钢渣-钒钛矿渣基坑回填料的制备及机理

为了推动钢铁冶金废弃物的综合利用,以钢渣、钒钛矿渣为原料替代水泥制备了全固废预拌固化剂,再与黏土制成基坑回填料,采用力学性能测试法、X射线衍射(X-ray diffraction, XRD)、扫描电镜(scanning electronic microscopy, SEM)和能谱分析(energy dispersive spectrometry, EDS)等测试手段,研究了钢渣细度、钢渣掺量及固化剂掺入比对基坑回填料性能的影响,并测试预拌固化剂的稳定性及水化机理。结果表明：当钢渣比表面积为457 m²/kg,料浆浓度(质量分数)为80%,固化剂掺入比(质量分数)为20%,固化剂配比(质量比)为钢渣∶脱硫石膏∶钒钛矿渣=44∶10∶46时,用其制备的基坑回填料力学性能较好,此时固化剂净浆流动度为136 mm且安定性合格,稳定性优于P·O 42.5普通硅酸盐水泥;在固化剂掺入比为7%～25%,掺入占胶结剂总量0.4%PC型聚羧酸型高效减水剂(polycarboxylic acid, PC),基坑回填料28 d抗压强度均大于0.4MPa,最大为4.7 MPa,回填料坍落...     

基于深度学习的风力发电机组故障预警方法研究综述

风能作为重要的可再生能源,近几十年来,全球风能使用规模迅速增长,陆上和海上风力发电机组发电容量不断增加。由于风力发电机组故障维修成本巨大,因此必须开发有效且可靠的风力发电机组故障预警方法,在风电机组发生故障前进行提前预警,以便降低风电场的运营和维护成本。目前风电机组数据采集与监视控制系统(supervisory control and data acquisition, SCADA)已经在风电场有了广泛的应用,其中蕴含着大量的潜在数据信息,同时深度学习方法在海量数据挖掘方面有比较明显的优势,因此深度学习方法在风力发电机组故障预警领域的应用潜力巨大。综述了近年来相关深度学习方法在风力发电机组故障预警的研究进展,总结了风电机组故障预警的大体步骤,分析了各个步骤的具体处理方法,对每种技术方法的特点进行整理分析。最后阐述了深度学习在风电机组故障预警领域所面临的挑战,并对今后的研究重点进行了展望。     

震区中小跨径桥梁墩柱配筋率取值范围

为研究配筋率对钢筋混凝土桥梁延性抗震性能的影响,并在不同设防烈度对主筋配筋率的合理取值进行细分。以钢筋混凝土桥梁为研究对象,通过拟静力模型试验与有限元数值分析的方法,研究竖向钢筋(主筋)配筋率对桥墩延性的影响,提出典型桥墩的多级性能水平量化指标;并探究在氯离子侵蚀的恶劣环境下,不同配筋率对桥梁抗震性能所带来的影响,从而对氯离子侵蚀环境下的震区中小跨径桥梁墩柱配筋率取值范围提供参考建议。结果表明：考虑氯离子侵蚀作用下的恢复力模型能够较好地反映刚度的退化特性,墩柱的最佳配筋率取值范围为1.11%～2.72%;当加速度为0.3g(g为重力加速度)时,仅从配筋率的角度已无法满足墩柱的损伤指标,建议采用减隔震体系进行抗震设计,如采用延性体系时配筋率不得小于2.64%。研究结果可为中小跨径连续桥梁抗震设计提供参考。     

空间四面体剖分及可视化系统设计

地质体真三维建模是地学信息系统的核心问题之一。针对三维建模时模型属性表达缺失和无法进行空间分析的问题,提出了一种TetGen结合WebGL来构建三维模型的新方法。该方法使用TetGen构建模型,既保留细节特征又能高效率完成地质体三维建模及模型的优化。同时,借助WebGL构建了三维模型的3D可视化系统,实现了细节层次模型的展示,并利用js完成模型的空间分析基本参数计算。提出的三维建模方法结合可视化空间表达的方式,不仅实现了三维模型快速准确的四面体剖分,还完成模型数据的组织与管理,强化了模型的空间分析能力,拓宽了模型在地学领域的研究与应用。     

基于自适应乘法正则化的结构随机激励识别

针对结构随机激励识别存在的激励位置未知以及重构效率偏低问题,本文提出了一种基于自适应乘法正则化的结构随机激励识别方法。该方法无需依赖于激励位置的先验信息,仅通过结构响应即可实现激励的准确定位和高效重构。首先,利用不同响应功率谱之间的传递特性来计算任意指定激励位置的定位误差,进而通过最小化定位误差来识别目标激励位置;在此基础上,借助自适应乘性正则化方法,定义全局正则化项来构造新的重构优化函数;然后,引入广义迭代加权最小二乘算法对优化函数进行求解,从而实现了结构随机激励识别;最后通过数值算例验证了所提方法的有效性。结果表明：所提方法能够精准的定位结构随机激励位置,且在与Tikhonov方法重构精度相似的基础上,提高了识别效率约15倍,同时具备良好的抗噪能力,为结构外部作用效应的获取提供了一种新思路。     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

泥石流宽级配砾石土结构特征实验研究

泥石流堆积物是一种宽级配砾石土,深入研究其结构特征和渗透特性,具有重要的理论和实践意义。根据粗细颗粒的含量,提出了接触式堆积、紧密堆积和基底式堆积三种结构类型,并通过实验进行了验证和分析;分析表明,细粒含量是决定宽级配土结构的关键。击实实验显示土中细颗粒含量达到16.52%时,干密度最大;渗透实验也表明此时其渗透性接近细粒土的渗透性;数值模拟表明,细颗粒含量达到22.23%时,孔隙率最小。理论分析和实验研究认为,宽级配砾石土中紧密堆积结构的细颗粒含量上限应为20%,超过这个含量,粗颗粒的骨架作用会被减弱,强度降低。     

美国《中学物理教程》特点分析

本文以美国《中学物理教程》为研究对象,全面系统地分析了该教材的特点,为我国编写适合大多数中学生学习的高质量物理教材提供参考。     

用于VLSI的新型介质膜界面陷阱的特征

采用雪崩热电子注入技术和高频Ｃ－Ｖ准静态Ｃ－Ｖ特性测试,研究了新型快速热氮化的ＳｉＯｘＮｙ介质膜界面陷阱的特征,侧重于研究界面陷阱的特性与分布。结果表明：这种ＳｉＯｘＮｙ薄膜禁带中央界面陷阱密度随氮化时间的分布变化呈现”回转效应“,且存在着不同类型、密度悬殊很大的电子陷阱、指出雪崩热电子注入过程中在Ｓｉ／ＳｉＯｘＮｙ界面上产生两种性质不同的快界面态陷阱;给出了这两种界面态陷阱密度在禁带中能量的分布     

光伏模组积灰与阴影特性分析及识别方法

针对光伏模组积灰与阴影特性识别问题,详细分析了积灰和阴影的光伏特性曲线差异,揭示了阴影光伏曲线的拐点时变特性。提出由特性曲线的拐点数量及电流电压特性条件共同构成训练模型的输入特征量,基于CatBoost算法训练积灰和阴影识别模型。最后,利用光伏模组实测数据对CatBoost算法、ID3和GA-BP算法训练出的识别模型进行性能分析和对比测试,结果表明基于CatBoost训练出的识别模型输入量区分性强、诊断精度高,极具工程应用价值。