Evaluation of Scale and Corrosion Inhibition of Modified Polyaspartic Acid

Amino acid modified polyaspartic acids were evaluated as calcium-scale inhibitors. Feasibility of scale inhibition experiments was analyzed by molecular dynamics simulation and Gaussian optimization, and the scale inhibition mechanism was theoretically analyzed. Scale inhibition performance was studied by scanning electron microscopy, X-ray diffraction, X-ray photoelectron spectroscopy, static scale inhibition experiments, and electrochemical performance testing, which provided an experimental basis for the molecular dynamics simulation. The experimental results showed that Arg-SA-PASP has better scale inhibition and corrosion inhibition performance than His-SA-PASP. The scale inhibition effect increased with increasing concentration. Electrochemical tests indicated that Arg-SA-PASP is an excellent scale and corrosion inhibitor.     

广东早期砖薄壳结构的建构技术研究——1957-1958年新会的"逼拱"实验

揭示1957-1958年华南工学院土木系薄壳结构研究小组在新会的砖薄壳结构实验图景.以田野调查、文献分析、三维图示、超声波检测等方法发现、确认此研究小组在新会的6处薄壳建筑及其遗存情况.它们是广东地区推广砖薄壳建筑的起点,其中的回旋砖薄壳实验是从结构角度探索中国建筑民族形式的重要案例,弥补国内结构工程史学研究的薄弱点,也是共和国早期节约"三材"约束下的薄壳建造技术自主创新设计的重要内容.     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

用于疏浚工程泥浆密度测量的电阻层析成像技术

江河湖海疏浚工程对于拓展和保障航运安全、促进生态恢复、维护/改善远海岛礁环境具有不可或缺的作用.目前,在绞吸和耙吸疏浚船上,多采用射线密度计及电磁流量计对输泥密度、产量等进行在线计量,并作为实现疏浚系统自动控制的重要参量.由于射线密度计潜在的人员健康、公共安全和环保风险,在一些国家和地区已建立了放射源的有序退出机制.电阻层析成像使用安装于管壁的电极阵列获得管道内流体的电导率分布,进而推导出管道内的泥浆密度,具有无辐射、全场测量及实时可视化的优点.电阻层析成像测量系统经过特殊设计,可适应从内陆淡水到海水的巨大电导率变化.初步测试表明,电阻层析成像测量数据与射线密度计具有良好一致性,具备了作为在线泥浆密度测量的可行性.此外,ERT可提供实时的流动成像,对于提高对疏浚管道监测能力和降低堵管概率具有重要意义.     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

Combining molybdenum carbide with ceria overlayers to boost Mo/CeO2 catalyzed ammonia synthesis

The design of an efficient non-noble metal catalyst is of burgeoning interest for ammonia synthesis. Herein, we report a Mo₂C/CeO₂ catalyst that is superior in ammonia synthesis activity. In this catalyst, molybdenum carbide coexisted with the ceria overlayers which is from the ceria support as the strong metal–support interaction. There is a high proportion of low-valent Mo species, as well as high concentration of Ce³⁺ and surface oxygen species. The presence of Mo₂C and CeO₂ overlayers not only leads to enhancement of hydrogen and nitrogen adsorption, but also facilitates the desorption and exchange of adsorbed species with the gaseous reagents. Compared with the Mo/CeO₂ catalyst prepared without carbonization, the Mo₂C/CeO₂ catalyst is more than sevenfold higher in ammonia synthesis rate. This work not only presents an explicit example of designing Mo-based catalyst that is highly efficient for ammonia synthesis by tuning the adsorption and desorption properties of the reactant gases, but opens a perspective for other elements in ammonia synthesis.     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。