N2和CO2稀释对CH4/O2扩散火焰反应区和结构特性的影响

利用紫外成像系统获得了CH_4/O_2同轴射流扩散火焰的OH*二维辐射分布,并对其进行了Abel逆变换处理。基于OH~*分布特性的变化,重点探究了氧化剂中N_2和CO_2体积分数对火焰反应区和结构特性的影响,并进一步比较了两种稀释火焰反应区和结构特性的区别。结果表明:随稀释剂体积分数增加,火焰更加细长。在稀释剂体积分数相同的条件下,CO2稀释时火焰具有更为狭窄的火焰锋面,且OH*辐射强度显著低于N_2稀释火焰。稀释剂体积分数的增加使OH~*的生成机理发生改变,从而导致火焰的核心反应区发生位移。火焰反应区的轴向高度随稀释剂体积分数的增加呈先增大后减小的变化趋势。与N_2稀释火焰相比,反应机理转变对CO_2稀释火焰反应区轴向高度的影响更大。     

基于地理探测器的岷江上游泥石流影响因子相对重要性分析

结合GIS和RS技术,应用地理探测器方法定量分析岷江上游土壤类型、坡度、年降雨量、植被密度、地层岩性等9个影响因子在泥石流活动中的作用及相互作用关系.结果表明:泥石流具有空间异质性,对泥石流贡献率大于10%的主要影响因子有年降雨量、坡度、距断裂带距离、植被密度和土地利用类型.交互作用探测表明9个影响因子间的交互作用主要是非线性增强,其中年降雨量、距断裂带距离和坡向3种影响因子对泥石流的交互作用较强.     

用于轨道交通车载电源性能自动化评测系统

为解决轨道车辆车载辅助电源通用检测设备缺乏的问题,设计搭建了一种新型的轨道交通车载电源性能 指标评测的自动化集成测试平台。该平台以上位机软件作为主控制器,综合运用计算机控制、变频调压、传感 器测量、网络通讯等技术,模拟动车实际工作环境,对已有硬件设备进行整合和集成,将之搭建构成统一的硬 件测试平台。并在此硬件平台的基础上设计开发软件测控系统,提升实验室对车载电源寿命及可靠性检测的 工程研究能力,为动车组对相应产品的高级检修提供测试数据作为检修依据,节省了检测资源,提高了检测 效率。     

基于文献计量方法的我国PPP模式发展态势分析

对公私合作伙伴关系（Public Private Partnership,PPP）领域研究发展态势进行分析,为今后PPP 模式的应用和项目的选择提供参考。运用文献计量法,以中国知网CNKI）数据库为数据来源,采用SATI、Ucinet6 软件并结合K-Means 算法对2002-2018 年PPP 相关文献进行定量及可视化分析。研究结果表明,近年来PPP 模式研究成果逐渐增多,研究主题从公私合作机制和融资模式体制不断发展到关于社会治理创新工具的研究,学科领域不断拓宽,从经济类扩展到工程类、管理类等学科,但跨学科跨领域间的合作研究仍有待加强。     

铁钻工冲扣钳钳牙参数敏感性分析

以钳牙花型与当量摩擦系数的关系为切入点,基于接触力学及摩擦学原理,对钳牙与管柱接头外壁接触进行受力分析,建立了钳牙牙型角、牙顶倒角半径、管柱外径及咬痕深度与当量摩擦系数的关系式;对钳牙及管柱强度,以及钳牙齿磨损原因进行了分析。在摩擦力矩满足上卸扣要求、不损伤管柱等约束条件下,利用正交设计分析了钳牙齿与管柱外壁接触时4个因素对当量摩擦系数的影响程度。结果表明:钳牙牙型角对当量摩擦系数影响最大,而牙顶倒角半径的影响几乎可以忽略不计。为使咬痕深度小于1 mm,对于常用直径系列管柱,钳牙牙型角的最佳取值为80°～100°。     

二维函数光子晶体波导带隙和电场分布的调制

在二维函数光子晶体波导中, 研究介质柱介电常数对带隙结构的调制, 以及波导中加入点缺陷时, 点缺陷介质柱介电常数对电场分布和光传播方向的调制. 结果表明： 当二维函数光子晶体波导中不含点缺陷时, 改变波导中介质柱介电常数的参数b和k值, 可调节波导的禁带数目、 禁带位置、 缺陷模的数目和位置;  当二维函数光子晶体波导中含点缺陷时, 改变点缺陷介质柱介电常数的参数b和k值, 可改变电场分布和光的传播方向.       

自然条件下输电线路导线覆冰增长特性

输电线路导线覆冰严重威胁着电网安全运行.导线覆冰过程复杂,影响因素众多,对其覆冰增长规律的准确掌握是建立并优化导线覆冰数值计算模型的基础.从自然覆冰试验出发,依托雪峰山自然覆冰试验基地对不同种类的导线进行了自然覆冰观测试验,研究了导线直径、导线表面处理情况、覆冰类型及导线扭转对导线覆冰增长过程的影响.通过导线表面水滴碰撞系数的计算分析了不同直径导线覆冰的差异性.研究结果表明:自然环境条件下,风速对导线雾凇覆冰冰形起决定性作用,覆冰主要在导线迎风面(横向迎风侧)累积,而背风侧和纵向覆冰较少.覆冰厚度随时间非线性增长,导线直径越小,覆冰厚度增长越快.导线扭转使得导线背风侧向迎风侧转变,覆冰厚度增长速率加快.雨凇覆冰时,除迎风侧翼型覆冰外,导线下方易冻结形成冰棱,使得冰形结构更为复杂.     

基于Transformer神经网络模型的网络入侵检测方法

网络入侵检测一直以来都是网络安全中亟待解决的关键任务之一,传统网络入侵检测方法主要通过提取多维特征,采用机器学习方法构建检测模型,大多忽略了入侵行为的时间相关性.通过提取网络入侵行为的时序特征,设计基于降维特征的多头自注意力机制Transformer网络模型,以解决传统串行化时序神经网络模型不易收敛且时间开销较大的问题,通过选取最优的损失函数和训练参数进行并行化训练,实现网络入侵行为检测.实验结果表明,基于Transformer网络模型的网络入侵检测方法在多个数据集上均获得了99％以上的精度和检出率.