天津LNG码头SBAS-InSAR时序形变及地面监测数据响应分析

为了查明油气重大基础设施中,由星载雷达干涉测量、地面GNSS形变监测、地下位移传感器监测和管道应力应变监测网络构成的星地一体化监测技术的有效性,本文采用SBAS-InSAR技术提取了天津LNG（Liquefied Natural Gas ）码头区域油气管线区域的长时间序列的地表形变数据,进一步分析了地面GNSS（全球导航定位系统）地表位移、多层深度位移计、管道应变传感器数据与同步的SBAS-InSAR地表形变量的数据响应关系,并进一步分析了雨-旱循环的时序变化规律。结果表明：2019年5月-2022年4月的3年间天津LNG码头区域非均匀沉降最为显著,最高达到-394mm;SBAS-InSAR的时序形变数据15-53mm的沉降形变,在GNSS中有9-57mm的地表位移响应,两者相关显著,具有良好的一致性;SBAS-InSAR地表形变变化特征与多层位移计在1m、2m和3m深的位移数据响应特征都与降水量关系密切,呈现显著的雨季-旱季波动特征,二者具有良好的同步性,说明SBAS-InSAR地表形变变化特征能够揭示地下土层的位移变化特征;SBAS-InSAR地表沉降量与地下管道应变呈正相关, SBAS-InSAR获取的地表形变是反映地下管线应变的良好指标。由星载雷达干涉测量、地面GNSS形变监测、地下位移传感器监测和管道应力应变监测网络构成的星地一体化监测数据的集成应用,能够为未来星地一体化的管道安全监测技术体系构建提供有益的借鉴。     

Fe_3Al合金形变诱导有序显微结构及合金元素的作用(Ⅱ)

从变诱导有序显微结构变化的角度，说明了合金元素铬和钼对Fe3Al基合金力学性能和显微组织的影响．结果表明：合金元素铬和钼主要固溶于Fe3Al基合金中，铬的主要作用是固溶软化，促进形变诱导无序化；钼主要起因溶强化作用，阻碍形变诱导无序化，有利于蠕变回复诱导有序化．     

正规形变系数线性方程组的矩阵微分求解法

引进了微分变换矩阵,利用矩阵的微分法,给出了正规形变系数线性微分方程组化为常系数方程组的充要条件。     

多j组态对排列内禀态

本文采用多j组态对排列模型,考虑包含对力,四极对力,以及四极形变场的系统哈密顿量,通过变分计算,定出了多j组态对排列内禀态,并计算了这些态中的四极矩。最后研究了对力参数给内禀态的影响。结果表明,在对排列内禀态中,耦合成总角动量为0,2,4的核子对占主要成分,表明了在研究变形核时,引进s,d,g玻色子是必要的。     

遗传学教学中的动画设计

遗传学教学的某些环节中使用动画有助于学生理解遗传学原理、实现教与学的互动、提高教学效果．运用网络多媒体开发工具Flash设计开发了遗传学动画．主要涉及细菌的接合过程、Holliday模型的重组过程、易位杂合体的联会和分裂过程、倒位杂合体的联会和分裂过程、减数分裂过程五个方面．对其开发设计的思想、原则、技术要点、特色和效果作了阐述。     

矩阵值函数的形变

本文主要结果是下面定理：一个矩阵值函数Ｓ：（Ｒｋ，０）→（Ｍ（ｎ，ｐ），Ｍｏ）是泛形变的充要条件是Ｓ在Ｍｏ处横截Ｊ（Ｍｏ）。     

基于混合搜寻法的车用涡轮增压器多目标优化

选取压气机等熵效率、叶轮最大应力和最大形变为优化目标,基于ANSYS Workbench建立了涡轮增压器压气机流-热-固多物理场耦合仿真模型,利用试验设计方法中的正交矩阵法和2k(k表示试验有k个因子)法混合搜寻出压气机关键设计参数,运用径向基函数及非支配排序遗传算法解决全局寻优问题,最终获取叶轮结构设计最优方案.计算结果表明:叶轮最大形变优化效果最显著,降低28.09%,最大应力减小16.34%,压气机等熵效率提高2.83%.     

低频电阻率法在地震预报中的应用

短周期地震预报现在仍是一个难题,但它非常重要。低频电阻率法是一种可用的方法。岩石形变导致岩石电阻率变化,变化的幅度不但决定于形变的大小,而且决定于地压的方向。无论何种类型的地震由于地压效应,岩石均会发生形变,虽然地震看起来是一个突发事件,但其形成和发展是一个过程。在能量积聚期间,地压逐渐增加,相应地岩石发生形变。然而,形变随时间变化的梯度是很小的。因此形变电阻率也很小,在这种情况下,岩石的形变大多数是弹性形变。在能量释放阶段,在能量积聚最集中的部位,将超过弹性限度,以致产生永久形变,因此在会发生地震的某些范围内,形变电阻率将可以观测到。     

形变对12MnMoVN钢连续冷却转变的影响

奥氏体区形变使钢的连续冷却转变曲线向左上方移动;形变促进先共析铁素体转变,使先共析铁素体数量增加;形变还诱发珠光体转变。岛状组织转变动力学曲线形状与岛状组织的基体铁素体类型有关。     

径向基神经网络的大桥形变预测

为解决由于材料老化、疲劳效应、荷载作用和环境变化等多种因素造成的大桥基础及上部结构形变影响,必须对大桥形变及其影响因素进行监测.针对大桥形变影响因素复杂多变的特点,采用径向基神经网络形变预测模型,推导了网络参数的改进算法,利用大桥实际监测数据,建立了径向基网络形变预测模型.研究结果表明:该方法在水平方向和垂直方向均能够达到4 mm以内的形变预测精度,能够为大桥的安全运行提供保障.