煤矸石粉/聚酯纤维沥青混合料盐冻损伤研究EI北大核心CSCD

针对煤矸石粉替代率50%、聚酯纤维掺量0.4%的沥青混合料,开展盐冻耦合作用(NaCl溶液质量分数为0%、7.0%、13.0%、26.5%,冻融循环次数为0、2、4、6、8)下的半圆弯曲(SCB)试验,分析了盐冻耦合作用对SCB试件内部损伤劣化过程的影响.结果表明:NaCl溶液质量分数为13.0%、冻融循环为8次时,盐冻耦合作用对沥青混合料的侵蚀破坏作用最强,试件内部损伤最严重;在煤矸石粉与矿粉质量比为1∶1、聚酯纤维掺量为0.4%的条件下,沥青混合料能够形成高黏性、致密、厚实的沥青膜以及由纤维形成的三维网状结构,从而显著降低盐冻侵蚀对沥青混合料的损伤.通过Poly2D模型对SCB试件的极限拉应力损伤量进行拟合,拟合系数为0.944.     

钢铁企业生产过程碳排放核算模型的研究及应用

钢铁行业是我国国民经济发展的基础产业，同时也是高耗能、高排放行业。作为中国能源消费和碳排放大户，随着低碳经济的兴起，其面临的节能减排压力与日俱增。企业精准掌握碳排放量及排放强度、充分了解在生产过程中的影响制约因素，为制定合理的节能减排方案提供充分依据。通过对钢铁企业影响碳排放量的因素进行分析，建立企业碳排放核算模型，实现让管理者对于碳排放量了然于心。根据长时间的模型计算结果进行分析，有利于钢铁企业找到切实可行的节能减排方案。     

一个具有前向安全和后向安全的可验证多关键字可搜索加密方案

随着现代社会软硬件技术的快速发展，云计算技术对于客户端的数据存储和计算提供了巨大的帮助，为用户节省了大量成本.而在存储的同时，用户可以通过可搜索加密（SE,Searchable Encryption）技术，对存储数据进行加密搜索，同时确保数据的安全性和搜索隐私性.本方案使用公钥加密实现了数据拥有者和数据使用者之间的多关键字可搜索加密，数据使用者搜索时以出现频率最少的关键字作为主关键字进行加密搜索，并且云服务器对每个索引密文只需要一次计算即可得到准确的多关键字搜索结果，最大程度降低了无关文件的访问，节约了大量时间成本.而在存储和搜索过程中，我们认为云服务器是诚实且好奇的系统，它会诚实地为用户存储数据，并正确执行存储和计算过程，但是其会对存储的数据产生好奇感，即窥探用户的数据，并且对每次的搜索结果很感兴趣.为减少多关键字可搜索加密方案的信息泄露，提高安全性，提出的方案具有前向安全和后向安全的特性，在动态更新时为每次更新的状态创建一种隐式结构，使得云服务器只需要保存最新一次的更新状态就能保证对所有数据进行搜索，并且每个更新状态只保存前一次更新状态的信息，实现了前向安全性;通过将每次对文件的更...     

深水管道防腐涂层耐热水浸泡试验设计及应用研究

某深水管道工程在进行补口防腐层热水浸泡试验中发现管道主体 3LPP防腐层脱落的情况，对主体防腐层和补口防腐层耐热水浸泡性能的要求及实验等进行失效分析。通过对 3种不同质量的主体防腐层分别取环状试样和片状试样开展了 7d、30 d和 100 d热水浸泡试验。结果表明：延长热水浸泡试验周期更容易发现涂层质量问题，片状试样较环状试样更容易出现脱落，质量良好的防腐层受试样形式和浸泡周期的影响较小。为了更好地保障海底管道涂层质量，基于标准比对和试验结论对海底管道主体防腐层提出了 100 d热水浸泡的指标要求。     

排水管道瞬变流的SWMM模拟能力研究

暴雨洪水管理模型（SWMM）在城市雨洪管理中发挥了重要作用，但对其模拟排水管道瞬变流的能力研究较少。针对排水管道中有压水力瞬变情况，以经典特征线法为参照，对SWMM的模拟能力进行了分析及改进。计算结果发现，原SWMM模型对排水管道快速有压瞬变流的模拟能力较差。为此，提出了“设置虚拟节点、修改Preissmann狭缝宽度”的改进方法，可有效提高SWMM模拟瞬变流的计算精度；同时，进一步分析了空间步长、波速、管段管径比、CFL稳定性条件、收敛精度及节点最小表面积等关键参数对模拟准确度、稳定性、计算效率的影响，并给出了建议取值范围。     

0?1膨胀负二项回归模型在COVID?19疫情分析中的应用

在公共卫生等应用领域，经常会同时出现零观测值、一观测值较多的情况. 为更好地拟合这类数据，采用0?1膨胀负二项分布及其回归模型进行分析. 在数据扩充基础上，结合Pólya?Gamma潜变量对模型参数进行贝叶斯推断. 最后，对我国湖北省2019冠状病毒病(COVID?19)死亡数据集进行分析. 研究表明，0?1膨胀负二项回归模型能够达到更好的拟合效果.     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。