基于免疫算法改进的反向传播神经元网络矿井水害水源识别研究

为了提高识别矿山水害水源(即,判定水的类型)的正确率,利用免疫算法设计并优化了反向传播神经元网络(BPNN)的结构并求得BPNN的各层权系数和阈值的初值,用该初值训练BPNN,获得最佳的BPNN各层的权系数(权重)和阈值,使其适合识别矿山水害水源。用训练好的BPNN识别待判定的水源是哪一种类型的水源,判定水源的危害程度。实验和潞安集团所属煤矿区的矿井和钻孔水样检验结果说明用该方法是有效可行的,识别矿井水的水源的准确率可达到93%。     

氟原子对光伏聚合物性能的影响

以二（2-辛基十二烷氧基）苯并二噻吩（ODBDT）为供体单元,分别与受体单元二噻吩苯并噻二唑（DTBT）和二氟代二噻吩苯并噻二唑（DTffBT）共聚,合成了两种具有给-受体（D-A）结构的共轭聚合物PODBDT-DTBT和PODBDT-DTffBT。利用紫外-可见吸收光谱、循环伏安法研究了聚合物的光物理与电化学性能,并通过光伏性能测试研究了氟原子对聚合物太阳能电池的影响规律。结果表明,氟原子的引入使得聚合物的光学带隙变窄,溶解性变差;基于PODBDT-DTBT或PODBDT-DTffBT与PC₇₁BM共混制备的本体异质结太阳能电池,光电转化效率分别为3.01%和2.00%。     

中西神话的文化精神

从神话的视角考察中西文化,我们可以看到诸多相似之处,也可以看出中西文化巨大的差异,如守道与冒险、包容与排异等。正是这种差异造就了中西方各自灿烂的文化,使得中西文化在相互启发、相互补充中引人深思。     

探寻自然的数学定律——弗兰克·维尔切克访谈录

加州理工学院教授、现年58岁的弗兰克·维尔切克（Frank A．Wilczek）和蔼、幽默,被认为是最具智慧的物理学家之一。由于在量子色动力学上的贡献,他和戴维·格罗斯（David J．Gross）、戴维·普利策（H．David Politzer）一并分享了2004年度的诺贝尔物理学奖（那项工作是维尔切克在他21岁时和普林斯顿的格罗斯一起完成的）。     

船体的极限承载能力

用摄动－迦辽金法求得矩形板的单位轴向缩矩－压缩载荷之间的关系．按照Ｓｍｉｔｈ法得到各单元的平均应力－平均应变曲线和船体梁总纵弯矩与曲率的关系曲线，编制了ＦＵＳＲＡ程序．船舶模型的数值计算表明，结果与试验值相吻合，具有简便、省时等优点．     

栓流系统动态参数关系的傅里叶级数表征

用Ｆｏｕｒｉｅｒ级数表征自动栓流系统中在栓速改变条件下动态参数栓压与栓长呈区域性周期性变化的线性关系，旨在为栓流系统的优化设计和物流状态的计算机模拟与仿真技术提供数字化依据。     

反相乳液法合成淀粉接枝AM、DM共聚物研究

以淀粉为基材，通过反相乳液聚合法与丙烯酰胺、甲基丙烯酸二甲胺基乙酯进行接枝反应制备共聚物．考察了引发剂种类及用量、乳化剂种类及用量、单体配比、盐类添加剂等因素对单体转化率、接枝率、产物特性粘数的影响．以过硫酸铵-尿素为引发体系，Span20与OP4以40：60质量比配制复配物为乳化剂，其质量分数为7％，pH8，淀粉与单体的质量比为1：1．4，接枝率可达135．4％，产品特性粘数可达1080mL/g．加入甲酸钠产品特性粘数降低；加入乙酸钠和丙酸钠产品特性粘数增加，其中乙酸钠用量为0．3％时，产品特性粘数为1230mL／g．     

混合流态下带油腔滑动轴承静态特性分析

以带油腔的高速动压径向滑动轴承为研究对象,基于层流、紊流润滑理论,建立了层流、紊流同时存在于同一轴承油膜时的滑动轴承静态特性二维模型;分析不同轴颈转速下油膜内雷诺数、压力、温度的分布以及承载力、摩擦力、侧泄量等静态特性的变化;并将结果与无腔圆柱轴承和单一流态下的计算结果进行对比.结果表明:在动压滑动轴承流场计算中,必须首先正确判定油膜流态及计入温黏关系;由于油腔的存在,混合流态下油膜雷诺数、压力分布曲线呈现明显的阶梯性;与相同条件的无腔轴承相比,开设油腔会小幅降低承载力,但同时会减少摩擦和降低温升,综合性能较优.     

混合流态下高速动压滑动轴承热润滑性能

以有限宽高速动压径向滑动轴承为研究对象,基于层流和紊流流态下的雷诺方程、能量方程和温黏关系建立了混合流态时轴承静态特性分析模型;采用差分法求解控制方程组,分析某工况下滑动轴承油膜中雷诺数、压力、温度的二维分布以及承载力和摩擦力等特性参数的变化,并与单一流态下的特性结果进行对比。研究结果表明:不同偏心条件下油膜内流态分布明显不同,大偏心时流态变化复杂;按单一流态计算的静态特性和混合流态计算的结果相比偏差较大;高速轴承润滑性能分析时不能忽略流态的改变和热效应。     

基于支持向量机的煤矿井水害水源自动识别方法研究

为了提高识别煤矿井水害水源的正确率,针对一些小样本的水害水源分类识别问题,提出利用支持向量机(SVM)分类识别。潞安集团所属煤矿区是同一成煤时期形成的,具有相似的特点,SVM训练集的样品取自潞安集团所属各煤矿,训练好SVM后,对潞安集团所属的高河能源有限公司煤矿井水害水源进行了分类识别。实验和生产实践证明该方法分类识别煤矿井水害水源的效果较好。