摘要：大型、复杂上运带式输送机安装的逆止装置额定逆止力设计有1.5~2倍的安全系数,以保证逆止装置的安全性、可靠性。停机阶段传动滚筒与输送带的摩擦力不足,同样会导致带式输送机逆转,所以需要研究不打滑条件。可应用静态公式计算与Overland Conveyor Belt Analyst等动态计算。静态与动态计算都验证了大型、复杂上运带式输送机的不打滑条件的研究方法。

摘要：最短路径查询是图数据管理中非常重要的一类问题.研究了基于规则的最短路径查询,它是一类特殊的最短路径查询问题.给定起点和终点,基于规则的最短路径查询是指找到一条从起点到终点的最短路径,使得此路径经过用户指定点集中的所有点,并且某些点的访问顺序满足一定的偏序规则.该问题被证明是一个NP-hard问题.目前已有的工作侧重于空间数据集(两点之间的最短距离用欧氏距离表示)上基于规则的最短路径问题,它采用穷举的方式列出所有满足规则的路径,然后选择长度最小的路径作为问题的解.然而在实际的道路交通网中,两点之间的距离等于两点之间的最短路径的长度,它往往大于两点之间的欧氏距离;此外,采用穷举的方式会造成大量重复的计算.因此,设计了一种前向搜索算法以及一些优化技术来求解该问题.最后,在不同的真实数据集上设计了大量的实验来验证算法的有效性.实验结果表明,该算法可以快速给出问题的解,而且算法的效率在很大程度上超过了现有的算法.

摘要：设计了基于GE Fanuc PLC的煤矿大功率带式输送机的电气控制系统,介绍了其系统结构以及实现功能,并且从系统的软硬件设计、大功率带式输送机的多电机启动以及功率平衡等方面提出了解决方案。

摘要：为了揭示页岩本体和层理面力学强度特性及弱化对井壁稳定影响,基于直剪试验并结合弱面强度准则,分析了页岩抗剪强度参数的弱化规律。研究结果表明,水基钻井液浸泡下页岩本体和弱面强度均显著降低,且水基钻井液对弱面弱化影响大于对本体强度的影响。随着浸泡时间增加页岩强度逐渐降低,且最低强度逐渐左移;发生弱面破坏的角度范围逐渐增大;随着围压升高,页岩强度升高且发生弱面破坏的角度范围逐渐变小。坍塌压力与水平井钻进方位、弱面产状密切相关,其差异最高达到0.444 1 g/cm3,整体上水平井井眼沿着最小水平地应力方位钻进时井壁稳定性最好。随井眼钻开时间增加,当量坍塌压力逐渐升高。研究结果可为页岩气水平井钻井设计提供参考依据。

摘要：煤矿带式输送机运输系统人工巡检工作强度大,特别是大坡度带式输送机巡检易受落煤、飞石等影响,具有一定的危险性。因此,设计了煤矿悬挂式巡检机器人智能传感与控制系统,研究了系统整体架构和各类传感器布置方式,重点探讨了巡检机器人图像采集、语音识别、环境感知和无线通讯模块的功能设计和参数优化。开展了煤矿现场工业性试验,验证了机器人智能传感与控制系统性能,结果表明:该系统能够实现仪表数据识别、旋钮状态识别、胶带跑偏识别、火焰识别、声音检测、异常报警等功能,具备煤矿运输系统状态的地上、智能手机端的全面感知和实时监控能力。采用巡检机器人替人,可实现低温、粉尘、低照度等恶劣环境下的连续巡检作业,有效避免漏检、错检等问题。

摘要：航空发动机在设计、试验、制造加工等各阶段大量采用了仿真技术,仿真技术提高了产品研发效率,缩短了研制周期。但产生的仿真数据也在急剧增长,带来了数据管理的问题,同时仿真分析流程非常复杂,仿真过程中形成的知识无法进行有效积累和重用。针对上述问题,文章提出了建设航空发动机仿真数据管理系统的解决方案,提供了有关流程管理、数据管理和仿真知识库管理的建设思路。

摘要：基于霍林河北露天煤矿开采条件和开发现状,针对露天煤矿实际生产中相邻采区转向过渡、采区间煤柱回采、内排土场空间紧张等难题;分析了采场-内排土场复合边坡稳定性,采用内排压脚、随采随排、及时压帮的方式解决内排土场滑坡区域带来的边坡安全隐患问题,确定了采区间煤柱区域最终开采形态和开采方式,提高煤炭资源回收率;详细规划了采区转向过渡时期的采剥工程计划,优化内排土场排弃空间,避免发生外排占地,为露天煤矿安全高效生产提供了保障。

摘要：由于煤炭生产过程中产生的大量煤炭粉尘,影响了雷达料位计的测量精度,在分析了雷达料位计使用过程中出现问题的基础上,设计了雷达料位计自动清扫系统。现场试验结果表明:在雷达料位计每工作15 min后对其探头位置进行清扫1次,才能使煤粉不对雷达料位计产生影响,从而保证雷达料位计的高精确度。

摘要：针对航空发动机轴承应用数据的信息化管理需求,设计开发了一种基于SSM框架的轴承应用数据库系统。通过对航空发动机轴承设计研发业务的需求分析和系统设计确定系统功能,并采用SSM框架和达梦数据库开发实现该系统,将轴承的主要结构数据、应用参数数据等信息进行统一的存储管理及分析处理。该系统能够满足轴承专业正向设计研发场景的需求,帮助提升轴承专业设计研发水平。

摘要：为解决在矿井环境中目标检测算法模型体积大、计算复杂度高以及模型轻量化后精度低的问题,提出了一种专为矿井环境设计的目标检测算法——YOLO-AM。该算法采用轻量化网络MobileNetv2作为主干网络,并使用深度可分离卷积来替代颈部网络中的3×3卷积,显著降低模型的计算量和参数量。这一设计使得算法更适应矿井中有限的计算资源和对实时性的需求。接着在主干网络的输出位置引入坐标注意力机制,增强输出特征中的有效信息。同时提出了一种浅层特征增强模块,在特征融合网络融合该模块用于增强浅层特征的语义信息,从而提高模型的检测精度。在公共数据集PASCALVOC上的试验结果表明,相比基准模型YOLOv4,YOLO-AM以降低7%检测精度的代价,减小了83%的参数量和86%的计算量,同时也提高了检测速度。