冲旋钻井条件下的岩石破碎机理

冲旋钻井因其具有较高的钻速和较小的井斜,而广泛应用于矿山、石油与天然气领域的钻井工程中.为了揭示冲旋钻井的破碎机理,考虑静压、冲击和旋转的耦合作用,分别建立了牙齿和12 1/4″全尺寸平底钻头与岩石的三维冲击动力学模型.对所建立的模型进行有限元求解,结果显示:拉应力破碎是岩石破碎的主要形式,剪切应力、压应力破碎次之;岩石的破碎主要发生在岩石的拉应力失效阶段和卸载后的静压-旋转剪切破岩阶段;岩石在单齿的作用下可以显著地分成4个半球形区域;全尺寸钻头的破岩过程可以分成5个破碎阶段;边齿倾角越大,破岩侵深越小,破碎体积越大,齿顶应力越高;钻头边齿齿顶和齿孔应力均远高于中心齿,极易最先破坏;岩石越硬,牙齿侵入深度越小,破岩体积越大.研究结果与一系列的室内实验研究结果一致,可用于冲旋钻井钻头的优化设计及冲旋钻井参数的优选.     

相场方法研究刃位错对第二相形核析出长大的影响

用扩散界面相场模型研究刃位错对第二相形核析出长大的影响,建立含刃位错应变能的自由能函数,对刃位错线附近的第二相形核析出长大过程进行研究和分析。新建立的自由能函数能有效地对刃位错线附近的第二相形核析出长大过程进行模拟。模拟结果与位错能理论及非均匀形核理论吻合得很好。     

无向广义De Bruijn图的m-限制边连通性

m-限制边割将连通图G分离成阶不小于m的连通分支,图G的最小m-限制边割所含的边数称为图G的m-限制边通度,记作λm（G）.对于包含m-限制边割的连通图G,有λm（G）≤ξm（G）（m≤3）;如果λm（G）=ξm（G）,则称图G是极大m-限制边连通的.本文证明：当n≥7时,无向广义De Bruijn图UBG（2,n）是极大m-限制边连通的（m={2,3}）.     

基于单刃-圆锥面刀具的三维整体外翅片成形机理

采用单刃-圆锥面刀具加工三维整体外翅片管,研究了翅片成形过程及圆锥面半径对翅片成形的影响,分析了翅片微观形貌的形成机理及加工参数对翅片形貌的影响.翅片成形机理在于单刃-圆锥面刀具切削时能将工件表层金属与基体分离但并不去除,被分离的金属在圆锥面的挤压下形成翅片.翅片成形过程可分为犁切分离、滑动挤压和成翅3个阶段,较大的圆弧半径有利于翅片的成形.翅片顶部有一条贯穿整个翅片的微裂缝,使翅片在微观上成为双翅片;随着犁切深度的增加,翅片厚度增加;随着进给量的增大,翅片间距增加.     

d-维网格的星边染色

研究图~$G$\,的星边色数~$\chi_{s}^{\prime}(G)$\,与其顶点数~$\nu$ 和边数~$\varepsilon$\,之间的关系. 证明了当~$\Delta(G)\geqslant2$\,时, 有~$\lceil\frac{8\varepsilon}{3\nu}\rceil\leqslant\chi_{s}^{\prime}(G)$. 得到了~$2$-维网格的星边色数, 并且给出了超立方体和~$d$-维网格的星边色数的可达上界和下界.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

图mP2∪mCt（3≤t≤10）的点可区别正常边染色

图G的正常边染色称为是点可区别的,如果对G的任意两个不同的顶点u,v,与u关联的边的颜色构成的集合异于与v关联的边的颜色构成的集合.对图G进行点可区别正常边染色所需要的最少颜色数称为是G的点可区别正常边色数,记为χ′s(G).通过将路和圈填装到完全图,我们给出了mP2∪mCt的点可区别正常边色数的一个刻画,并利用递归染色的方式,得到了χ′s(mP2∪mCt)(3≤t≤10).     

SideKnot:Edge Bundling for Uncovering Relation Patterns in Graphs

The node-link diagram is an intuitive way to depict a graph and present relationships between entities.Addressing the visual clutter induced by edge crossing and node-edge overlapping is a challenging task as the size of graph outgrows the visualization space.Many edge bundling methods are proposed to disclose high-level edge patterns.Though previous methods can successfully reveal the skeleton graph structure,the relation patterns at the individual node level can be overlooked.In addition,most edge bundling algorithms are computationally complex,which prevents them from scaling up for extremely large graphs.In this article,we extend SideKnot,an efficient edge bundling method to cluster and knot edges at the node side.Our proposed method is light,runs faster than most existing algorithms,and can reveal the relation patterns at the individual node level.Our results show that SideKnot can disclose a node’s standing in the graph as well as the directional connection patterns to its peers.     

Δ≥9且不含相邻4-圈的平面图是(Δ+1)-全可选和Δ-边可选的

设χ'l(G),χ″l(G)和Δ(G)分别表示平面图G的列表色数,列表全色数和最大度,目前已经证明:若G是Δ≥12的平面图,则χ'l(G)=Δ,χ″l(G)=Δ+1。本文将证明:若G是Δ≥9且不含相邻4-圈的平面图,则χ″l(G)=Δ+1,χ'l(G)=Δ。     

3-临界图独立数的一个结果

1968年,Vizing提出了关于临界图的独立数猜想：若G是n阶的Δ-临界图,则有α（G）≤n/2.利用Vizing邻接引理研究这一猜想,给出了3-临界图的一个上界.