摘要：滨海浅滩地区污水干管改建工程,面临着埋深大、地质条件差、现状管线复杂等不利因素,在对青岛白沙湾片区污水干管施工方案设计时,根据不同地质情况,采用明开挖和顶管相结合的施工方法,在保证工程质量的前提下,实现投资节省、环境友好的目的。重点对开挖施工的支护方案和顶管施工的难点设计进行了阐述,为相似工程提供参考。

摘要：根据合肥光源升级改造的要求,为进行合肥光源注入器的束流位置、发射度和能散的非拦截测量,设计了新的条带束流位置检测器(BPM)和八电极束流能散检测器(BESM)。计算了条带BPM和八电极BESM通过电信号提取σx2-σy2以及灵敏度的公式。通过条带电极的时域频率分析、阻抗匹配等计算确定了两个检测器的具体物理参数。在CST microwave studio中按照计算的物理结构进行建模仿真,得到了电极间的耦合且考虑了电极耦合对灵敏度的影响。计算了条带BPM的位置分辨率,符合设计要求。

摘要：针对大电流带极电渣堆焊中由于平行电流元的磁收缩效应 ,导致焊道严重咬边的问题 ,提出了利用外磁场克服咬边的原理。在分析不同磁控方式使用效果的基础上 ,试制并应用了方便可调的通电线圈磁控装置。完成了磁极位置、磁控电流和焊接规范对磁控效果的影响试验 。

摘要：现有疲劳分析中,通常将结构材料参数、几何尺寸等定义为确定性参数;实际结构中,相关参数均为有界但不确定变量,如按确定性参数估计结构的疲劳寿命是偏于不安全的。该文将结构体系中不确定参数定义为区间变量,在线性疲劳损伤累积理论基础上,提出一种仅需一次动力响应分析即可计算不确定结构在动力荷载作用下疲劳损伤的新方法。该方法将金属屋面板弹性模量和屋面板板厚等由于施工误差等因素引起的不确定参数定义为区间变量,通过摄动法和区间动力响应分析,计算屋面板在脉动风荷载作用下的应力响应区间;结合屋面板材料的S-N曲线,采用修正Miner疲劳线性累积准则对屋面板的疲劳损伤和寿命区间进行估计。结果表明:该文方法可有效计算考虑结构参数不确定条件下金属屋面板的疲劳损伤和寿命区间;与顶点法比较,该文方法仅需一次动力响应分析就可计算金属屋面板风致疲劳损伤和寿命区间。

摘要：研究适应于嵌入式领域的嵌入式构件是改进嵌入式软件开发方法的重要途径。首先阐述了嵌入式软构件的概念,对嵌入式软构件进行了深入总结分析,结合OSEK规范设计了车用OSEK嵌入式软构件,并提供了相应的开发支持工具。

摘要：焊接工艺参数是影响焊接成型质量的关键因素.由于工艺参数和焊接接头的力学性能之间的关系是多维隐式的,因此,提出了一种Kriging模型和粒子群相结合的优化算法,解决了在交流钨极氩弧焊中3. 5mm厚镁合金薄板的工艺参数优化问题.首先通过田口正交法构建样本集,其次建立输出和输入之间的Kriging代理模型,并通过提出的算法获得最优工艺参数组合及其力学性能.结果表明:通过该算法获得的最优工艺参数组合,其对应的焊接接头的抗拉强度、屈服强度和平均显微硬度分别达到母材的97. 6%,98%和91. 5%,减少了经济和时间成本,提高了焊接工艺设计能力.

摘要：为实现脉冲电容器组充电系统的大功率、小型化、适合野外工作并具有较高安全性能,研制了一台采用全桥逆变器结构和串联谐振电路且输出电压为10 kV、输出平均充电功率为20 kJ/s的高频高压充电电源,介绍了其电源结构、工作方式和电源的系统参数以及实验波形,其中重点介绍了电源的软件和硬件保护功能。针对高压电源要求的高压隔离问题,还介绍了高压继电器和光电隔离系统两项安全措施。实验证明该电源在大功率、小型化、工作安全可靠等方面达到了设计指标。

摘要：目的在产品创新设计过程中,基于用户体验全阶段、全过程视角来分析用户与产品、环境之间的复杂交互体验过程,减少项目开发人员之间对用户需求确认点认知的不一致性,保证概念设计方案的可靠性,提出基于用户体验地图的产品创新设计方法。方法首先通过用户体验地图将复杂的交互体验过程进行可视化显示,分析用户行为路径,梳理用户接触点、目标和期望,量化用户体验满意度水平,定位和描述产品痛点,发掘产品创新设计机会点;然后结合层次分析法对获得的产品创新设计机会点进行结构化的具体分析,量化用户需求权重,确定优选排序结果,以此对产品创新设计方案进行指导。结论以电动外卖送餐车的创新设计开发为例,验证了该方法的可行性和有效性,为相关产品的创新设计过程提供了参考。

摘要：材料是时代进步的重要标志,不同的材料结构具有不同的物理、化学性质,进而影响材料的功能特性。为了实现材料的最优化设计,常采用交叉实验的方法,通过开展大量实验探寻材料的最佳结构。该方法步骤繁琐,无法解决涉及高度非线性或大规模组合过程的复杂问题,也很难揭示材料一些罕见特性。随着计算机科学的发展,机器学习作为一种兼顾开发效率以及开发成本的方法,已经逐渐应用于材料发现、结构分析、性质预测、反向设计等诸多领域,并且在材料学研究中展现出惊人的潜力。然而,机器学习在材料科学中的应用仍存在一些瓶颈。数据集的高效获取、异构型数据集的信息处理、基于轻量化数据集的预测模型建立、材料性能的可靠预测等问题制约着该方向的发展,这些也正是该领域亟需解决的关键问题,同时也是机器学习在材料结构与性能预测中研究的热点与难点。近年来,关于机器学习在材料中应用的论文数量逐年增长,利用机器学习指导新型高性能材料合成的案例也比比皆是。通过采用支持向量机、神经网络等机器学习算法训练数据集来构建模型,以预测材料的结构、吸附特性、电学特性、催化性能、力学特性和热力学特性等材料性能,大大推动了机器学习在材料科学领域的发展,并且已经取得重要突破。为了合理地归纳整理该领域的研究成果,指导后续研究,该综述从应用角度出发,讨论了机器学习在材料结构与性能预测中的数据来源、预测模型以及预测结论等,并对机器学习在未来材料领域中的发展进行了展望。

摘要：随着科技的进步,新型复杂系统,例如人机物融合系统(human cyber-physical systems,简称hCPS),已与人类社会生活越来越密不可分.软件系统所处的信息空间与人们日常生活所处的物理空间日渐融合.物理空间内环境的复杂多变、时空数据的爆发增长以及难以预料的人类行为等不确定因素威胁着系统安全.由于系统安全需求的增长,系统的规模和复杂度随之增加所带来的一系列问题亟待解决.因此,在不确定性环境下,构造智能、安全的人机物融合系统已成为软件行业所面临的不可回避的挑战.环境不确定性使得人机物融合系统软件无法准确感知其所处的运行环境.感知的不确定性将导致系统的误判,从而影响系统的安全性.环境不确定性使得系统设计人员无法为人机物融合系统软件的运行环境提供准确的形式化规约.而对于安全要求较高的系统,准确的形式化规约是保证系统安全的首要条件.为了应对规约的不确定性,提出时空数据驱动与模型驱动相结合的建模方式,即通过使用机器学习算法,基于环境中时空数据对环境进行建模.根据安全软件的典型特征,采用动态验证的方式保证系统的安全,从而构建统一而安全的理论框架.为了展示方案的可行性,以自动驾驶车辆与人驾驶的摩托车的交互场景为例说明了在不确定性环境下的人机物融合系统的建模与验证的具体应用.