基于OpenGL的巷道虚拟设计系统

基于Visual Studio 2005平台,利用OpenGL和VC++语言,建立了巷道参数化虚拟现实设计系统,实现了参数化巷道设计、场景建模和场景漫游以及设计参数实时修正等功能,为矿井设计和设计成果分析研究提供了可行方法。     

强降雨激励下松散岩堆路堑边坡稳定性分析

岩堆是我国西南高山峡谷区常见的不良地质体,其存在对高速公路边坡稳定性提出了严峻挑战。文章依托国家高速公路网规划中南北纵线G85高速公路工程,运用数值模拟的方法研究了深厚岩堆拉锚抗滑桩路堑边坡在自然、强降雨和地震状态下的稳定性,对比分析了岩堆体在自然状态、地震状态与强降雨条件下岩堆体边坡变形破坏特征及锚索轴力变化规律。计算结果表明,开挖对岩堆体变形有较大影响,岩堆体自然状态和暴雨状态下,在无任何加固措施时整体稳定性相对较低;增加抗滑桩和锚索加固后,安全系数均有所提高,潜在滑动面整体向下移至抗滑桩下部,加固作用效果显著。研究成果为岩堆路堑边坡工程设计与施工提供了参考依据。     

奥氏体不锈钢切削加工工艺的改进

奥氏体不锈钢加工硬化率较高,且不能用热处理进行强化,加工时易出现皴裂、撕伤等问题。为避免加工缺陷,必须有效降低工件的切削温度,保证良好的润滑。从切削刀具和切削液两方面进行了分析,提出切削加工宜采用锐刀,低速大进刀量,车削加工时选用硬质合金刀,且适当增大前角和后角;高速切削时,选用极压切削液,保证极压润滑性;加工螺纹时,主轴转速低,属于边界润滑状态,宜采用具有特殊＂油性＂的植物油,使其在工件表面形成润滑膜。应用表明,上述加工方法切实可行,提高了奥氏体不锈钢的加工效率和产品质量。     

Alq3有机发光器件的研制及寿命研究

以铟锡氧化物 (ITO)为透明电极 ,8 羟基喹啉铝 (Alq3)为发光层 ,研制成ITO/Alq3/Al结构有机电致发光器件 (OLED) .测量表明其载流子的注入满足隧穿理论 ,发光阈值电压～ 1 2V ,所发绿光在正常室内环境下清晰可见 .通过电流随时间的变化测量了器件的工作寿命 ,并对影响器件寿命的原因作了分析 .     

面向红外视频图像的火焰识别

针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的高度变化和灰度分布,给出可疑目标隶属于火焰的评价.实验证明,这种结合火焰动、静特性的算法鲁棒性强,识别率及灵敏度较高,适用于广范围的火灾监控.     

振动技术在金属材料铸造成形中的应用与发展

介绍了振动技术在铝、铜、铁等金属材料铸造成形中的应用研究现状,就振动类型和振动对铸造成形的机理作了阐述,分析了施加振动对金属铸造成形时金属内部组织改善、强度性能提高的原因,指出现有振动技术中存在的不足,介绍了多维振动铸造机的设计思路和研制进展情况。振动铸造实践证实,在金属材料的铸造成形工艺中施加多维振动能明显改善铸件的性能,提高铸造效率,多维振动铸造机的研制为今后多维振动技术的研究和应用提供参考。     

姬塬油田长4+5砂岩储层微裂缝与水驱油特征

目的对鄂尔多斯盆地姬塬油田长4 5砂岩储层微裂缝与水驱油特征进行综合研究。方法在研究区评价井、探井、生产井动态资料解释的基础上,通过岩心观察、薄片分析、真实砂岩微观模型水驱油实验的方法分析裂缝与水驱油特征。结果姬塬油田长4 5储层岩性主要为岩屑长石砂岩,岩屑平均含量17.1%;几乎在所有的岩石碎屑集合体中均发育有微裂缝,微裂缝的发育受控于3种因素:三角洲古坡度、成岩过程中的差异压实作用和构造运动。结论长4 5储层基质孔隙主要通过岩屑中的微裂缝相互连通,两者之间构成良好的网络连通系统;储层中微裂缝对储集空间的贡献作用不大,微裂缝能够降低注水压力,对于连通基质孔隙、提高储层的渗流能力起到重要的作用。     

一种新型高层住宅供电用低压环网柜设计

为了满足住宅电气设备安全性、可靠性、适用性、经济性、安装运行及检修工作便利性的要求,针对传统居民住宅小区供电方式和低压环网柜存在的问题,设计一种新型高层住宅低压环网柜,采用三根副母排在两隔离刀开关之间连接两组主母排的电气连接结构和"井"字型板前接线方式,节约高设备空间和成本,提高了宅供电气的安全性和可靠性。     

蜂胶制成品中总黄酮含量的测定

用 70 %乙醇作萃取剂 ,用超声溶解蜂胶中的黄酮类化合物 ,研究萃取剂、萃取温度、时间对萃取率的影响 再与Al3 + 生成络合物 ,以芦丁为标准样 ,采用分光光度法测定蜂胶制成品中的总黄酮含量     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。