摘要：为研发具有优异热湿舒适性的冬季针织面料,研究蜻蜓翅膀宏微观结构,选用150 dtex(144 f)石墨烯锦纶复合长丝作为面纱,Dryarn聚丙烯纤维/氨纶(30 dtex/30 dtex)包覆纱作为地纱,设计出4种仿蜻蜓翅膀结构针织物,同时编织一种1+2假罗纹组织针织物作为对照组,每种针织物分别采用3种上机密度。对针织物的保暖性、透气性、透湿性及液态水分管理能力进行测试与分析,联合浓缩映射法和功能评价值法综合分析针织物的热湿舒适性。结果显示:仿蜻蜓翅膀结构的针织物各项性能总体上优于1+2假罗纹组织针织物;仿生针织物的结构和密度会影响其热湿舒适性,其中以横密为104纵行/(5 cm)、纵密为159横列/(5 cm)的具有乳突结构仿生针织物热湿舒适性最优,适用于冬季针织运动内衣。

摘要：互联网和云计算等先进信息技术在制造领域的深度渗透和落地应用,催生了一种以“共享群智,云端协同”为特征的新型软件即服务(SaaS)工业软件——云架构CAD软件。在解析云架构CAD软件基本概念、特征和应用需求的基础上,阐述了云架构CAD软件的关键技术,包括SaaS云计算服务、3D模型轻量级可视化、三维几何造型、CAD模型数据交换;通过整合目前商业化或非营利性运行的各类云架构CAD软件,分别从基于3D打印云平台的在线3D建模和基于云的工业级产品设计两个方面,总结了云架构CAD软件的应用场景;基于云架构CAD软件的应用和发展需求,以及与5G、数字孪生等的紧密关联,探讨了智能制造背景下云架构CAD软件的技术挑战与趋势。

摘要：为解决由铁尾矿与沥青黏附性差导致的铁尾矿沥青混合料路用性能不佳问题,提出采用硅烷偶联剂进行改性的方法。首先,基于分子动力学方法,通过“化学接枝”“叠加组合”方式构建沥青-硅烷偶联剂-铁尾矿三相界面体系,以模拟硅烷偶联剂的作用过程,并基于相互作用能优选硅烷偶联剂种类,验证其改性机理;然后设计铁尾矿沥青混合料,通过室内试验验证硅烷偶联剂对其路用性能的改良效果。研究结果表明:在分子动力学模拟中,在同一质量分数下,KH-550型硅烷偶联剂改性体系的相互作用能绝对值最大,表明其对沥青与铁尾矿界面黏附改善作用最强,因此,作为优选材料;KH-550通过亲无机端的乙氧基水解并与铁尾矿表面的羟基发生脱水缩合反应,形成稳定的化学键连接,通过亲有机端与沥青分子交联缠绕,产生较强的物理吸附作用,从而显著提高铁尾矿与沥青的黏附性;使用KH-550改性后,铁尾矿沥青混合料的冻融劈裂强度增加22.8%、冻融劈裂强度比增加21.3%、动稳定度增大16.3%,最大弯拉应变提高96.6%,水稳定性、高温稳定性以及低温抗裂性均有显著提高。铁尾矿代替传统集料用于沥青路面建设有益于交通基础设施可持续化发展。

摘要：以实际工程为背景,建立4层冷弯薄壁型钢结构住宅有限元模型,参照抗震设计规范要求对模型进行双向动力时程分析,研究该住宅体系的抗震性能,为编制《冷弯薄壁型钢多层住宅技术规程》提供可靠依据。对相邻抗侧力墙体之间的距离进行变参数分析,研究在多遇地震作用下4层冷弯薄壁型钢结构住宅各层墙体分配层间剪力的比例关系,分析刚性楼盖假设在多层冷弯薄壁型钢住宅中的适用性。研究表明:在8度多遇地震作用下,多层住宅体系中抗侧力墙体的间距不宜大于15m。

摘要：氧析出(OER)是电解水、空气电池充电等电化学能量转换与储存过程中的关键反应.从原子尺度上认识反应机理和构效关系是高效OER电催化剂设计与应用的基础.本文概述密度泛函理论(DFT)在3d过渡金属(Mn、Fe、Co、Ni)氧化物及氢氧化物OER电催化材料中的研究进展,介绍DFT+U方法研究晶体结构变化、元素掺杂、缺陷形成及基底装载对催化性能的影响,总结催化剂性能提升策略,并讨论DFT+U方法在3d金属氧化物催化剂的设计和改良中的研究发展方向.

摘要：矿产资源的开采在促进区域经济发展的同时,也造成了地表破坏,对生态环境造成了影响。利用遥感技术及时获取矿区土地利用覆盖和生态环境的变化信息,可以辅助矿区生态保护和生态恢复。针对传统变化检测方法中需要提取大量人工设计的图像特征,提出一种改进UNet孪生网络结构。用卷积层代替UNet结构中的池化层,加入中心环绕、双通道图像输入的孪生结构和特征金字塔模块,对遥感影像进行端到端的矿区变化检测。首先,对经过数据预处理的前后两时期遥感影像利用中心环绕的方法进行裁剪,获取图像的多尺度信息,将裁剪后的中心区域和环绕区域的影像分别输入到网络的孪生结构编码端,通过权值共享的孪生结构提取前后两时期影像的差异信息;然后,将同一特征层上的特征进行相减,获取前后两时期影像在不同卷积层上的差值影像并进行特征融合,把融合后的图像送入特征金字塔模块获取图像多尺度上下文信息。最后,将编码端和解码端对应层跳跃连接,进行端到端的预测,得到前后两时期矿区遥感影像的变化二值图像。实验结果表明:改进的变化检测网络方法与传统方法相比可以自动的提取图像的低层特征和高层语义特征,避免了人工提取图像特征的繁琐。此外,在检测结果上,改进的变化检测方法与对比方法相比,总体精度和Kappa系数有明显提高,同时也降低了检测的误检率和漏检率。

摘要：目的:探讨心率变异性生物反馈(heart rate variability biofeedback,HRV-BF)和脑电生物反馈(electroencephalogram-biofeedback,EEG-BF)训练对中枢疲劳运动员神经机能状态和心境状态的作用及差异。方法:采用随机交叉实验设计,以14名国家二级及以上的中枢疲劳运动员为研究对象,分别在2个阶段进行为期15天、共8次的HRV-BF和EEG-BF训练,中间设置15天洗脱期。在每个训练阶段前后使用EEG诱导试验评价中枢机能状态;使用超慢波涨落潮技术测定脑内神经递质;通过Polar H10心率胸带测量HRV,用于评价自主神经状态;使用GMCS-FYS反应时测试仪测量反应时;使用心境状态量表评价心境状态。结果:1)在中枢疲劳状态方面,HRV-BF和EEG-BF训练后脑电波θ/β,中枢疲劳等级均显著降低(P<0.01)。2)在神经递质方面,HRV-BF和EEG-BF训练后5-羟色胺水平均显著降低(P<0.01),HRV-BF训练后多巴胺水平显著提高(P<0.01),且5-羟色胺水平(P<0.05)和多巴胺水平(P<0.01)的变化均显著大于EEG-BF训练。3)在自主神经方面,HRV-BF训练后交感神经活性增强,副交感神经作用减弱,而EEG-BF没有显著效果。4)在反应时方面,HRV-BF和EEG-BF训练后反应速度均显著提升(P<0.05)。5)在心境状态方面,2种训练后积极情绪水平均显著提升,抑郁(HRV-BF:P<0.05;EEG-BF:P<0.01)和情绪纷乱值(P<0.01)显著降低;2种训练方式的不同结果是,HRV-BF训练后疲劳感(P<0.01)和慌乱值(P<0.05)显著降低,而EEG-BF训练后愤怒值(P<0.01)显著降低。结论:HRV-BF和EEG-BF训练都能改善中枢疲劳运动员的中枢疲劳程度,降低脑内抑制性神经递质,提高反应速度,并且提升积极情绪水平,而HRV-BF训练对脑内神经递质和自主神经的作用更为明显。2种训练可从不同方面改善消极情绪,这可能与中枢神经机能状态的提高有关。因此,选择适宜的生物反馈训练能够改善运动员不同情况的神经疲劳状态,加快反应速度,提高心理健康水平以及训练积极性。

摘要：隔水管是海洋钻井的关键设备,由于经受复杂交变应力和腐蚀环境,隔水管很容易产生应力腐蚀裂纹。针对海洋钻井隔水管应力腐蚀裂纹的特点,提出一种基于交流电磁场检测(Alternating current field measurement,ACFM)的链式阵列检测探头,建立针对隔水管表面裂纹的ACFM仿真模型,提取裂纹特征信号并分析U形载流磁心激励区域和裂纹区磁场影响范围,为阵列探头设计提供理论支持,在此基础上利用巨磁电阻(Giant magneto resistance,GMR)传感器设计基于ACFM的隔水管表面裂纹链式阵列探头检测系统,并开展隔水管裂纹检测试验。仿真和试验结果表明:单个U形磁心的激励区域为+/-40 mm,阵列激励磁心的设计间距应不大于80 mm;裂纹上方畸变磁场影响区域为+/-5 mm,传感器排布间距应不大于10 mm;利用GMR传感器设计的链式阵列ACFM探头可快速大面积定量、定位检测隔水管表面裂纹。

摘要：Cu基形状记忆合金以其良好的形状记忆性能、优秀的导电导热性能、相变温度可调范围宽以及价格低廉等诸多优点,成为具有重要发展前景的一类形状记忆合金。但普通多晶组织Cu基形状记忆合金在应用时存在塑性差、易发生晶界开裂、疲劳寿命短、马氏体相变临界应力低等问题,严重制约了其应用范围,通过合理的组织设计可有效解决这些问题。综述了近年来高超弹性、高马氏体相变临界应力Cu基形状记忆合金组织设计方面的研究进展。研究发现,按照获得具有高相变应变的晶粒取向、获得大的晶粒尺度、获得平直的低能晶界等组织设计原则制备的竹节晶组织和柱状晶组织Cu基形状记忆合金的超弹性可达到7%以上。再经热处理析出贝氏体强化相后,可获得超弹性大于5%,马氏体相变临界应力大于650 MPa的优秀性能。

摘要：重力数据的密度界面反演是位场数据解释中的一项主要工作,在区域构造演化、深部莫霍面确定等领域的研究中发挥重要作用.近年来,数据驱动的深度学习方法广泛地应用在地球物理数据处理与反演中,本文提出一种基于深度学习U-net网络的重力数据密度界面反演方法.首先,对半椭球体界面模型进行随机抽取和组合进而形成地下起伏界面数据集,并基于Parker正演理论对界面数据集进行重力异常正演计算,为深度学习网络模型的训练提供特征完备的数据源;其次,设计了基于U-net网络模型的深度学习界面反演算法,在传统的损失函数基础上增加光滑损失项和过拟合抑制项,提高重力界面反演结果的光滑性和收敛效率;最后通过测试样本集进行反演预测,验证建立深度学习网络模型的泛化性.本文通过理论模型和实际数据试验分析了本文方法在密度界面反演中的有效性和实用性,基于改进损失函数约束的深度学习界面反演方法有效地提高了密度界面反演的收敛效率和计算稳定性.