不同加载状态曲线锚索沿程预应力损失试验研究

曲线锚索沿程预应力损失是影响衬砌结构应力分布的关键因素，获取摩擦系数和偏差系数尤其重要。开展不同加载状态曲线锚索沿程预应力损失研究，建立了模型试验平台，进行了不分级加载、分级加载和分级循环加载测试，分析了锚固端和张拉端受力特征、预应力损失变化规律、摩擦系数和偏差系数取值，并结合实际工程计算了曲线锚索任意点受力值。结果表明:曲线锚索沿程损失摩擦系数和偏差系数不仅与材料自身属性有关，还受到力学加载状态影响；与不分级相比，分级加载曲线锚索平均预应力损失由 8．47％ 降低至 3．63％，且各级荷载必须给予足够停滞时间，以保持预应力传递；分级循环加载曲线锚索预应力沿程损失大幅降低，而加载时长却较久，不适宜作为常规加载方式，宜作为极个别曲线锚索预应力值不能达标时的应急处置方案。     

从本地到云端如何正确处理数据

如今,很多企业上云,只是把本地的数据技术、治理模式和安全能力迁移到云端,并没有思考如何通过真正云化的数据存储形式和技术方法,重构云端体验。什么是存储和使用数据的新方法?与传统本地模式相比,最新的数据存储方式有哪些不同?把数据从传统的数据仓库、数据湖迁移到分布式数据网格,就是现代化设计体系吗?其实,很多人都非常困惑。     

异种铁素体耐热钢接头界面组织及其影响

综述了铁素体与铁素体异种金属焊缝（dissimilar metal welds，DMWs）接头界面组织及其影响。结果表明，在焊后热处理或运行温度下的铁素体钢DMWs接头的不均匀界面组织中，通常会形成脱碳层和增碳层。在铁素体钢DMWs焊接接头界面组织影响因素中，焊缝金属的化学成分有重要影响；焊后热处理规范（温度和时间）、工作温度下运行时间的影响较为突出；焊接工艺参数的影响亦不可忽略。异种钢接头界面处近缝区裂纹的产生，以及接头的蠕变强度随Larson Miller 参数增大而下降等不利影响，均为异种钢界面碳迁移行为所导致。焊缝成分控制法是接头界面组织控制或改善的必要条件，而脱碳层部位转移法能有效防止裂纹发生，亦是接头安全运行的重要工艺措施之一。     

公路交通荷载作用下场地微振动响应分析

随着高科技电子产业的快速发展，公路交通荷载对电子厂房精密设备的微振动影响引起人们的广泛关注。为研究交通荷载以不同行驶状态在道路行驶对场地振动响应的影响，对上海某一工业园区进行满载卡车以不同行驶状态通过时引起的场地振动响应测试与分析。研究发现：改变卡车编队方式引起的场地振动响应自大到小依次为串行、并行、单车行驶；卡车行驶速度越快，引起的场地振动响应越大，衰减速度越快；改变卡车行驶方式，匀速行驶引起的场地振动响应大于制动行驶。     

基于气相色谱-离子迁移色谱分析不同贮藏方式对洋葱浆馕风味的影响

采用气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry，GC-IMS）对洋葱浆馕6 种不同贮藏条件下挥发性物质进行分析，包括低温贮藏、室温贮藏、真空贮藏、脱氧贮藏、保鲜剂贮藏和保鲜剂结合脱氧贮藏。研究表明：在洋葱浆馕中共鉴定出66 种挥发性风味物质，其中包括醇类9 种、酮类4 种、醛类18 种、酯类4 种、呋喃衍生物3 种，酸类1 种和未能识别的化合物27 种。随着贮藏时间的延长，低温贮藏和真空贮藏洋葱浆馕在贮藏期内醛类挥发性有机物基本不变，其他处理组的醛类挥发性有机物在贮藏期内变化呈降低的趋势。结合主成分分析和欧氏距离可以发现低温贮藏和其他贮藏方式的第0天挥发性物质种类和浓度较为接近，主成分分析图中点的位置也相聚在一起，说明低温贮藏馕的挥发性物质变化不明显。该研究建立不同贮藏方式洋葱浆馕挥发性气味指纹图谱，可视化出洋葱浆馕挥发性成分轮廓，为洋葱浆馕贮藏期间风味变化规律提供信息。     

基于滚动摩擦作用下玉米颗粒在模拟筒仓卸料中的力链分析（网络首发、推荐阅读）

针对颗粒滚动摩擦作用对筒仓中玉米颗粒的力链空间分布进行研究，通过EDEM离散元软件建立筒仓模型与仿真玉米颗粒模型进行卸粮仿真模拟，并与筒仓卸料实验作流态对比，验证模型与仿真结果的准确性。通过对模拟仓进行切片观察和数据处理，对比分析了不同摩擦情况下力链的细观参数随时间演化规律。模拟结果表明：颗粒间摩擦系数越大，卸粮完成的最终时间越长；颗粒间滚动摩擦系数越小，颗粒由整体流转变为管状流的时间越早。对于有漏斗的筒仓来说，减小颗粒间摩擦会改变整体流和管状流之间的极限，从而增加产生管状流的面积。标准滚动摩擦系数下玉米颗粒在卸料过程中会出现起拱-塌陷效应；减小滚动摩擦，玉米颗粒卸料较稳定，未出现起拱的应力突增、以及拱塌陷的应力衰减；增大颗粒间滚动摩擦不但会增加拱效应，且出现成拱高度距离漏斗口更高。     

基于半监督卷积神经网络的心律不齐分类

心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强了模型的泛化能力.遵循美国医疗器械促进协会标准,使用麻省理工学院和波士顿贝丝以色列医院心律不齐数据库中的数据,完成了心律不齐五分类,总准确率达到了97.9％,提升了心律不齐分类技术的现实应用价值.