摘要：为提高热电池保温棉缠绕工艺的效率与质量,基于数字孪生技术开发了一种保温棉自动缠绕系统。首先,利用NX MCD软件创建保温棉自动缠绕装置的数字孪生映射结构模型,并通过TIA Portal软件实现了模型与实际物理装置以及控制设备之间的信息交互和状态检测,以更准确地反映缠绕动作及状态。然后,建立保温棉自动缠绕过程的力学模型,以深入分析缠绕机理。接着,通过有限元动力学仿真研究了缠绕张力和电堆转速对保温棉缠绕效果的影响,并将仿真结果导入数字孪生系统,以优化数字孪生结构层和控制层程序。最后,通过联合调试成功实现了保温棉缠绕自动化并生产出包覆效果良好的热电池电堆。所采用的研究方法有效地提高了研发效率、加速了设计过程以及降低了试错成本,可为缠绕包装自动化装配研究提供参考。

摘要：目的 总结反肩关节置换术(reverse total shoulder arthroplasty,RTSA)疗效的影响因素,以期为临床提供参考。方法 广泛查阅国内外RTSA相关研究文献,从手术技术、肌肉情况、患者一般状况及其心理预期与生活方式方面总结可能影响疗效的因素。结果 对于手术技术,不同手术入路各有优势;肩胛盂切迹、骨长入不良、骨吸收增加与感染均会导致关节盂假体松动,肱骨侧假体颈干角与后倾角分别影响着肩胛盂切迹的发生与术后关节内、外旋活动范围。对于肌肉情况,小圆肌与三角肌质量对术后关节稳定有重要影响,适度增加三角肌张力可以改善术后关节活动度,术中缝合修复肩胛下肌腱可以改善关节疼痛、功能、活动范围和力量。对于患者一般情况,性别、年龄、身体质量指数均与术后关节功能与并发症发生有关,且不同职业与术后运动水平也会影响效果。退行性病变严重、术前功能较差、病程较长的患者对手术期望更低,对疗效满意度更高;不良生活方式会对疗效产生消极影响。结论 RTSA的疗效与手术技术、肌肉情况、患者一般状况及其心理预期、生活方式有关。术者应选择颈干角较小的肱骨侧假体以及较大的肩盂球并下移下倾放置,选择合适的手术入路配合引流消灭死腔以降低感染风险,术后患者应避免产生较高前后剪切力的活动,避免关节盂假体松动。此外,肱骨侧假体后倾角设计为10°~20°使术后关节内旋与外旋范围获得最佳平衡,保持合适三角肌张力以维持关节稳定与良好活动度,术中推荐缝合肩胛下肌腱。

摘要：随着矿井开拓水平的延深,煤岩赋存环境呈现出高瓦斯压力、高地温特征,而温度、压力是影响含瓦斯煤吸附-解吸-氧化特性的重要因素。为了探究高温高压下遗煤中瓦斯解吸特征及自燃特性的变化,选用高瓦斯易自燃矿井不同埋深的煤样作为试验对象,设计不同温度和压力下煤中甲烷解吸的正交试验,并对原煤样和解吸煤样进行孔隙及表面积测试、TG-FTIR联用、程序升温试验。结果表明:在整个解吸试验过程中,温度的抑制都显著大于压力的促进作用;高温高压环境主要改变了煤中的微孔结构,致使煤体的比表面积和总孔容都出现增加;解吸后,标高320 m和标高343 m煤样的温度突变点提前了8.7%和4.9%,同时虽然煤中的官能团种类相同,但含量出现了不同程度的降低;标高320 m和标高343 m解吸煤样和原煤样CO生成的交叉温度点分别为78℃和74℃,C_(2)H_(4)、C_(2)H_(6)的浓度始终低于原煤样;同时解吸煤样的耗氧量在相同煤温下出现了下降,在170℃时差距最大,标高320 m和标高343 m解吸前后煤样的氧气含量为9.3%、13.1%和10.3%、14.3%,两者的耗氧量最大相差42.3%、41.2%。综合分析表明,煤体经过高温、高压解吸后煤样在氧化初期更易自燃,产生更多的CO,可以选择CO作为指标气体,而在高温阶段反应剧烈程度有所降低。此外推导出了煤中甲烷解吸对采空区气体环境的实时变化公式,并以1304综采工作面为模型,对“高瓦斯压力、高地温”特征下采空区遗煤中瓦斯解吸影响下的“氧化带”区域进行了更细致的划分,将范围缩小了63.5%。研究成果可为高瓦斯易自燃煤层瓦斯与火耦合灾害防控提供基础支撑。

摘要：为了实现公交与地铁的有效接驳,提高公交系统接运效率,开展接运公交线路优化研究.考虑多个地铁站与公交站间客流的起点-终点(OD)需求与换乘特性,建立双层规划模型.上层模型的目标函数旨在使公交运营成本及乘客出行成本之和最小化,约束条件考虑线路的完整性、路径的合理性;下层模型为客流分配模型,以线路容量、站点换乘构建约束条件.引入精英保留策略,将邻域搜索算法与遗传算法组合,设计模型求解算法.案例分析结果表明,所设计算法的最小误差为1.6%,算法效率显著提升;与原公交线网相比,优化后公交载客量提升29%,人均出行成本降低13%.实验结果表明,所建模型基于系统最优原则,能够对多个地铁站周边的公交站进行统筹优化;优化方案在提升载客率、降低人均出行成本与提高公交系统接运效率方面优势明显.

摘要：针对可持续供应链网络多基于经济、环境、社会三重底线进行模型构建,未能充分描述企业自身治理能力与供应链模型的关联程度,同时为了更加准确地表示模型中不确定参数的真实状态,在《CITI评价指南8.0》的基础上,提出一种对经济成本、环境污染、社会影响与企业治理能力四重底线协同建模的模糊多目标可持续供应链网络模型,并设计了一种结合禁忌搜索与分支定界的混合式元启发算法(TSA-BB)对模型进行求解。首先,综合考虑四重底线的各项指标特征,建立相应的模糊层次分析结构模型表示各指标间的相对重要程度。然后,根据相对重要程度依次构建直接影响矩阵、综合影响矩阵,并依据二者计算各指标的加权中心度作为整合多目标函数的综合权重。最后,在TSA-BB中设计多种算法规则对模型进行高效求解,并基于大量算例仿真验证了模型与算法的可行性及有效性。实验结果表明,模糊指标与四重底线协同建模可更好地拟合供应链的真实状态,同时企业治理能力应成为各层级决策者均衡优化供应链网络模型需考虑的重要决策依据。

摘要：文章提出一种基于USB PD 3.0协议的新型双相标记解码电路设计并给予验证。通过状态机控制计数器的起始与停止,实现单个数据周期突变25%以内的解码结果的预测和产生;通过有限长单位冲激响应滤波器计算得到解码阈值,支持对周期在增减7.13%范围内变化的、连续13个数据的解码,增大解码范围;增加完善的错误检测机制,提高电路的安全性;增加门控,空闲时关闭解码电路,节约能耗。在Synopsys公司的DC开发平台下,对电路进行仿真验证,结果表明相较参考文献中的解码电路,该文的电路结构更简单,解码准确性更高,电路面积更小,功耗更低,解码的安全性更高。

摘要：文章基于TSMC 0.18μm CMOS工艺,设计一种适用于宽带宽下可快速锁定的电荷泵锁相环(charge pump phase-locked loop,CPPLL)。采用一种自适应快速锁定结构,比较参考信号与反馈信号的频率、相位,通过开启大电流与小电流快速锁定通路,对环路滤波器中的电容进行放电使得压控振荡器的控制电压降至锁定电平附近的方法,最大限度地减小锁定时间。通过SPECTRE仿真验证表明,在1.8 V供电电压下,输出频率为768 MHz时,锁定时间仅需1.5μs,缩短了78%,功耗为3.6 mW。

摘要：目的提出一种将有限元(FEM)与离散元(DEM)相耦合的新方法,即通过定义关键字的方式在ABAQUS软件内实现DEM-FEM耦合功能,并应用此方法建立喷丸强化模型。方法将弹丸视为等直径刚体,利用刚体动力学模拟弹丸-弹丸和弹丸-靶材之间相互作用以及整个弹丸流。通过建立的DEM-FEM耦合喷丸强化模型研究质量流量对残余应力场和表面粗糙度的影响。结果质量流量对喷丸强化效果有显著影响,最大残余应力随质量流量的增加而减小,由2 kg/min时的–596.77 MPa下降到6 kg/min时的–581.91 MPa;表面残余应力随质量流量的增加先增大后减小,由2 kg/min时的–420.86 MPa增大到4 kg/min时的472.06 MPa,随后减小到6 kg/min时的–450.50 MPa;表面粗糙度Ra随质量流量的增加减小,由2 kg/min时的11.21μm减小到6 kg/min时的9.82μm。设计了喷丸强化实验,对质量流量2 kg/min的结果进行了验证。结论实测值与模拟值吻合较好,所建立的模型可以准确反映实际喷丸强化过程。质量流量对喷丸强化效果具有显著影响。

摘要：设计了一种10 bit 120 MS/s高速低功耗逐次逼近模数转换器(SAR ADC)。针对功耗占比最大的CDAC模块,基于电容分裂技术并结合C-2C结构,提出了一种输出共模保持不变的双电平高能效开关控制策略;在降低CDAC开关功耗的同时,摆脱了CDAC开关过程中对中间共模电平的依赖,使得该结构适用于低电压工艺。在速度提升方面,控制逻辑使用异步逻辑进行加速;比较器采用一种全动态高速结构,在保证精度的前提下其工作频率达到3 GHz;CDAC中插入冗余位,以降低高位电容对充电时间的要求。所设计的SAR ADC使用40 nm CMOS工艺实现,采用1.1 V低电压供电。在不同工艺角下进行性能仿真,结果显示,在120 MHz采样率下,有效位数为9.86 bit,无杂散动态范围为72 dB,功耗为2.1 mW,优值为18.9 fJ/(conv·step)。

摘要：提高目标检测在列车车底复杂背景下螺栓的识别精度及检测速率,对于提高列车行驶安全性具有重要意义。为高效检测螺栓,提出一种基于C3F-YOLOv5的轻量化列车车底螺栓检测方法。使用自行设计的履带式车底检测机器人获取车底螺栓图片,并混合自行搭建的模拟平台螺栓图片与真实的列车车底螺栓图片作为最终数据集。将C3模块中的Bottleneck结构替换为Faster_Block结构,改进为C3F模块;并分别与FasterNet、GhostNet和MobileNetV3轻量化结构进行对比。此外,引入注意力机制CA模块,同时将原有损失函数L_(GIoU)替换为更为契合的L_(MPDIoU);使用SE模块和CBAM模块分别与CA模块进行比较,作为消融实验。最后采用LAMP分数的计算方法对模型权重参数排序,并将不重要的权重参数剪枝,作为新型模型压缩的方法。将最终模型压缩后的C3F-YOLOv5s网络模型分别与YOLOv4、YOLOv7、Mask R-CNN、RetinaNet进行对比试验。研究结果表明,在使用混合数据集的情况下,最终网络模型的平均检测精度达到了92.8%,检测速度达到了256.7 FPS。相较于其他4种经典的深度学习网络模型,改进后的模型检测效果更好,同时模型表现出较强的鲁棒性和泛化性能。该方法可在无法获得更多真实车底螺栓图片时,使训练后网络更加适应真实车底的情况,改进后的算法可以同时提高螺栓的识别精度和检测速度,可以为后续相关研究提供技术参考和理论支撑。