电场对竖直矩形微槽群润湿及表面温度的影响

微槽群在热流密度较大时会达到其毛细极限，可通过主动换热方式之一——电水动力学效应对其进行强化。本文为了研究电场对微槽群表面润湿特性和温度分布的影响，采用平板电极提供电场，蒸馏水作为工质，使用高速相机拍摄微槽内液体润湿长度，测量误差为2.97%～7.46%；使用红外热像仪拍摄电场作用下微槽群表面温度分布，测量误差为2.1%～2.39%。热流密度测量误差范围是9.66%～11.11%。结果表明：电场通过驱动微槽内流体向加热区域流动而提升其润湿性能，且较低热流密度下提升更好。因润湿性能的提升，微槽表面温度得以下降。随着电场增强，微槽横向温度分布的“波峰”、“波谷”差别加大，微槽纵向温度明显降低。当热流密度加大时，温降更为显著，1.4W/cm²热流密度、6kV电压下温降可达到30℃以上。温降的增加反映了电场对微槽的强化润湿进一步提升了微槽换热性能，且电场对较高热流情形下的微槽换热有着更为显著的强化效果。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

机制砂混凝土耐磨性的主要影响因素分析及多因素计算模型

本文研究了砂类型、砂率、石粉含量和抗压强度对机制砂混凝土耐磨性的影响,建立了磨损量的多因素计算模型。结果表明:由于含石粉及具有更高的粗糙度和坚固性,石灰岩与辉绿岩机制砂制备的C30、C40混凝土耐磨性比河砂混凝土提高20%以上;在0.40~0.44范围内选取较低的砂率可获得较优的耐磨性;利用石粉含量为5%~11%(质量分数)的机制砂制备混凝土,石粉含量为9%时可获得最佳的混凝土耐磨性,微观分析表明此时混凝土密实度最佳;通过灰色系统理论确定了耐磨性影响因素的影响程度排序为:砂率R₃>压碎值R₂>粗糙度R₁>抗压强度R₅>石粉含量R₄>0.6;对比验证表明提出的混凝土磨损量多因素计算模型具有较高的预测精度和良好的适用性。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

产品族设计与供应商的订单分配关联优化研究

针对统一采购情形下产品族设计与供应商订单分配问题,提出了一个以产品族利润最大为目标,满足产品配置要求、供应商最小订单数量等约束的产品族设计与供应商订单分配关联优化模型,并开发了一种自适应遗传算法对模型进行求解。为了防止由于优化问题中存在的订单等式约束导致算法产生大量不可行的染色体,给出了一种按比例分配订单的染色体编码与解码方法。同时算法设计了自适应的交叉方式与变异方式尽可能避免陷入局部最优解。最后通过一个实例验证了所提优化方法和求解算法的有效性。     

酸性废水中As(Ⅲ)、Cu(Ⅱ)与铁粉的反应行为

在Fe-As(Ⅲ)-Cu(Ⅱ)-H₂O体系中, 研究了酸性废水中As(Ⅲ)、Cu(Ⅱ)与金属铁粉的反应行为, 考察了反应过程中As在气、液、固三相中的分配比。结果表明, As(Ⅲ)和Cu(Ⅱ)离子被Fe还原为单质As和Cu后, As、Cu进一步结合成Cu₅As₂等金属间化合物, 从而促进As(Ⅲ)沉淀反应的发生, 且无AsH3生成。在反应时间40min、铁粉过量系数1.2、溶液初始pH=0.0、温度40 ℃、Cu/As摩尔比1.0条件下, As在气、液、固三相中的分配比分别为0、20.7%和79.3%, 沉砷率为79.3%。     

低剂量抑制剂Inhibex501存在下的甲烷水合物相平衡研究

含动力学抑制剂的天然气水合物相平衡研究对新型低剂量抑制剂的开发具有指导作用。在283.6 ~ 290.9 K和7.51 MPa ~ 15.97 MPa的温压范围内研究了抑制剂Inhibex501及其溶剂2-乙二醇单丁醚对甲烷水合物相平衡条件的影响。实验结果显示，0.5wt%和2.0wt%浓度的Inhibex501对甲烷水合物形成的热力学条件具有促进作用，能使甲烷水合物形成移向更高的温度或者更低的压力，而2-乙二醇单丁醚在浓度0.2wt% ~ 1.0wt%范围几乎不改变甲烷水合物形成的热力学条件，N-乙烯基己内酰胺与N-乙烯基吡咯烷酮的共聚物对水合物形成热力学条件的改变起主要作用。     

Microenvironment and related genes predict outcomes of patients with cervical cancer: evidence from TCGA and bioinformatic analysis

Cervical cancer (CESC) is one of the most common cancers and affects the female genital tract. Consistent HPV infection status has been determined to be a vital cause of tumorigenesis. HPV infection may induce changes to the immune system and limit the host’s immune response. Immunotherapy is therefore essential to improving the overall survival of both locally advanced and recurrent CESC patients. Using 304 relevant samples from TCGA, we assessed immune cell function in CESC patients to better understand the status of both tumor micro-environment cells and immune cells in CESC. Functional enrichment analysis, pathway enrichment analysis, and PPI network construction were performed to explore the differentially expressed genes (DEGs). The analysis identified 425 DEGs, which included 295 up-regulated genes and 130 down-regulated genes. We established that upregulation of CCL5 was correlated with significantly better survival, meaning that CCL5 expression could serve as a novel prognostic biomarker for CESC patients. We further focused on CCL5 as a hub gene in CESC, as it had significant correlations with increased numbers of several types of immune cells. Cell-type fractions of M1 macrophages were significantly higher in the high-immune-scores group, which was associated with better overall survival. Finally, we concluded that CCL5 is a promising prognostic biomarker for CESC, as well as a novel chemotherapeutic target.     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。