒度越小金属浸出率越高；在细菌耐F^-和耐酸的驯化培养方面取得了较大进展。     

从废催化剂中回收铂族金属的湿法工艺研究

铂族金属已被广泛地应用于各种催化剂中,废催化剂是再生回收铂族金属的重要原料.本文介绍了近年来采用预处理、溶浸、分离和提取等湿法冶金过程,从废催化剂中回收铂族金属的方法和技术,并对这些方法的优缺点进行了比较.     

基于层次分析法的长距离输水工程管材适应性评价

大口径长距离输水管道是当前水资源调配的主要手段,在保证水质、管材及线路选择、施工灵活性等方面相对于渠道输水有着较大优势.长输管道工程中管材的选择对工程的运行安全和工程造价至关重要.本文详细分析了钢管、预应力钢筒混凝土管等管材特点,基于层次分析法理论(AHP),建立了长距离输水工程管材适应性评价指标体系,以新疆某长距离输...     

基于BBO-SVM的大坝变形预测模型与性能验证

针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机( SVM) 机器学习方法,采用生物地理学优化算法( BBO) 优化其惩罚因子 c 和核函数参数 g,建立了基于 BBO-SVM 的大坝变形预测模型。结合 2011—2016 年水口大坝 4 个测点共 900 组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与 SVM、PSO-SVM 和 ABC-SVM 大坝变形预测模型进行对比。结果表明: 文中提出的 BBO-SVM 模型不仅预测精度高,且稳定性更好,4 个测点的均方根误差分别达到了 0. 332 0、0. 473 5、0. 405 7、0. 222 8,拟合优度分别达到了 0. 910 4、0. 961 0、0. 962 4、0. 956 9。本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义。     

白炭黑尾气系统吸收塔技术改造

介绍了某白炭黑装置尾气吸收塔通过对液体分布装置、填料层结构、填料支撑装置和塔体材料的改造,解决了塔吸收率低、气相压降过大及操作弹性偏低等问题,避免了液泛、淹塔和堵塔现象的发生,提高了装置的生产能力。     

新疆某铀矿石浸出试验

为了给新疆某铀矿采用地面堆浸和井下原地爆破堆浸的采矿新方法恢复生产提供依据，对该矿矿石进行了试验室搅拌浸出和柱浸试验。试验结果表明，该矿矿石氧化剂耗量少、浸出时间短、酸耗较低，属易浸矿石。矿石粒度对浸出率影响较大，当粒度从-5mm增加到-20mm时，矿石的柱浸渣计浸出率从88.7％下降到75．2％。氧化剂可提高浸出液铀浓度，但提高幅度不大。     

增幅冲击下钢筋混凝土板的抗冲击性能

钢筋混凝土板在服役期间可能承受落物多角度连续撞击等多次冲击荷载作用,钢筋混凝土板抵抗多次冲击的能力、多次冲击作用下钢筋混凝土板的性能演化和剩余性能评估等问题至关重要,其中,多次冲击的加载制度是研究钢筋混凝土板抗冲击性能的重点。为研究多次冲击下钢筋混凝土板的抗冲击性能,利用落锤和摆锤试验研究钢筋混凝土板在增幅冲击下的抗冲击性能,获得钢筋混凝土板在历次冲击过程中的冲击力时程曲线以及历次冲击后的整体变形和凹陷变形特征,分析钢筋混凝土板的吸能特性和累计损伤演化规律,研究钢筋混凝土板受冲击后的残余性能。结果表明：冲击角度对钢筋混凝土板的变形有显著影响,斜向冲击对钢筋混凝土板安全性能的影响更大;增幅冲击降低钢筋混凝土板的吸能能力,提高其破坏率,钢筋混凝土板的冲击响应相对于恒重重复冲击更加稳定。     

浅谈如何构建食品安全测实验室文化

实验室文化是在一定的社会经济条件下,通过实验室特有的社会实践形成的并为全体成员共同遵循的意识、价值观念、职业道德、行为规范和准则的总和,包括实验室精神文化、制度文化和物质文化三个层次.通过对中粮新疆屯河食品分析检测研究中心员工进行实验室文化的调查和分析,从屯河食品分析检测研究中心实际出发,以融合意识、人本意识、创新意识、市场意识和效率意识等五种意识的培养为主要思路,提出实验室文化建设在三个层次上的具体措施.     

基于BBO-SVM的大坝变形预测模型与性能验证

针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型。结合2011—2016年水口大坝4个测点共900组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与SVM、PSO-SVM和ABC-SVM大坝变形预测模型进行对比。结果表明:文中提出的BBO-SVM模型不仅预测精度高,且稳定性更好,4个测点的均方根误差分别达到了0.332 0、0.473 5、0.405 7、0.222 8,拟合优度分别达到了0.910 4、0.961 0、0.962 4、0.956 9。本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义。