为实现矿山突水孕育过程中岩石破裂事件的有效分析,利用河北矾山磷矿所监测的异常微震事件,引入基于数字地震学的矩张量反演方法.矿井尺度的震动位移场可表示为矩张量与格林函数的时间褶积.通过提取微震事件位移场资料,并计算格林函数(震源至传感器之间传播介质的脉冲响应),线性反演了微震事件的矩张量,并利用微震事件的破裂方位判别了其破裂类型.随后建立微震监测三维效果图,拟合出岩石破裂面发展趋势,并初步确定了突水危险区域范围.研究表明,矩张量反演方法能够计算出微震事件震源机制解,可有效反映矿山突水孕育过程中岩石破裂的形成过程及发展趋势

1.了解汽车照明系统、信号系统及报警装置的构成; 2.了解汽车照明系统、信号系统及报警装置的基本工作原理; 3.掌握前照灯的安装及调整方法; 4.掌握电喇叭的调整方法,掌握喇叭继电器的原理及检修; 5.掌握汽车照明系统一般故障的判断及检测方法

5-3具有滑动摩擦的平衡问题 考虑滑动摩擦的平衡问题与前几章所述大致相同,但有如下特点: 1.受力分析时必需考虑接触面的摩擦力; 2.除平衡方程外,还必须列写补充方程,F≤N,补充方程数等于摩擦力的个数; 3.平衡问题的解是一个范围,称为平衡范围

用两种不同的试验方法,即带有尖锐缺口的室温冲击试验和带有缺口于-80℃下进行快速拉伸试验,对15A深冲弹钢中两种不同的铁素体形态（魏氏铁素体及状块铁素体）进行了材料脆化倾向的研究。结果表明,在原奥氏体晶粒大小相同的条件下,具有魏氏铁素体的试样其脆化倾向较小,而块状铁素体试样的脆化倾向较大。本文对这些结果作了进一步的讨论。关于15A和20A深冲弹钢中出现魏氏组织对冲击韧性和脆性转变温度的影响,近两年来国内曾有过多次研究。〔1〕〔2〕他们的结果均表明,在具有魏氏铁素体组织的试样中,其中冲击值均比不具有魏氏组织的块状铁素体为高,且脆性转变温度比块状铁素体的为低。近年来为了提高热轧钢板的韧性,采用轧后快冷,获得针状铁素体组织〔3〕。为了进一步弄清深冲弹钢中魏氏组织对机械性能的影响,使含有魏氏组织和不含魏氏组织（块状铁素体）的脆化趋势更加明显,本文从两个方面进行了研究:一为带有尖锐缺口的冲击试验,一为在-80℃对带有缺口的试样塑性和韧性降低的缺口敏感性。由于单纯室温缺口冲击试验使材料脆化的趋势,没有用降低温度的方法使材料脆化来得显著,故又采取了降低温度和快速形变结合的方式,使具有魏氏组织和不含魏氏组织的脆化倾向更趋明显，以便更好地进行比较。本文从力性实验数据和断口分析中均表明，具有魏氏组织的试样，其脆化倾向反比块状铁素体的小，因此，长期以来，笼统的认为反有魏氏组织都必定降低冲击值使脆化倾向中大的看法，是值得商确的

第3章边坡稳定分析的简化方法 3.1概述 在极限平衡法理论体系形成的过程中,出现过一系列简化计算方法,诸如瑞典法、毕 肖普简化法(1955)和陆军工程师团法等

本文根据湍流射流和湍流边界层理论对圆喷嘴喷射器混合段湍流流场进行了研究,应用雷诺方程推导出喷射器混合段的基本方程和动量积分方程,用数学模型研究了喷射燃烧器,并对喷射器提出了一套最优设计公式

鉴于人脸与人耳两种生物特征在图像获取上的相似性以及生理位置上的互补性,提出一种人脸-人耳多模态融合模板保护方法,将两者在特征层进行融合,然后利用模糊保险箱算法对融合模板进行保护.该方案基本流程分为五部分:图像预处理、Gabor-PCA特征提取、特征融合、融合模板加密以及融合模板解密.在由ORL人脸库和USTB人耳库3构成的人脸-人耳多模态图像库上的认证实验结果表明所提模板防护方法的有效性,且基于融合模板保护的认证结果比基于单模板保护的认证结果在识别率和误识率上均有所优化

倾角在8以下的煤层为近水平煤层 由于煤层倾角小,井田内再划分时就不能再按阶段垂高 将其分成阶段了,一般是把运输、回风大巷布置在井田倾 斜的中央,利用大巷将井田分成上下两部分,再在每一 部分内划分出若干个盘区(或带区)进行开采。 目前,我国开采近水平煤层的主要方法有走向长壁采煤 法和倾斜长壁采煤法。 采用走向长壁采煤法开采近水平煤层,一般采用盘区式 开采

针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法.算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定.为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究.结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好