摘要：在稳态循环(WHSC)与瞬态循环(WHTC)工况条件下,基于选择性催化还原(SCR)反应机理设计了前、后级不同氨氮比(ANR)和排气温度,研究了不同基材紧耦合SCR(cc-SCR)在不同ANR和温度下的性能表现.结果表明:增压器后端增加cc-SCR可大幅提升后处理系统的NO_(x)转化效率;在进行紧耦合催化剂选型时,前级喷射的ANR不宜超过0.8;相较于铜基cc-SCR,钒基cc-SCR具有N_(2)O生成量较低的优势;在低温条件下,铜基cc-SCR的NO_(x)转化效率优于钒基cc-SCR,300~450℃条件下,两种基材催化剂的NO_(x)转化效率相当;在稳态点排气温度为180℃时,钒基+铜基催化剂方案的NO_(x)总体转化效率随着ANR的增大而减小,铜基+铜基催化剂方案的NO_(x)总体转化效率随着ANR的增加而增大,高温时,两种方案对NO_(x)的转化相当;在热态WHTC循环条件下,铜基+铜基催化剂方案的NO_(x)总体转化效率随着ANR的增加而增大.

摘要：在高级氧化反应中,纳米限域催化剂具有尺寸小、污染物降解速率快、降解产物形态可变等优势在环境科学、材料科学和催化化学等领域引起广泛关注.基于对零维、一维、二维、三维纳米限域催化剂性质及应用的探讨,归纳总结了其结构性质及催化去除水中污染物的降解机理.深入探讨了纳米限域催化剂在光催化、过硫酸盐活化、臭氧氧化反应中的活化机制,为催化剂纳米限域效应在高级氧化工艺中的深入研究和广泛应用提供依据.最后,对纳米限域催化剂结构、高级氧化反应中的催化机理和其环境毒理进行展望,以期为高效纳米限域催化剂的设计和应用提供理论依据.

摘要：为提升工业产品颜色、材料、表面处理(CMF)创新设计的效率和成功率,解决现有CMF创新设计过程中存在的设计知识获取效率低下、知识管理体系不完善、产品与设计一致性较弱等问题,立足于用户感性需求,引入数字孪生概念,借鉴数字孪生五维模型构建的理论与方法,针对性地构建基于数字孪生数据模式的工业产品CMF设计服务模型框架;从知识推送角度出发,以数据聚类重组理论为基础理解产品CMF语义库的组织结构和动态性,识别并预测产品CMF语义库中的意象方案与优选方案组合,作为析出知识供设计师规划设计活动。以一款虚拟现实眼镜的CMF创新设计为例,基于产品语义理论开发智能CMF设计引擎,利用析出知识简化设计复杂度并优化设计方案,有效验证了数字孪生驱动的工业产品CMF设计服务模型对设计的辅助作用。

摘要：随着信息技术、智能物联网技术以及机器学习理论的飞速发展,时空感知数据为应急灾害救援提供了新的视角,综合利用时空感知数据进行灾区态势信息感知与提取,可以为应急救援形成新的着力点.由于时空感知数据拥有丰富的语义信息和较高的实用价值,并且对灾害救援具有积极引导作用,因此,研究和利用时空感知数据进行应急疏散,是一项具有现实意义的工作.本文重点聚焦面向时空感知数据下的资源受限的人群应急疏散规划问题,研究了基于时空感知数据的人群应急疏散规划模型与方法,以期为应急救援提供积极的思路和技术保证.首先,分析了时空感知数据对人群应急疏散的作用;其次,提出了基于时空感知数据的应急疏散框架,并设计了一种基于行人流量预测的应急疏散场所推荐算法,还构建了一种考虑疏散偏好的应急疏散人群分配整数规划模型;然后,提出了一种全局最优疏散路径规划算法,接着将应急疏散路径规划问题转化为多组疏散路径规划查询问题,并通过使用网络扩展策略和剪枝策略,进一步设计了一种面向全局最优疏散路径规划查询的求解算法,来解决多组疏散路径规划查询问题.此外,为了提高应急疏散路径搜索结果的质量,还设计了一种改进算法,对全局最优疏散路径规划查询算法生成的路径组合,进行改进和优化.最后,通过大量实验分析与评估,充分验证了所提方法与模型的有效性.

摘要：为提高乳化沥青材料的使用性能并使其具备恢复旧路沥青性能及抵抗反射裂缝的能力,采用高性能聚合物胶乳和多种再生剂制备了高黏再生型乳化沥青(HVREA),分析了其黏度提升幅度与再生剂类型及掺量的关系,确定了HVREA的适宜黏度范围,优选了设计配方.基于SHRP性能分级体系及梁式复合结构四点弯曲疲劳性能测试方法,评价了HVREA的技术性能.结果表明:经高性能聚合物胶乳和再生剂复合改性后,乳化沥青的黏度得到了显著提升,固含量明显提高,低温和疲劳性能优势明显;建议HVREA的50℃赛波特黏度为200～600s.

摘要：为发现具有良好生物活性的吡咯类新农药候选化合物,基于高效杀虫杀螨剂虫螨腈(Chlorfenapyr)化学结构,采用活性亚结构拼接法,设计并合成了3种关键中间体吡咯-2-甲酸和26种新型吡咯类化合物,通过改变吡咯环N位取代基,探究不同取代基对吡咯类化合物生物活性的影响.生物活性测试结果表明,大部分化合物对小菜蛾(Plutella xylostella)和甜菜夜蛾(Spodopt eraexigua Hiibner)表现出良好的杀虫活性,部分化合物对朱砂叶螨(Tetranychus cinnabarinus)表现出一定程度的杀螨活性.其中3-溴-1-(丁氧基甲基)-5-(4-氯苯基)-4-氰基-N-(2,4-二甲基苯基)-吡咯-2-甲酰胺(6r)、3-溴-5-(4-氯苯基)-4-氰基-1-乙基-N-(2-甲基-4-全氟丙烷苯基)-吡咯-2-甲酰胺(6v)和3-溴-5-(4-氯苯基)-4-氰基-N-(2,5-二氯-4-(1,1,2,3,3,3-六氟丙氧基)苯基)-1-乙基-吡咯-2-甲酰胺(6z)在浓度为100mg·L^(-1)下,杀虫效果与除虫脲相近,低于虫螨腈的杀虫杀螨活性,杀螨效果优于商品化杀螨剂炔螨特.

摘要：通过设计电阻点焊工艺的正交实验,确定了Q&P980镀锌高强钢的点焊工艺参数范围,并对其焊接接头进行显微组织表征和力学性能分析。结果表明:熔核区组织以交错分布的板条马氏体为主;热影响区组织由板条马氏体、残余奥氏体和铁素体组成,马氏体板条平均宽度在不完全淬火区最大为4.86μm。显微硬度测试发现,焊接接头硬度值呈“W”形对称分布,硬度峰值出现在细晶区,达到559HV,硬度最低值出现在不完全淬火区,为338HV,呈现明显的软化现象。对焊接接头进行室温拉伸,最大拉剪载荷的峰值为27.92 kN,其断口形貌呈现典型的韧窝状,属于韧性断裂。由于Zn的熔点较钢基体低,镀锌高强钢点焊时易发生Zn层优先熔化并沿晶界向基体渗透,在焊接接头处可观察到明显的液态金属脆化裂纹。

摘要：为研究设计一种柔软度高、环境适应性强的新型仿生机器鱼,模仿鲨鱼外形及鲔科鱼类的游动姿态,设计了一种采用液压柔性驱动结构的仿生机器鱼.针对单关节液压驱动柔性机器鱼存在其C型摆动姿态不符合鲔科鱼类摆动规律的问题,采用两关节液压柔性驱动模拟鱼类S型摆动,并根据液压柔性驱动器原理设计仿生鱼的内部结构.依据理论波动方程确定机器鱼的摆动幅值,借助数值模拟计算施加在柔性驱动器内部的压强载荷大小,并分析计算液压柔性驱动器的驱动效率.应用有限元分析软件模拟仿生鱼在流体中的自主游动过程,并将两关节机器鱼与单关节机器鱼的自主巡游过程进行对比仿真,获得两种机器鱼在流体中自主巡游时的运动姿态、游动速度及流场情况.结果表明,在相同的频率与尾鳍摆幅下,两关节柔性机器鱼的巡游平均速度为0.29 BL/s(BL为鱼体体长),高于单关节机器鱼巡游平均速度0.15 BL/s,且由速度矢量图可得出两关节仿生鱼的S型摆动姿态更接近真实鱼类摆动规律,并在运动过程中会产生一系列离散的反向卡门涡街,推进效率高.

摘要：电流互感器取能电源在母线大电流时存在发热问题,影响电源的使用寿命。为此,文中提出了一种基于自适应功率输出控制的电流互感器取能电源设计方法。在分析电流互感器取电原理的基础上建立了电流互感器取能线圈的负载等效模型,推导了线圈的输出功率与母线电流的关系。通过控制双向晶闸管的通断达到控制取能线圈功率输出的目的,保证了电源在大电流时不发热。给出了该自适应功率输出控制电路的实现形式,通过建立其等效模型,推导了导通角与母线电流的关系。试验表明,依据所提设计方法制作的电源样机可在宽电流范围内工作在低热耗状态,验证了所提方法的可行性。

摘要：微塑料作为一种新型污染物,引起的污染问题在当今越发受到研究人员的关注。拉曼光谱有着无损样品,光谱特征峰位有代表性,便于识别样品种类的优点,一直以来是生物化学分析领域热门的检测方法之一。深度学习近年在特征提取、目标检测等领域的发展成就引人瞩目。针对准确高效的微塑料检测方法问题,探索了基于马尔可夫变迁场(MTF)变换的拉曼光谱和卷积神经网络的微塑料识别可行性。采集了11种微塑料样品的拉曼光谱,每种样品采集100条光谱,并通过光谱平移、添加噪声、光谱叠加等方式数据强化扩充了光谱数据集,利用MTF将一维拉曼光谱数据转换为彩色二维图像,获得二维图像形式的光谱数据集。设计一种主体为多个小尺寸卷积核的卷积神经网络(SSMKB-CNN)模型,包括1个输入层、6个卷积层、2个池化层、1个平坦层、2个全连接层与1个输出层。选择Dropout与带权重衰减的自适应矩估计优化器以避免过拟合现象,采用阶梯式学习速率保证模型充分习得数据深层特征。分类性能的评价标准采用混淆矩阵、精确率、召回率、F1分数与整体准确率。模型的分类结果与基于二维图像光谱数据集的AlexNet、VGG16和ResNet50三个深度卷积神经网络模型和基于一维光谱数据集的随机森林(RF)、K-最邻近(KNN)和三种核函数(rbf、Linear、Poly)的支持向量机(SVM)机器学习分类器的分类结果进行对比。通过分析训练曲线及混淆矩阵的分类结果,四种CNN模型的损失与准确曲线走势平稳,均能达到良好的训练效果,其中提出的SSMKB-CNN模型准确率达到了97.04%,综合精确率、召回率和F1分数分别为97.05%、95.06%和97.02%,均明显优于用于比较的另外三种经典神经网络模型以及三种机器学习分类器。一轮训练时长为9s,训练时间少于三种CNN模型,综合分类性能最佳。实验结果表明,基于结合MTF变换的拉曼光谱的SSMKB-CNN模型能够准确高效地提取光谱特征并作出种类预测,利用拉曼光谱实现微塑料样品的定性识别,可以为海水中微塑料实际样品的准确客观的识别技术提供方法新思路参考。