增量型极限学习机在尾矿灰分检测上的应用

针对选煤厂对浮选尾矿灰分识别的工程需求,提出了一种基于增量型极限学习机(I-ELM)的尾矿灰分识别方法。首先通过实验得到浮选尾矿图像的灰度直方图与尾矿灰分之间的关系,将由尾矿图像灰度值分布和尾矿的入射光强及反射光强组成的向量作为输入,尾矿灰分作为输出,然后利用I-ELM建立预测模型,对尾矿灰分进行识别,并与用BP神经网络和固定型极限学习机(ELM)建立的模型进行了对比。结果显示,I-ELM具有较高的预测精度,同时具有较快的学习速度,是一种比较有效的浮选尾矿灰分识别方法。

浅谈输电线路工程施工的几个问题

主要从输电线路的基础、杆塔、架线、检修施工等方面进行论述，提出具体问题具体处理的技术，并就现场施工经验浅谈处理的方法和对策。

星形混合多胞管的耐撞性数值与理论研究

为研发轻质高效的能量吸收装置,提出了基于多边形截面与星形截面混合设计的星形混合多胞管。采用数值模拟方法研究了星形混合多胞管在轴向加载条件下的吸能特性和变形模式,并结合简化超折单元理论推导了该管的平均碰撞力理论公式。研究结果表明,星形混合多胞管的多边形截面与星形截面之间产生了协同效应,额外吸收了更多的冲击动能:当多边形边数N=6时,混合截面的协同性最好;当N=8时,该管的能量吸收效率最高。在此基础上,进一步开展了几何参数分析,发现壁厚对于星形混合多胞管的耐撞性有显著的影响,碰撞力水平随着壁厚的增加而线性增长。此外,星形角度的变化对耐撞性的影响相对较小,碰撞荷载效率和比吸能随着星形角度的增加表现出先增大后减小;当星形角度α=120°时,该管拥有最佳的耐撞性。