铝含量对TNT/Al炸药爆轰反应区结构的影响

爆轰反应区结构是决定炸药爆轰性能的重要因素之一。为了研究铝含量对TNT/Al炸药爆轰反应区结构的影响,该文针对5种不同铝含量(0%、5%、10%、15%、20%)且铝粉中位粒径为2.38μm的TNT/Al炸药,分别进行了电导率试验和爆速试验。初步确定了TNT/Al炸药的爆轰反应区结构,并分析了铝含量对爆轰反应区结构特征参数(爆速、爆压、爆轰反应区持续时间、爆轰反应区宽度)的影响规律。分析结果表明：铝含量越高,TNT/Al炸药的爆轰速度和爆轰压力越低,导致爆轰反应对未反应爆区的推进速度越低,爆轰反应区总压力越低。爆轰持续时间和爆轰反应区宽度随铝含量的增加而增加,其值分别为0.070～0.119μs和0.359～0.579 mm。该文的研究结果对于深入了解含铝炸药爆轰反应机理具有重要的意义。     

基于级联CNN的疏散场景中人群数量估计模型

对疏散场景中的人员数量进行准确估计，能为疏散路径的实时优化和应急资源的调度提供决策支持。为了获取疏散通道上不同区域的人员数量，该文在对已有方法分析和总结的基础上，通过设置分类情况和人员密度层级相联，建立了基于级联卷积神经网络(CNN)的人员数量估计模型，可有效避免卷积过程中部分图像信息丢失及过拟合的产生。通过学习图像中人员数量、位置随着图像特征变化的关系，可估计疏散通道上实时监控画面中人员数量。基于PyTorch深度学习平台开发，模型最终在验证集(612张图像)和测试集(182张图像)上的识别准确度分别为84.2%和83.6%,说明该模型可以比较准确地估计监控画面中的疏散人员数量。