钢筋混凝土连续箱梁温度收缩应力计算

提出了钢筋混凝土连续箱梁温度收缩应力计算的一种模式,并对这种计算模式作了详细阐述,为工程技术人员采取适当工艺和养护方法来控制混凝土早期裂缝的发生提供了一种依据.     

反式-9,10-二氢-9,10-二苄基-9,10-菲二醇的合成与表征

以菲醌为原料合成了标题化合物,通过IR和1H NMR对其结构进行了表征.氢谱分析表明,亚甲基二氢核构成了AB二级谱自旋体系,这主要是由于孤立亚甲基的2个氢是化学不等价造成的.通过Chem3D程序模拟得到了标题化合物的能量最优化立体结构.     

数显温控精确测量金属丝的温度系数

在传统金属导体温度系数测量中对于金属丝的加热通常采用了水浴加热法或油浸加热法。这两种方法存在着短路、产生不良气体污染、温度测量不精确等缺点。首次使用了数显温度可控的功率电阻作为金属丝的加热源,在测量中采用了双臂电桥、金属丝的四端电阻接线方式,不仅实现了金属丝的温度可控性和实时测量性,而且将测量精度提高到3%以内。     

浅谈中专英语的词汇教学

词汇教学在英语教学中至关重要.但传统的词汇教学存在许多问题.本文依据英语词汇学及词汇教学原则,探讨改进中专英语词汇教学的方法.     

从教育传播学看《大学语文》的困境与出路

不容乐观的传播环境,单一重复的传播内容以及陈旧落后的传播手段是造成当下高校“大学语文”日益式微的主要原因,而走出困境也要从这几方面着手进行改革与优化。只有正视现实,坚定信心、端正态度,在优化其传播环境,改进其传播内容、革新其传播方法上积极作为,“大学语文”才能走出困境,告别尴尬。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

循环荷载作用下NaCl溶液对黏土动力特性影响及微观机理分析

针对黏土易与水结合,孔隙溶液环境变化对黏土动力特性有较大影响的问题,使用GDS真/动三轴仪对黏土试样进行模拟交通循环荷载下的分级加载试验,研究不同浓度NaCl孔隙溶液、振动频率对土体应力-应变关系和动弹性模量的影响,分析骨干曲线及弹性模量的发展规律,并结合电镜扫描,分析NaCl溶液浓度和振动频率改变前后试样的孔隙分布规律,得到微观孔径与动力特性的关系。结果表明,随着NaCl溶液浓度和振动频率的升高,应力-应变曲线和动弹性模量曲线呈上移趋势;阻尼比-动应变曲线随振动频率的增加而上升,随NaCl溶液浓度的增加而下降;NaCl溶液浓度升高,水化反应产生的胶体增多,微填充作用可有效减少小孔隙,振动频率增加则使得片状颗粒间距被压缩,层状结构减少,土体更加密实,有效减少大孔隙。研究得出的含NaCl溶液黏土受孔隙溶液浓度与振动频率变化的影响规律,可为研究其他环境下黏土的强度变化提供参考。     

电增压促进废气再循环对发动机性能的影响

在一台1.5 L带废气涡轮增压的直喷汽油机上进行了电动增压和废气再循环（exhaust gas recirculation, EGR）协同对发动机动力性和经济性的影响规律试验研究。结果表明：全负荷下电动增压促进最高废气再循环率随转速的上升而下降,在4个试验转速下分别提升了17.7%、15.2%、13.84%和0;部分负荷下电动增压促进最高废气再循环率随负荷的提高与转速下降,在6个试验工况下最高废气再循环率分别被提高了23.63%、30.31%、0、14.09%、19.74%和0。全负荷与较低的3个转速下电动增压介入后有效燃油消耗率（brake specific fuel consumption, BSFC）降低近10%,最高转速下废气涡轮增压完全取代电动增压;部分负荷下的两组工况内,电动增压介入后,最高BSFC降低了10.8%和8.4%。结论表明合理应用电增压促进最高废气再循环率可以提升发动机的燃油经济性并保持较高的动力性。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

秦淮河流域典型排涝泵站前池水质与降雨特征响应关系

为分析排涝泵站前池水质与降雨特征的响应关系,对南京市城区秦淮河沿线2个排涝泵站前池水质以及降水量开展高频在线自动监测,结合回归树方法分析了不同降雨强度、前期干旱时间条件下排涝泵站前池水质变化规律,探讨了不同类型排涝泵站前池水质的主要影响因素。结果表明:晴雨天均有生活污水汇入的A泵站前池氨氮质量浓度在大雨强下降低,中雨强下先升高后降低,小雨强下平缓上升,A泵站前池污染物质量浓度主要受降雨强度和次降水量影响;主要接收降雨径流,雨量大时有生活污水溢流汇入的B泵站,前池污染物质量浓度在大雨强下先升高后逐渐降低,中雨强下降低,小雨强下变化不大,B泵站前池水质主要受次降水量、前期干旱时间和降雨强度影响;2个泵站前池CODMn质量浓度变化与降雨的响应规律相似,但更多受到与前期干旱时间关联的地表径流冲刷作用影响;连续降雨均导致泵站前池氨氮质量浓度和CODMn质量浓度波动变化较大,而前期干旱时间越长,降雨发生后泵站前池水质越差。