功率器件是矿用隔爆兼本质安全型链式静止无功发生器(SVG)的主要发热元件,其性能直接决定了SVG的性能和可靠性。针对高压防爆SVG的散热问题,设计了一种水冷却装置,该装置的内水循环水路和外水循环水路通过水-水板式换热器交换热量,将静止无功发生器壳内散发的热量直接通过外水水路带出。经实际使用,该水冷却装置取得较好的效果。

论文主要基于松河矿10171回风巷冒顶事故,通过分析锚杆支护巷道冒顶的原因,进一步探讨煤巷锚杆支护存在的主要问题及采取的针对性措施,并结合工作实际提出以后锚杆支护技术应用时要解决的关键问题。

分析了静止无功发生器(SVG)的控制策略,设计了基于TMS320LF2407A的数字信号处理芯片(DSP)的软硬件实现过程,包括各个功能的硬件电路图和软件流程图。通过Matlab/Simu-link仿真结果表明,该系统所采用的基于瞬时无功功率理论的直接电流控制策略,能够很好地实现补偿效果。

采用理论分析、实验室试验及数值模拟等手段,研究了从能量角度评价钻孔防治冲击地压效果的方法。钻孔前后应力总量计算表明,钻孔对煤岩体的作用在于"调压",并非仅"卸压"。相对于应力角度,从能量角度评价钻孔防冲效果的过程更为简便。不同矿井煤样单轴加卸载试验发现,采用线弹性体弹性应变能计算公式的计算结果要大于实际值,且冲击倾向性越弱,计算误差越大,提出了基于弹性能量指数的修正公式。钻孔围岩弹性应变能的变化受最大主应力的做功特征主导,围岩应力调整过程中,弹性应变能能否积聚与围岩方位及侧压系数有关。在此基础上,提出钻孔耗能率的概念,可定量评价不同钻孔防冲设计之间的优劣,并通过FLAC3D进行数值模拟实现。以钻孔耗能率为评价指标得出,钻孔防冲效果与钻孔孔径呈幂函数关系,与煤层强度呈负相关。与φ100 mm钻孔相比,φ150 mm钻孔耗能效果是其2.9倍,φ200 mm钻孔耗能效果是其6.5倍。

针对单轨道DIn SAR(Differential Interferometric Synthetic Aperture Radar)技术仅能获取雷达视线向(Line of sight,Lo S)形变的缺点。详细介绍了一种基于ASAR和PALSAR影像来监测矿区地表三维形变的方法。应用该方法成功获取了因煤矿开采引起的地表水平及竖向形变,获取了沿观测线方向的地表倾斜,与实测相比最大倾斜差值为0.06 mm/m,竖向变形的均方根误差为±1 mm,证明了本文算法的可靠性。

为解决单一轨道DInSAR(Differential Interferometric Synthetic Aperture Radar)技术难以获取地表三维形变,老采空区上方地基稳定性评价缺乏地表变形监测资料等问题,研究了一种基于多轨道SAR影像的老采空区地表三维形变监测方法。该方法利用2种卫星传感器PALSAR和ASAR拍摄的3个轨道SAR影像,采用传统的DInSAR技术获取地表3组视线向的地表变形。采用插值方法将3组地表变形归化到相同时间间隔。运用最小二乘原理将视线向变形分解到竖直、东西和南北方向以建立地表三维形变场。与地表14个水准点的实测数据对比结果表明:本文算法获取的地表竖向沉降均方根误差为±1 mm,优于传统忽略地表水平变形计算地表沉降的方法。

针对DInSAR(differential interferometric synthetic aperture radar)技术仅能获取雷达视线向(line of sight,LoS)形变的不足,研究了融合多卫星平台求解三维形变场的模型与算法。该算法基于多卫星轨道模式下具有不同成像几何的多源SAR影像联合求解矿区地表形变场。研究结果表明:采用该算法反演的下沉值与水准测量结果相互吻合,均方根误差为±4 mm,吻合程度优于单一影像源反演结果;垂直向位移场与等值线均表明下沉盆地向老采空区偏移,说明老采空区可能活化;东西向水平位移场与等值线符合开采沉陷地表移动规律,而且对于不同的成像模式,东西向水平移动的影响亦不同;由于卫星航向角的正弦值近乎为0,使得三维算法对南北向位移不敏感。

为掌握采空区上方所建高速公路的变形趋势,解决老采空区上方地表变形监测数据较少,不易建立时序沉降预测模型的问题,利用D-InSAR(Differential Interferometric Synthetic Aperture Radar)技术对某高速公路进行了变形监测和分析,同时将其结果同地面实测数据相融合,并以LS-SVM(Least Squares-Support Vector Machine)为基础,建立了采空区上方高速公路变形预计模型,通过实例,验证了模型的正确性。具体过程:处理融合数据为等时间间隔,并将其趋势项去除,对余项进行平稳性、正态性及零均值处理;利用Cao方法计算嵌入维数,建立训练样本集,并进行LS-SVM学习训练;最后,采用训练好的模型对未来地表沉降进行预计。以511号监测点为研究对象,建立滚动预计方法,结果显示其最大下沉绝对误差3 mm,最大相对误差2.2%,取得了较为可靠的预计成果。

为研究植物根系加筋护坡机理,以传统塑性理论与广义塑性理论为基础,采用理论推导方法,分别推导了单独考虑根与土及将含根土当成一种复合体在极限状态下的内部总能耗表达式,利用剪切面实际能耗确定性与唯一性条件求得了根土复合体的加筋公式,并与含根土现场剪切实验对比.结果表明:相对现有的基于内力平衡原理的加筋模型,用内部能耗等效的根土复合体加筋模型计算的附加粘聚力与实验结果更吻合,且以广义塑性理论为基础的内部能耗等效根土复合体加筋理论优于以传统塑性理论为基础的内部能耗等效根土复合体加筋理论.

番茄作物是市场上的重要主食，并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降； 因此，对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型，例如细菌斑，晚疫病，裁缝叶斑，番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前，智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗？ 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络（CNN）的技术，而卷积神经网络是机器学习的一部分，可以早期发现有关植物状况的信息。 CNN方法取决于从输入图像中提取特征（例如颜色，叶子边缘等），并在此基础上确定分类。 Matlab m文件已用于构建CNN结构。 从植物村获得的数据集已用于训练网络（CNN）。 所建议的神经网络已被用于分类六种类型的番茄叶片情况（一种健康的叶片植物疾病和五种类型的叶片疾病）。 结果表明，卷积神经网络（CNN）已经实现了96.43％的分类精度。 真实图像用于验证建议的CNN技术进行检测和分类的能力，并使用5兆像素相机从真实农场中获得，因为感染该星球的大多数常