厚大铁矿体崩落法开采围岩移动规律研究

以程潮铁矿西区崩落法开采为工程背景,基于近8年的GPS监测数据、现场地表破坏情况及相似材料模拟实验,对矿区围岩的塌陷及移动规律进行了分析。研究表明,井下开采引起的地表移动具有延时性、移动角发展具有跳跃性等规律,开采引起的围岩移动分为采空区覆岩塌陷阶段及周边围岩向采空区的倾倒破坏阶段。第1阶段垂直应力起到了主导作用,表现为有规律的桶形垮落,第2阶段水平构造应力起主导作用,可采用悬臂梁的力学结构进行表述。根据围岩移动机理的分析,将程潮铁矿围岩移动分成垂直陷落区、倾倒滑移区、倾倒区、变形区、变形累积区、未扰动区等6个区域。本文的研究成果可为类似金属矿山崩落法开采的地表移动规律预测提供了理论依据。     

基于特征模分析的1-bit转极化反射超表面阵列设计

基于特征模理论分析了反射超表面单元模式特性和散射参数的关系,提出了一种仅需2个开关结构同时实现1-bit相位调控和转极化的单元结构,仿真分析表明单元工作带宽在26～ 33 GHz,并基于此设计了工作在Ka波段的波束倾角为0°和60°的1-bit转极化反射阵列.测试结果表明阵列可工作在27～ 33 GHz,最大增益分别为...     

智慧城市标准化路径研究及建议

自2013年起,智慧城市标准化工作在相关主管部门的指导下持续推进。中国电子技术标准化研究院积极响应智慧城市及相关领域国家战略要求,联合业内相关机构持续深耕智慧城市标准研究与应用,在标准体系顶层设计、国际标准化合作、标准研制与验证实施等方面取得了一系列积极进展。这是智慧城市标准化工作稳步前行的十年,也是中国电子技术标准化研究院相关工作不断取得突破的十年。站在数字化转型不断加速的新时期,下一步将继续以标准为抓手,助力智慧城市高质量发展,为国家现代化治理体系和治理水平提升做出贡献。     

基于同态加密的医疗数据密文异常检测方法

为了避免电子健康数据(electronic health records, EHRs)在异常检测过程中泄漏患者信息和诊断结果等问题,针对医院与患者敏感数据的隐私保护,提出了一种基于CKKS全同态加密的EHRs异常检测隐私保护模型.将医院以及患者的EHRs由CKKS算法实现浮点数同态加密,设计一个基于密文比较算法的协议,通过可信密钥服务器与第三方数据中心之间的通信建立密文态孤立森林模型.并利用CKKS算法的SIMD技术,实现密文数据在孤立森林模型上的异常检测,最终返回密文结果.理论分析和实验结果表明,所提出的方案能够保证EHRs的隐私安全.并且在不同的EHRs数据集上验证,该模型优于传统的明文异常检测算法和同类型密文异常检测算法,且在密文态上能够保持和明文孤立森林算法相近的检测效率,有较好的异常检测效果.     

篮球用聚氨酯树脂材料的制备及其性能研究

聚氨酯树脂材料作为篮球制作的首选，能够满足篮球的性能要求，而且节能环保。本文从篮球用聚氨酯树脂材料的制备入手，分析了这一材料的性能。结果发现，聚氨酯树脂材料不仅具有较好的基本性能，其抗紫外线及老化方面也具有较强的优势，在各种介质溶液下具有较好的耐受性。     

IGCT三电平变流器故障识别及状态监测方法

针对以IGCT为核心的中压三电平变流器短路故障保护以及运行过程中主回路器件参数变化监测的问题，提出一种同时实现IGCT三电平变流器故障识别及主回路运行状态监测方法。通过硬件电路检测其电感后端的电压波形并结合器件开关状态来预判是否发生短路故障，筛选电压波形数据中峰值电压与峰值电压时间作为特征值，推导主回路电气参数与峰值电压、峰值电压时间关系，形成对应数据训练神经网络权重构建数值拟合观测器，将实时采样波形数据输入数值拟合观测器在线辨识变流器主回路参数，实现当器件因虚焊、老化、发热等异常原因导致参数变化时予以报警提示。     

基于变参数KIM方程的石嘴山矿区煤层甲烷含量预测研究

采用变参数的KIM方程对石嘴山矿区太原组和山西组中低成熟度煤岩煤层含气量进行预测，研究结果表明受沉积环境的影响，石嘴山矿区陆相山西组煤岩表现出高水分含量、高灰分产率和低固定碳含量的煤质特征，且山西组煤岩无机矿物含量高于太原组煤岩，这是导致山西组煤岩甲烷含量和吸附性能与太原组相比略低的主要原因之一；采用变V_w/V_d参数和变温度常数b对石嘴山矿区煤岩进行了基于KIM方程的甲烷含量预测研究，结果表明，基于变参数的KIM方程的煤岩含气量与实测煤岩含气量误差为1.93%～16.18%,而基于朗缪尔(Langmuir)方程反推的煤岩甲烷含量普遍较高，因此使用变参数KIM方程在预测煤岩含气量方面更具优势。     

加压流体萃取仪应用及质控需求分析

加压流体萃取仪作为一种高效前处理技术，广泛应用于环境监测、农残检测、食品、药品检测的前处理。该仪器的关键参数对萃取回收率及最终检测结果具有重要影响，存在迫切质控需求。本文结合加压流体萃取仪工作原理、应用场景及关键影响因素分析，并依据其特性，提出了质控需求。     

基于机器学习的SDN异常流量检测架构

针对SDN网络中控制器容易受到DDoS攻击导致CPU资源耗尽的问题，提出一种基于机器学习的SDN异常流量检测架构。根据DDoS攻击在通信、频率等方面的特性从流表中提取相关联的七维特征，使用互信息法筛选出四维最优特征子集，结合集成投票算法检测异常流量，利用SDN转控分离的独特性质提出多目标流路由方案，为正常流量分配高带宽、低延迟的优化路径。实验结果表明，提出架构能及时准确检测到DDoS攻击，集成投票算法在时间开销和CPU平均利用率方面有较好改善。