摘要：CA砂浆层掉块破坏是无砟轨道结构运营过程中最突出的病害之一,其破坏程度对无砟轨道结构运营的安全性与适用性具有重要影响。通过采用修正Burgers模型转换Prony级数表征CA砂浆的黏弹性,建立CRTSⅠ型板式无砟轨道结构三维有限元模型,通过模拟CA砂浆层在板端和板中不同区域薄层掉块,研究车轮荷载作用下不同掉块位置、不同掉块大小对无砟轨道结构动力特性和结构位移的影响,分析掉块处轨道结构损伤演变规律和趋势,给出破坏界限建议值,为无砟轨道结构的养护维修提供理论依据和指导。研究结果表明:无论板端还是板中掉块,CA砂浆层破坏造成轨道板垂向加速度、垂向位移和纵向拉应力增幅明显,CA砂浆层掉块边缘位置的压应力急剧增大,而底座板垂向位移及受力逐渐减小;车轮荷载作用下,CA砂浆层板端薄层掉块达到0.9125m,板中掉块达到1.25 m时,轨道板的垂向振动和CA砂浆的压应力将会显著增大,应及时对轨道结构进行检修,避免轨道结构破坏快速扩展。

摘要：岩体表面施工时会形成可观的随机不规则节理界面,而界面又是影响岩石—混凝土组合体稳定的关键。基于水平光滑界面的花岗岩—混凝土组合体材料单轴压缩试验,采用颗粒离散元程序PFC2D进行建模与参数标定,考虑不同节理倾角与高宽比的矩形节理界面,利用正交设计方法,开展不规则矩形节理对花岗岩—混凝土组合体轴压力学行为的细观模拟研究。结果表明:随着节理倾角的增加,组合体峰值应力与弹性模量呈现出“V”字的变化趋势,节理倾角的增加对应力—应变曲线有着显著的影响,而角度一定时高宽比的增加会改变同角度时的峰值应力与应变;节理倾角的增加会改变裂隙的数量与分布区域,组合体的最终破坏模式也随着倾角的改变从压缩破坏逐渐转变为剪切滑移破坏,且贯通主裂隙集中在矩形节理的角点处,沿角点处向外扩展导致模型的最终破坏;建立了考虑高宽比、节理倾角的本构方程。

摘要：路损伤检测是道路养护与修复的一项重要任务。现有的道路损伤检测方式以传统的人工检测为主,人工检测需要投入大量的人力和物力,检测效率低,无法适应当前道路发展的需求。进而提出了一种改进的多尺度道路损伤检测算法YOLOv8-RDD。首先,YOLOv8-RDD算法在C2f模块中使用可变形卷积(DCN)建了全新的C2f_DCN模块,扩大感受野的有效范围,更准确地定位目标对象的边界和位置,有助于提升对目标的识别和定位能力;其次,网络末端设计了全新的SPPF_GS模块,在SPPF模块中引入了自注意力机制(SA)和幻影卷积Ghost模块,并重新优化了池化核的大小,更好的处理长距离依赖性和捕获全局信息;最后,在Neck中引入坐标注意力机制(CA),强化模型的特征提取能力,减少冗余信息。实验结果表明,改进后的算法在RDD2022数据集上面的精确度(Precision)为61.1%、召回率(Recall)为55.5%,平均精度(mAP)为56.2%,相较于YOLOv8n算法分别提高了4.6%、4.7%和5.2%,在道路损伤的目标检测上取得了优异的效果。

摘要：针对低功耗自适应聚类协议产生的整体能耗不均及网络生命周期短的问题,提出一种改进的能量优化方法。结合能量模型、节点发送及融合数据的综合能耗计算簇头比例;利用节点剩余能量与节点基站间的距离,优化成簇阶段中簇头选取阈值公式。在普通节点入簇阶段,引入簇规模密度,避免簇规模差距过大,采用就近原则与簇密度规模更新簇头。在数据传输阶段,引入“热区”边界对簇头分类,不同类簇头采用不同的数据传输方式。仿真结果表明,所提方法能均衡网络能耗且延长网络生命周期。

摘要：为解决CT图像中胰腺边界不规则导致分割精度不高的问题,提出一种融合双注意机制的多尺度U型网络模型。该模型由一个编码器及两个解码器组成,提高特征利用。针对模型中连续下采样导致特征空间信息损失的问题,提出一种金字塔注意力特征融合模块,引入通道和空间两个独立注意力机制,提供多尺度输入信息并行采样,提高边界提取性能,提升分割精度。实验结果表明,该方法在ISICDM 2018数据集上的平均Dice系数为85.35%,具有效性。

摘要：本文在雷诺数为2639~17599的恒热流边界条件下,通过实验和数值研究分析偏转角(α)、位错角(β)和间距比(l/D)三个几何参数对四叶片式LPD静态混合器内的换热和湍流流动特性的影响。采用速度场与温度场的协同性、对流换热系数和局部努塞尔数(Nulocal)等参数分析四叶片式LPD静态混合器内传热强化性能。结果表明:采用SST k-ω湍流模型预测四叶片式LPD静态混合器湍流流动和传热是可靠的;通过正交设计表和极差分析方法得到静态混合器的最优结构;随着α的减小混合器内速度场与温度场协同性逐渐增强;考虑到Re和α之间的耦合作用,提出在湍流条件下四叶片式LPD静态混合器的Nu和f的经验关联式;当叶片宽度与直径比(w/D)<0.2时,PEC值最大。

摘要：为了解决复杂环境下电力巡检无人机对输电线路鸟巢识别精度低、错检漏检率高、定位不准等问题,在YOLOv5s模型的基础上,提出一种用于输电线路鸟巢目标检测的改进YOLO-nc-kd模型。设计一种高效的多尺度卷积特征融合模块(MCFFM),实现不同尺度下的高效特征提取,使模型能获得更加丰富和多样化的特征表示。引入注意力机制,提升主干网络在相似环境背景下的鸟巢特征提取能力。设计改进的定位损失函数,提高边界框的定位精度和小目标检测能力。使用知识蒸馏技术,进一步提升模型精度。实验结果表明,改进YOLO-nc-kd模型的准确率、召回率以及平均精度均值(m AP)相较于YOLOv5s模型分别提升了7.3、5.6、4.9个百分点,具有较好的输电线路鸟巢目标图像检测效果。

摘要：温室气体CO_(2)的大量排放引发了气候变化等诸多环境问题。针对CO_(2)的资源化利用,介绍了生物酶技术转化CO_(2)的研究进展,分析了天然固碳途径和人工固碳途径中关键固碳酶的改造与设计,总结了酶催化CO_(2)技术中典型生物酶(碳酸酐酶、甲酸脱氢酶)的固定化以及多酶体系的联合催化,并指出了当前生物酶技术存在的缺陷和未来研究方向。

摘要：爆堆块度分布特征是评价爆破效果的重要指标,针对目前爆堆块度直接与间接法测量方法的不足,提出了一种爆堆自适应分层的块度空间分布测量方法,该方法使用GA-LSSVM模型来预测Weilbull函数的形状参数α、β,并设置多个预测点,生成三维爆堆形态预测曲线。同时对Kuz-Ram块度预测模型参数进行转换和融合,建立了爆堆分层距离预测模型,并将其导入Weilbull-GA-LSSVM爆堆形态预测模型,实现爆堆自动分层。通过现场应用,不断优化分层设计,探究爆堆最佳分层位置,达到爆堆自适应分层的效果。以广东省大排矿山为工程依托开展现场试验,结果表明:(1)Weibull-GA-LSSVM模型能够准确预测爆堆形态,其中爆堆最大前移距离预测结果的平均相对误差仅为5.6%,松散系数预测结果的相对误差多数在9%左右,表现出良好的稳定性。(2)爆堆自动分层模型能够在爆前合理地输出分层距离以及分层层数,保证了爆后现场爆堆的铲装效率。(3)推导出爆堆最佳分层位置距离公式,实现了爆堆自适应分层,爆堆块度分布测量精度明显提高,更接近于爆堆整体块度分布。

摘要：针对启发式概念推荐方法进行优化,提出一种基于对象阈值变精度概念的启发式推荐方法。将模糊形式背景转化为对象阈值可变的变精度形式背景,在此形式背景的基础上定义概念构造的启发式信息;利用内涵约束,在保证群组相似度的基础上,构造当前加权面积最大的概念,将这些概念组成强概念集合;在这个概念集合中利用组推荐方法对所有用户进行推荐。实验在MovieLens系列数据集和FilmTrust数据集上的一系列结果验证这种优化是有效的,能够大幅加强推荐的精度和性能。