期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
煤矿井下CO来源辨识与浓度超限原因研究——以内蒙古串草圪旦煤矿为例 被引量：5
1
作者 周效志 桑树勋 +2 位作者 谷德忠 于海秋 张泽文 《煤炭科学技术》 CAS CSCD 北大核心 2021年第2期138-144,共7页
为准确辨识井下CO来源,查明CO异常涌出与浓度超限原因,更好指导煤矿安全生产工作。以内蒙古串草圪旦煤矿为研究实例,统计了该矿井下6103、6104和6106工作面1059个气样组分测试数据,分析了采煤工作面、密闭采空区CO浓度变化特征,确定了井... 为准确辨识井下CO来源,查明CO异常涌出与浓度超限原因,更好指导煤矿安全生产工作。以内蒙古串草圪旦煤矿为研究实例,统计了该矿井下6103、6104和6106工作面1059个气样组分测试数据,分析了采煤工作面、密闭采空区CO浓度变化特征,确定了井下CO主、次要来源,探讨了地质因素、工程因素对CO浓度超限的影响。研究结果表明:所有统计气样中,CO与O_(2)浓度具有较好的负相关性,CO浓度超限主要在工作面上隅角、支架、密闭采空区等通风条件较差的位置;CO主要来源于煤炭开采氧化自燃,局部存在煤天然氧化次生CO;开采煤层埋藏浅、小型逆断层发育及煤变质程度低是CO浓度超限的地质原因;工作面长度过大,通风方式不合理是CO浓度超限的工程原因;地质与工程因素共同作用下,煤炭开采氧化自燃CO与天然次生CO叠加涌出,导致在风流速度低的位置CO积聚而引起井下CO浓度超限。 展开更多
关键词 一氧化碳 来源辨识 浓度超限 低温氧化
下载PDF
地下水污染风险源识别与分级方法 被引量：18
2
作者 金爱芳 李广贺 张旭 《地球科学（中国地质大学学报）》 EI CAS CSCD 北大核心 2012年第2期247-252,共6页
由于目前缺乏一套完整成熟的地下水污染风险源准确识别与分级方法,在综合解析污染源结构、污染物输移过程评价的基础上,构建了涵盖地下水易污性和地下水污染源两部分多因素耦合的风险源识别模型,其中从污染源特性和污染物性质两方面建... 由于目前缺乏一套完整成熟的地下水污染风险源准确识别与分级方法,在综合解析污染源结构、污染物输移过程评价的基础上,构建了涵盖地下水易污性和地下水污染源两部分多因素耦合的风险源识别模型,其中从污染源特性和污染物性质两方面建立了污染源危害性评价参数体系.以地下水易污性指数和污染源潜在危害性评价指数作为风险源分级指标,采用乘积模型进行了风险源的评价与分级.选择某水源地对所建方法进行实例分析,确定了地下水污染的高风险源区.结果表明,污染源和地下水易污性共同决定了地下水污染的风险源,所建方法对地下水污染的预防及污染源的有效监管有重要意义. 展开更多
关键词 地下水 风险源识别 易污性 污染源 污染控制 环境工程
原文传递
自由场波叠加噪声源识别的仿真研究 被引量：7
3
作者 李加庆 陈进 +2 位作者 张桂才 陈少林 雷宣扬 《振动与冲击》 EI CSCD 北大核心 2006年第4期58-60,共3页
提出了一种基于波叠加的噪声源识别方法,并通过仿真验证了在自由场条件下该方法的正确性。根据波叠加的原理,声源产生的空间声场可以用其内部的一系列虚源点来等效代替,而虚源源强可以通过匹配场点的声压来求得,进而由这些虚源重构任意... 提出了一种基于波叠加的噪声源识别方法,并通过仿真验证了在自由场条件下该方法的正确性。根据波叠加的原理,声源产生的空间声场可以用其内部的一系列虚源点来等效代替,而虚源源强可以通过匹配场点的声压来求得,进而由这些虚源重构任意场点的各种声学量。由于噪声源识别问题对测量误差非常敏感,采用了Tikhonov方法进行正则化滤波。通过两个典型的仿真算例,研究了其定位精度与分辨率精度,取得了良好的效果,表明该方法可以在自由场条件下对任意形状物体进行噪声源识别。 展开更多
关键词 噪声源识别 波叠加 正则化
下载PDF
高速工业平缝机减振降噪试验研究 被引量：4
4
作者 刘其洪 邵汝椿 +1 位作者 林颖 黄镇昌 《华南理工大学学报（自然科学版）》 EI CAS CSCD 1996年第8期67-73,共7页
对GC28-1高速工业平缝机进行了全面、系统的振动测试分析和噪声源识别，并在此基础上，对该机进行了整机平衡的减振降噪措施，使振动特性有明显的改善，噪声亦有一定程度的降低。
关键词 工业平缝机 振动测试 噪声源识别 整机平衡
下载PDF
基于端到端深度学习的声源特征清晰化方法
5
作者 冯罗一 昝鸣 +2 位作者 徐中明 张志飞 李贞贞 《振动与冲击》 EI CSCD 北大核心 2023年第21期133-141,共9页
基于深度学习的无网格声源识别方法突破了网格划分的限制,具有精度高、预测速度快的优点。在利用传统波束形成地图(conventional beamforming map,CB Map)提取声源位置特征时,随着传声器数目的减少,CB Map的成像性能会下降,进而影响深... 基于深度学习的无网格声源识别方法突破了网格划分的限制,具有精度高、预测速度快的优点。在利用传统波束形成地图(conventional beamforming map,CB Map)提取声源位置特征时,随着传声器数目的减少,CB Map的成像性能会下降,进而影响深度学习模型预测声源位置的精度。为了提高深度学习无网格方法(deep learning grid-free method,DL-GFM)的通用性,使其在较少传声器阵列的情况下有良好的性能,提出一种基于端到端深度学习模型U-Net的阵列转换方法(array converted method,ACM),对CB Map进行清晰化。首先使用18通道阵列CB Map作为输入、64通道阵列CB Map作为目标训练U-Net模型,然后使用训练好的残差神经网络(residual network,ResNet)作为DL-GFM方法的预测模型进行无网格声源坐标识别。仿真结果表明ACM方法具有良好的旁瓣消除和主瓣宽度减小能力,并且在1~8个声源范围内对非训练声源数目的情况同样有效。对于3声源的情况,ACM方法在全频段上提升了DL-GFM方法的精度。最后通过1个、2个、3个声源的试验验证了提出方法的有效性和可行性。 展开更多
关键词 声源识别 波束形成 U-Net模型 端到端深度学习 相控麦克风阵列
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部