一类具有饱和发生率和心理作用的随机SIR传染病模型

考虑一类受环境噪声影响, 具有饱和发生率和心理作用的随机SIR传染病模型. 通过构造Lyapunov函数并利用Ito公式, 得到该模型正解的全局存在唯一性, 并证明： 当随机基本再生数R*≤1时, 无病平衡点是随机渐近稳定的, 此时疾病将灭绝； 当R*>1时, 疾病将随机持续下去. 数值模拟结果验证了理论结果的正确性.     

溶出固形物对软米硬度和黏弹性的影响

以粳米和糯米为对照,研究了溶出固形物对软米硬度和黏弹性的影响。分析发现软米溶出固形物质量分数为11.85%,显著高于粳米和糯米(P<0.05),与弹性显著正相关(P<0.05)；与粳米和糯米相比,软米中的固形物直支链淀粉比最低,利于形成连续凝胶网结构。此外,软米溶出淀粉侧链中聚合度为6~12的短链A链比例最高,赋予其较好的黏弹性。质构和流变分析结果表明:除溶出固形物后,软米的硬度显著增加,黏硬比和弹性显著降低。扫描电子显微镜结果表明:除溶出固形物后米粒表面粗糙、凹凸不平,有明显的孔洞；软米表面所形成的渔网状孔洞状结构能够对饭粒起到支撑作用,使得整个饭粒弹性更好。溶出固形物含量、组成、分子结构及其在米饭表面分布的差异是软米较低硬度和较好黏弹性优势产生的主要原因。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

竖向非均质饱和地基中埋置扭转荷载的动力响应

为探讨竖向非均质饱和地基中埋置简谐扭转荷载的动力响应,考虑地基为饱和半空间,并假定土体剪切模量随深度呈指数函数非线性分布,基于Biot固结理论与弹性动力学原理,建立饱和地基扭转振动的动力微分方程,引入边界条件并利用Hankel变换方法求解获得变换域内的剪应力、切向位移表达式,进而通过Hankel逆变换求得饱和地基内部的剪应力、切向位移解答,据此基于Mathematica编制出相应计算程序,并通过参数分析发现:地基土剪应力、切向位移沿径向呈现出明显的波动规律,曲线波动频率随荷载频率增大而增大;荷载作用面土体切向位移最大,剪应力发生突变,主要影响范围是荷载作用面上、下各两倍荷载作用半径(2a)区域;土体最大切向位移随荷载埋深h增大而减小,h=2a时最大切向位移下降90%,h 4a时,最大切向位移近似为零.     

钙化焙烧提钒废渣代粘土配料煅烧水泥熟料试验

通过钙化焙烧法提钒废渣成分分析,探讨替代粘土质原料与电石渣、硫铁矿渣组成生料在不同配比和烧成温度下煅烧水泥熟料研究,对烧成熟料进行物理检验、X射线衍射(XRD)及电镜扫描(SEM)分析。结果表明,采用率值KH=0.96、SM=2.01、IM=0.86,1450℃下烧成的水泥熟料各项性能指标均符合GB/T21372-2008《硅酸盐水泥熟料》中通用水泥熟料要求,所制得的熟料中游离Ca O质量分数和矿物组成达到硅酸盐水泥熟料中水泥熟料的基本化学要求,说明钙化焙烧提钒废渣可作为粘土质原料。     

2019年微纳米力学热点回眸

 微纳米尺度下材料的力学性能与样品的尺寸和表界面等物理量密切相关，因此纳米材料的力学性能可以在很大范围内进行高效的调节，使得纳米材料能够拥有超轻、超硬、以及高断裂强度和高韧性等卓越的力学性能。从尺度缺陷效应和生长机理、屈曲机理分析和应用、界面力学性能和应用、生物和软物质力学性能、软体机器人、机器学习等方面盘点了微纳米力学2019年取得的研究成果。     

Seismites(地震岩)等术语的概念与名称

seismites,按其字面意思理应翻译成地震岩,即与地震有成因联系或受发震断裂改造、变形的岩石。按发震时地质材料的固结程度与力学性质,地震岩可分为震积岩(地震时尚未固结成岩的含水沙土层,即软沉积物)和脆性断层岩(地震时已经固结成岩的沉积岩、岩浆岩和变质岩)。脆性断层岩包括断层角砾岩、碎裂岩、超碎裂岩、假熔岩和断层泥等。发育由沙土液化形成的软沉积物变形构造的沉积岩,统称为“沙土液化岩”(liquefactites),但是长期以来一直被误译为seismites。大量的研究表明,并不是所有的沙土液化和软沉积物变形都是由地震造成的,也并不是所有地震都能导致沙土液化。只有那些所在区域存在重要发震断层、真正由地震引起的区域性的沙土液化造成的软沉积物发育变形构造的岩层才能称之为震积岩(seismic liquefactites)。震积岩不应再翻译成seismites。零星出现的软沉积物变形构造与沙土液化构造(例如:砂涌丘)不足以作为古地震的证据。     

基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.