摘要：【目的】振动波激励煤体共振增渗技术作为一种新兴的绿色高效增渗手段,利用低频振动所产生的应力波激励煤体使其孔裂隙发育,渗透率提升。为研究激励频率、应力场及共振效应等因素对增渗效果的影响,探明低频振动激励煤体共振增渗机制,自主设计研发了低频振动激励煤体增渗实验系统。【方法】该实验系统包括主机控制单元、煤样夹持单元、振动激励单元与煤体振动参数监测单元四个部分,可以测试煤体的固有频率、模拟不同强度的激励条件和实时监测振动激励下煤体的振动响应特征。以河南焦作赵固二矿无烟煤样品为研究对象,利用该实验系统开展煤体固有频率测试实验及低频振动激励下煤体渗流实验,揭示在不同激振参数、应力大小等因素下低频振动激励煤体渗透特性变化规律,实现煤体原位受迫振动,通过监测煤体振动响应特征,观测煤体在低频振动激励下所出现的共振效应,并结合工业CT扫描技术,阐明煤体共振致裂增渗的影响机制。【结果和结论】实验结果表明:(1)低频振动作用促使煤体渗透率上升,越靠近煤岩损伤的临界失稳状态时低频振动激励下煤体增渗效果越好。(2)当低频振动激励频率与煤体固有频率(20 Hz)相接近时煤体产生共振效应,煤体受迫共振后加速度响应加大,煤岩体内部的微裂隙逐渐扩展,煤基质内部的孔裂隙连通,使得其渗透率提升效果显著。上述实验结果及实验设备的研发,可以揭示低频振动激励煤体共振增渗的影响机制,为低渗煤层瓦斯高效抽采提供理论指导。

摘要：在直流微电网中,直流母线电压二阶纹波分量会导致直流负载或直流能源受到干扰,严重时危害整个系统的电能质量。为此,在分析双向DC/DC变换器电压/电流双闭环控制的基础上,设计了直流有源电力滤波器的直流电压纹波控制,提出一种扰动跟踪的电网阻抗快速观测方法,采用二阶滑模控制的超螺旋算法设计了扰动步长的控制率,加快了阻抗系数的观测速度,实现了阻抗系数的快速动态观测,进一步实现了直流有源电力滤波器对所需补偿纹波电流的实时跟踪提取,有效抑制了直流微电网母线电压二阶纹波。最后,搭建了相应的直流微电网测试平台,验证了所提策略的可行性与有效性。

摘要：钒作为一种稀有金属常与其他金属伴生,含钒矿石的硫酸浸出液中含有大量铁等杂质离子,严重影响钒的后续分离富集。萃取动力学研究是判断萃取过程控制步骤和金属离子萃取分离难易程度的重要方法。本文采用自行设计的圆筒型恒界面池对P507萃取硫酸溶液中V(Ⅳ)和Fe(Ⅱ)的动力学进行了研究。结果表明:水相是萃取过程的扩散阻力区,该萃取过程为化学反应控制类型,随着搅拌速度和萃取温度的升高,V(Ⅳ)和Fe(Ⅱ)的萃取速率均呈上升趋势。萃取V(Ⅳ)的表观活化能为48.68 kJ/mol,萃取Fe(Ⅱ)的表观活化能为135.11 kJ/mol,P507更容易萃取硫酸溶液中V(Ⅳ),有望实现V(Ⅳ)与Fe(Ⅱ)的高效分离。

摘要：为满足复杂车辆任务在时延、能耗和计算性能方面的要求,同时减少网络资源的竞争和消耗,设计了一种基于车载边缘计算(VEC)的任务卸载策略,以最小化任务处理延迟和能源消耗之间平衡的长期成本为目标,将车联网中的任务卸载问题建模为马尔可夫决策过程(MDP),提出了在传统双延时深度确定性策略梯度(TD3)的基础上,利用长短期记忆网络(LSTM)来逼近策略函数和价值函数,将系统状态进行归一化处理以加速网络收敛并增强训练稳定性的改进算法(LN-TD3)。仿真结果表明,LN-TD3性能与全部本地计算和全部卸载计算相比提高了两倍以上;收敛速度上与深度确定性策略梯度DDPG、TD3相比提高了约20%。

摘要：针对细粒度图像识别存在类间差异小、难以区分等问题,本文通过提升网络对图像细节特征的表达能力,来改善这一问题。为此,设计了一种基于改进的Transformer细粒度识别算法。首先,可变形卷积令牌嵌入通过自适应调整采样点的位置,来改变卷积操作范围及其卷积核的形状,从而增强网络模型对空间信息的感知能力,以获取更为精准的空间信息;其次,高效相关通道注意力机制通过对通道的自动选择,将通道注意力的计算从通道相邻转换成语义相似,来捕获语义相似的通道信息。而精准的空间信息和语义相似的通道信息将有效提升网络模型局部特征感知能力。实验结果表明,与基线算法相比,本文方法在CUB-200-2011、StanfordCars和StanfordDogs三个数据集上的识别结果分别提升了1.5%、2.4%、1.5%。结果表明,本文提出的方法通过提升细粒度图像细节特征的表达能力,从而有效提高了细粒度图像识别的有效性。

摘要：硬岩隧道掘进刀具磨损严重、换刀频繁是限制高效掘进的主要因素,低压磨料空气射流辅助刀具破岩是突破硬岩隧道掘进技术瓶颈的可行性思路,为实现辅助高横移速度刀具破岩,提出了矩形喷嘴。矩形喷嘴能有效提高磨料在移动方向集束性,进而减小切缝宽度,提高切缝深度。为明确矩形喷嘴对磨料加速及破岩的影响规律,采用加长扩张段长度和截面近似等效设计了圆形喷嘴及矩形喷嘴;然后基于数值方法确定了喷嘴扩张段长度对气体及磨料加速的影响,并对比分析了喷嘴不同断面形状对磨料加速和分布特征的影响。最后通过开展低压磨料空气射流冲蚀破碎花岗岩实验,研究了喷嘴结构和横移速度对冲蚀效果的影响,分析了不同断面形状喷嘴的切割效率,确定了适用辅助刀具破岩的最佳喷嘴结构。数值结果表明压力2 MPa时,加长扩张段长度,气固两相能量转化更充分,磨料加速更充分,但随着喷嘴扩张段持续加长,磨料速度提升不明显;相比圆形断面喷嘴,矩形断面喷嘴对磨料加速稍差,但仍能将磨料加速至300 m/s,且经矩形喷嘴加速的磨料在自由流域呈扁平矩形分布,有效提高了磨料在刀具横移方向的集束性。实验表明圆形喷嘴扩张段加长,岩石冲蚀深度不断增加,当扩张段长度为145 mm时,花岗岩冲蚀深度分别为23.90、20.23 mm,扩张段长度持续加长,岩石的冲蚀深度提高并不显著。当横移速度为0.02 m/s时,喷嘴C_(4)、R_(1)、R_(2)切割玄武岩深度分别为3.35、12.15、8.25 mm,花岗岩深度分别为5.2、14.9、11.5 mm;横移速度为0.30 m/s时,喷嘴C_(4)、R_(1)切割玄武岩深度分别为0.8、3.0 mm,花岗岩深度分别为1.0、3.6 mm。对比喷嘴C_(4),和数值模拟结果相同,矩形喷嘴能使磨料聚能、磨料利用充分,切割效率较优。且喷嘴R_(1)的切割效率最好,喷嘴结构最优。研究结论将为磨料空气射流辅助刀具破岩提供理论和技术支撑。

摘要：针对变转速工况下,多级齿轮传动低速级齿轮故障信号易受背景噪声干扰,导致频谱特征模糊,微弱故障特征难以提取的问题,提出一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)与改进经验小波变换(Improved Empirical Wavelet Transform, IEWT)相结合的齿轮无转速计阶次跟踪方法。首先为提高无转速计阶次跟踪瞬时频率估计精度,设计连续小波变换-椭圆时变滤波器(Continue Wavelet Transform-Elliptic Time-Varying Filtering, CWT-ETVF)对齿轮振动信号滤波降噪,依据滤波所得单分量的SWT时频分布进行峰值搜索,以实现高精度的瞬时频率估计,然后对时变故障信号等角度重采样获得角域平稳信号。针对EWT方法频谱分割不合理的问题,提出一种依据频谱包络趋势进行边界划分的改进经验小波变换方法对角域平稳信号自适应分解。最后选择合适分量自相关去噪,并通过阶次解调分析识别故障特征。仿真及实测局部断齿数据分析表明,该方法可以准确提取变转速齿轮时变微弱故障特征。

摘要：针对横向和纵向通道位置和数量均不确定的多行设施布局问题,提出一种基于IAGA的多行设施布局优化方法。考虑设施最大纵横比约束,建立以物流成本、搬运设备空载成本及占地面积成本的加权平均值最小化为优化目标的布局优化模型;设计基于柔性隔间结构编码的改进自适应遗传算法(IAGA)对模型进行求解。算法中设计了自适应调整交叉概率、自适应选择交叉算子(双点交叉算子和单亲单点交换算子)及分别针对隔间结构和设施编号排列的基本位变异算子,提高了其收敛速度和搜索能力。最后,通过案例分析验证了IAGA算法的有效性。

摘要：移动APP流行度预测对应用推荐、广告投放等意义重大。但是现有方法大多依赖手工特征工程,工作量大且效率较低。为此,提出一种基于深度神经网络的移动APP流行度预测模型。利用最大信息系数进行特征相关性分析以确保特征选取有效性,结合历史流行度特征,通过门控循环单元(gate recurrent unit,GRU)和注意力机制构建长期演化模型来推演发展趋势,基于多尺度卷积神经网络(convolutional neural networks,CNN)和注意力机制构建短期波动模型以实现预测动态优化,结合其他重要特征利用GRU和注意力机制建立多因素影响模型。通过时间注意力模块将上述模型融合,实现流行度预测。实验结果表明,所提模型在移动APP流行度预测方面相对更为精准有效。

摘要：在大功率直驱式风力发电机设计中,针对轴向磁通永磁发电机径向尺寸大、后期维护成本高的问题,文章将轴向磁通永磁发电机设计为大功率半直驱式风力发电机。以2 MW半直驱轴向磁通永磁发电机为研究对象,研究其参数设计原则和方法。通过探究不同极对数对发电机输出性能的影响,确定满足设计目标的发电机优选方案。采用3D有限元分析法对发电机空载和额定负载工况下的气隙磁密、电压、电流波形以及输出功率、损耗和效率进行分析,验证发电机电磁设计的正确性,发电机效率可以达到97.79%,具有损耗小、效率高的优点。通过与现有发电机进行对比,文章所提出的半直驱MW级轴向磁通永磁发电机径向尺寸显著减小,且在轴向尺寸和齿槽转矩方面比现有径向磁通结构的大功率半直驱永磁发电机表现更优。