摘要：质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)作为第五代燃料电池,是最具发展前景的新能源电池,其中双极板作为PEMFC的核心元件,不仅能将单一电池链接起来形成电池堆,起到支撑作用,还具有提供气体流道、隔绝阴阳极两端等作用,对燃料电池工作性能、寿命起到关键作用。其中铝合金作为一种具有良好导电性能、成本低、轻质的材料,在PEMFC双极板材料方面应用潜力巨大。但铝合金双极板耐腐性不佳,在PEMFC工作环境下极易被腐蚀,且其表面生成的钝化膜,增大了电池的接触电阻,从而对电池性能和寿命产生不利影响,而通过铝合金表面改性是解决该问题的主流方法。首先概述了PEMFC原理、双极板材料类型及内部环境,然后阐述了PEMFC中铝合金双极板的服役问题,并对近年来铝合金双极板的表面改性进行分类。重点概括了铝合金表面金属及其化合物涂层(贵金属、金属氮/碳化物、镍磷金属涂层)与非金属涂层(碳基涂层、高分子聚合物涂层)的结构设计、成分优化、服役性能特点。分析结果表明,选用低成本、具有良好耐蚀性和导电性的金属惨杂的无定型碳、金属碳/氮化物涂层,能降低双极板生产成本,提高双极板工作性能,并对涂层设计出多层复合涂层,能打断涂层中的细长针孔缺陷,提高涂层的完整性和致密性。在铝合金表面进行改性研究,以提高其耐蚀性、导电性及服役稳定性,对推动铝合金双极板在PEMFC电堆中的应用至关重要。

摘要：破裂压力是井身结构设计的基础依据,也是水力压裂设备选型和方案设计的基础参数,通常采用测井解释获取破裂压力剖面,但其存在参数准确获取难、计算过程繁琐、普适性较差、计算精度低等问题,机器学习提供了一种解决这些问题的新方法。为此,以测井数据作为输入参数,采用4种不同的神经网络模型,建立水平井测井数据与破裂压力间的非线性关系,通过测试集预测结果的对比分析,优选出最佳的神经网络模型,并优化模型网络结构和超参数,实现水平井破裂压力的直接预测。研究结果表明:1)破裂压力与井斜角、横波时差和纵波时差表现为极强相关性,与井深、岩性密度和补偿中子表现为强相关性,与井径和自然伽马表现为弱相关性;2)不同组合的测井参数对模型预测结果具有显著影响,最优输入参数为井斜角、横波时差、纵波时差、井深、岩性密度和补偿中子;3)对比多层感知机、深度神经网络、循环神经网络和长短期记忆神经网络(LSTM)模型,发现LSTM模型的预测效果最佳;4)优化了LSTM模型的网络结构及超参数,优化后破裂压力预测的平均绝对百分比误差为0.106%、决定系数为0.996。LSTM模型能够有效构建水平井测井参数与破裂压力之间的非线性关系,可以实现水平井破裂压力的准确预测,对于准确预测破裂压力、简化破裂压力计算过程、推广机器学习在石油工程领域的应用具有重要的作用。

摘要：为明确高海拔铁路隧道紧急救援站排烟结构合理的尺寸参数,以某高海拔铁路特长隧道为工程依托,数值模拟并分析救援站联络排烟道数量、直径以及平行排烟道尺寸对排烟效率、站内温度和能见度的影响。结果表明:总体上距火源越近,排烟效率、拱顶及疏散站台温度越高,且火源前端能见度显著高于后端,但不同排烟结构参数下的具体分布规律差异显著;随着联络排烟道数量增加,救援站排烟效率略有增加,救援站后端拱顶温度显著降低,部分联络排烟道会出现烟气倒流,救援站疏散站台特征高度能见度低于10 m的范围显著增加;随着联络排烟道直径增加,救援站排烟效率及救援站两端拱顶温度均降低,救援站能见度显著下降;平行排烟道尺寸对救援站排烟效率及站内温度分布影响较小,但随着尺寸增加,救援站疏散站台特征高度能见度低于10 m的范围呈“先增后减”的变化趋势,紧急救援站内联络排烟道数量设置不宜过多,推荐联络排烟道直径为3 m,平行排烟道断面宽度为5 m。

摘要：仿生超滑涂层因具有优异的拒液性、自愈性和高压稳定性,在防污、抗黏附和防结冰等应用领域受到广泛关注。将润滑油注入多孔基体获得的注液超滑涂层或在光滑平面接枝润滑分子获得的类液体超滑涂层均可获得上述优异性能。然而,超滑涂层面临润滑层易损耗、机械稳定性不足等问题,在实际应用中仍存在一定局限性。该文在总结注液超滑表面仿生设计原理的基础上,详细介绍了注液超滑涂层和类液体超滑涂层的特点与研究进展,并指出当前面临的问题。此外,从高可靠性、长寿命超滑涂层的优化设计制造角度,评述了超滑涂层的发展趋势。

摘要：为研究离心泵在变频调节过程中叶轮的受力特性,以某一单级双吸泵离心泵为研究对象,对其在“线性”及“非线性”2种变转速调节规律下泵内流场进行数值模拟,分析变转速过程中叶轮所受径向力及其流道内压力变化.结果表明:不同的变转速过程,转速变化率对径向力变化出现差异起主导作用;2种变转速过程中径向力在圆周方向的矢量分布呈现略微差异,非线性变化时各方向受力更加均匀,更利于设备稳定运行;相比不同时刻所对应的定转速工况,变速工况下径向力均偏大,在0.11 s时刻最为明显,且非线性变化过程径向力值增幅更大,达到534 N;在变频调节过程中,径向力的脉动频率以低频为主;相比于其他部位,叶轮出口的压力变化较明显,引起叶轮出口受力变化,是影响径向力大小的直接因素.

摘要：准确、快速获取隧道围岩级别对工程设计、施工及运营意义重大。结合多个四川高速公路隧道项目,共采集7000余张隧道掌子面图像,并利用数据增广方法将数据集扩充至20000余张。按节理裂隙特征、风化卸荷情况、地下水发育情况3种像特征对数据集进行分类标注,并按8:2的比例划分为训练集与验证集。结合深度学习方法,实现掌子面围岩分级特征参数提取识别。搭建了VGG系列、ResNet系列、DenseNet系列、GoogleNet、InceptionV3等卷积神经网络分类模型,并引入准确率、查准率、召回率及F1值等多种评价指标对比分析多种卷积神经网络分类模型的围岩特征(掌子面图像的节理裂隙特征、风化卸荷特征以及地下水发育特征)识别效果。研究结果显示基于DenseNet模型分类识别效果最好,分类准确率分别为:围岩节理裂隙特征87.5%,风化程度特征90%,地下水发育程度特征91.5%,且各特征的F1值均在0.789以上,最高为0.944,平均值为0.852。此外,对DenseNet系列分类模型进行可靠性验证,基于CAM以及Grad-CAM对模型进行分类决策可视化研究分析,分类决策热力图结果显示分类结果与标签特征的强度、位置及范围强相关,为掌子面围岩智能分级提供一定的可解释性,同时也证明了分类模型的预测效果理想。研究成果为利用深度学习进行围岩特征提取提供了新思路。

摘要：为了实现无富集条件下对碘-131的快速精准测量,提出了针对医疗场所空气中碘-131的γ、β联合测量方法。通过Geant4建立探测系统模型,模拟研究探测系统对碘-131释放的β粒子和γ射线进行探测,其中NaI探测器和塑料闪烁体探测器分别实现对γ射线和β射线的测量。模拟计算表明,探测系统获取的γ全能峰计数、β计数与碘-131浓度之间存在线性关系。系统可首先通过获取γ能谱分析碘-131特征峰实现碘-131识别,利用γ射线全能峰计数与β射线计数之间的线性关系确定β射线贡献是否仅来自于碘-131,然后利用β射线的高探测效率进行快速测量。模拟计算探测系统测量1 h,其双3英寸NaI探测器的探测效率为1.7%,其MDC可达到19.59 Bq/m^(3),其塑闪探测器的探测效率为36%,MDC为7.93 Bq/m^(3),均显著低于38.50 Bq/m^(3)。基于γ全能峰计数和β计数的联合计算公式计算的碘-131的浓度,相对误差≤0.6%。提出的探测系统充分利用了β射线探测效率高和γ能谱能量识别能力强的优点,通过γ能谱全能峰计数和β计数测量可实现碘-131浓度的快速准确测量。

摘要：为了在400 Gb/s以太网物理编码子层(PCS)中实现高速纠错编码,设计了一种递推里德-所罗门(RS)编码电路。该电路通过组合递推因子、输入数据和寄存器数据,可以得到递推RS编码电路的结果。采用VCS+Verdi软件对传统RS编码电路、递推RS编码电路进行仿真,并使用Nangate 45 nm开源工艺进行综合测试。仿真与测试结果表明:相较于并行RS(544,514)编码电路,使用递推RS编码电路可以大幅度减少时间开销;32路递推RS(544,514)编码电路的面积降低了68%,功耗降低了60%。

摘要：针对传统编解码结构的医学图像分割网络存在特征信息利用率低、泛化能力不足等问题,该文提出了一种结合编解码模式的多尺度语义感知注意力网络(multi-scale semantic perceptual attention network,MSPA-Net)。首先,该网络在解码路径加入双路径多信息域注意力模块(dualchannel multi-information domain attention module,DMDA),提高特征信息的提取能力;其次,网络在级联处加入空洞卷积模块(dense atrous convolution module,DAC),扩大卷积感受野;最后,借鉴特征融合思想,设计了可调节多尺度特征融合模块(adjustable multi-scale feature fusion,AMFF)和双路自学习循环连接模块(dual self-learning recycle connection module,DCM),提升网络的泛化性和鲁棒性。为验证网络的有效性,在CVC-ClinicDB、ETIS-LaribPolypDB、COVID-19CHEST XRAY、Kaggle_3m、ISIC2017和Fluorescent Neuronal Cells等数据集上进行验证,实验结果表明,相似系数分别达到了94.96%、92.40%、99.02%、90.55%、92.32%和75.32%。因此,新的分割网络展现了良好的泛化能力,总体性能优于现有网络,能够较好实现通用医学图像的有效分割。

摘要：针对道路病害区域小、类别数量不均衡导致检测困难的问题,提出基于YOLOv7-tiny的道路病害检测算法RDD-YOLO。首先,采用K-means++算法得到拟合目标尺寸更好的锚框。其次,在小目标检测支路上使用量化感知重参数化模块(QARepVGG),增强浅层特征提取,同时构建加强注意力模块(AM-CBAM)嵌入颈部的3个输入,抑制复杂背景干扰。然后,设计特征融合模块(Res-RFB),模拟人眼扩大感受野融合多尺度信息,提高表征能力;另外,构造轻量级解耦头(S-DeHead)提高小目标检测精确率。最后,采用归一化Wasserstein距离度量(NWD)优化小目标定位过程,并缓解样本不均衡问题。实验结果表明,与YOLOv7-tiny相比,RDD-YOLO算法在仅增加0.71×10^(6)参数量和1.7 GFLOPs计算量的成本下,mAP50提高6.19个百分点,F1-Score提高5.31个百分点,并且检测速度达到135.26 frame/s,满足道路养护工作中对检测精度和速度的需求。