X100直缝埋弧焊管断裂韧性的裂纹尖端张开位移试验研究

为了检验X100直缝埋弧焊管的断裂韧性,采用三点弯曲多试样法,在室温、-10℃和-30℃下对该焊管的母材、热影响区和焊缝部位进行了裂纹尖端张开位移(CTOD)试验.测试结果表明:在同一温度下,CTOD试验的表观启裂值δ0.05、条件启裂值δi和最大载荷值δm的分布规律为母材最好,焊缝次之,热影响区最差;采用裂纹扩展阻力和撕裂模量表征的分布规律为母材最好,热影响区次之,焊缝最差;焊接热影响区组织中含有大量呈块状分布的铁素体,而粒状贝氏体等增强相的含量较少,这会造成其韧性下降,使焊管出现局部失稳现象.     

脑深部神经刺激微电极的表面改性研究

为了提高脑深部刺激电极的生物相容性,降低脑组织的免疫反应,减少或抑制电极周围包裹物的形成,对电极植入端聚氨酯材料进行了表面改性处理.首先用N₂/H₂进行等离子体处理,在电极表面生成活性基团——氨基,再利用电极表面的氨基基团与YIGSR多肽分子发生聚合反应,从而实现在电极表面修饰上对神经细胞具有促进生长作用的多肽分子.改性电极的大鼠植入实验结果发现,改性电极能够在一定程度上减少胶质包裹物的形成,有利于电极与神经细胞之间接触,增加有效刺激体积,证明了电极聚氨酯材料表面接枝聚合生物大分子的可行性,对今后电极表面改性的深入研究具有一定的参考意义.     

曹妃甸海域磷酸盐容量控制

首先,建立曹妃甸海域潮流和污染物输运数学模型,并用实测资料对模型进行验证;然后,应用验证好的数学模型,计算六种典型水文条件(洪季大、中、小潮,枯季大、中、小潮)下该海域8个河流排污口和曹妃甸围填区混合区半径上的磷酸盐浓度,并与功能区要求的水质标准进行比较分析;最后,计算出磷酸盐的允许排放量和削减率.结果表明:磷酸盐超标的枯季为陡河和沙河,洪季为双龙河和围填区,应加强对这些河流相应季节磷酸盐排放量的控制.     

基于托达罗模型的辽宁沿海经济带农村人力资源转移模式

运用托达罗基本分析模型分别从宏观和微观两个层面研究辽宁沿海经济带农村人力资源转移问题,分析农村人力资源状况、城乡收入差距、总体就业形势等因素以及教育水平、文化差异、心里舒适度等个人心理成本因素的影响.在托达罗分析模型的基础上,结合辽宁沿海经济带整体开发背景,提出坚持政府推动和市场主导相结合、增强城市吸纳能力和扩大在农业(农村)内部就业相结合的人力资源转移方向,构建辽宁沿海经济带农村人力资源转移的基本模式.     

坡度对入渗河岸带表土层氮素截留效果的影响

利用自制的土槽装置,室内模拟入渗氮素在不同坡度河岸带表土层中的运移过程.通过观测取样点在不同坡度条件下渗流水体出流时间以及水体中TN,NH4+-N浓度,探讨不同坡度河岸带土壤水分运移特性以及坡度对入渗河岸带表土层氮素截留效果的影响.试验结果表明:河岸带坡度越小,入渗水流在表土层中的停留时间越长,河岸带表土层对氮素的截留效果越好,但土层深度不同,截留效果差别较大;坡度越大,河岸带表土层对氮素的截留效果越差,但土层深度不同,净化效果差别不大;坡度大小与NH4+-N,TN截留率之间存在极其显著的指数相关关系.     

深基坑出碴方案比选

深基坑出碴在一些情况下会成为制约工期的关键因素,尤其是复杂地形条件下,在首先满足工期的前提下,还要综合考虑现有机械情况、技术条件和经济效益以及其他作业干扰,这使得深基坑出碴变得更加复杂。文章通过准朔铁路黄河特大桥工程特点,对几种深基坑出碴方案进行了分析对比,综合考虑后选择了履带吊出碴方案。     

日本东北大地震——大自然给人类上的又一课

作者介绍了2011年3月11日日本东北地区太平洋沿岸近海的M9.0特大地震的震后研究情况,日本列岛M8.0以上大地震发生的地球动力学背景、地理环境,大地震在东北太平洋沿岸地区、关东地区、东海道地区的活动历史以及对下一次东海地震发生时间的最新研究进展。最后总结了地震中长期预测的现状及相关基础研究应努力的方向,提出了在工程应用研究中应该避免的错误工作思路。     

ADINA在桩锚深基坑三维有限元分析中的应用

采用三维有限元模型,应用大型有限元软件ADINA,对沈阳中铝大厦基坑进行模拟分析。介绍了工程情况与模型相关设置,将实际监测变形值与模拟值进行比较,验证模型的可行性,通过提取后处理变形数据。考察了基坑工程的空间特性。     

以信息化带动创新型园区建设

在剖析创新型园区内涵的基础上,指出以信息化带动创新型园区建设是国家高新区发展的必然选择,并提出了园区建设的对策和建议。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。