海上淤泥区斜拉桥超长桩基自平衡法承载力试验研究

针对大型铁路、公路建设过程中对基础结构承载力的严格要求,为了探讨采用自平衡试桩法对承载大吨位、超长的灌注桩进行单桩竖向承载力检测的可行性,以G228国道浙江三门园里至宁海一市段跨海大桥工程为依托,计算了海上淤泥区超长桩竖向极限承载力。以旗门港特大桥、海游港特大桥的四个测试桩为典型案例,运用自平衡检测结果且结合相关规范,根据实测值绘制出上下桩段的Q-s曲线、s-lgt曲线和s-lgQ曲线,分析其上下桩段的极限承载力变化,并且根据等效转换原理作出桩顶加载Q-s曲线图,确定桩顶在极限荷载下的位移。结果表明:采用自平衡法进行检测并建立加载曲线分析,成功解决了海上淤泥区斜拉桥超长桩极限承载力研究问题。进行研究的四个主墩测试桩在等效桩顶加载下,极限承载力均未超过设计容许承载力,最大位移分别为16.45 mm、16.14 mm、10.08 mm和8.18 mm,满足施工要求。自平衡法技术在G228国道三门园里至宁海一市段跨海大桥施工中的成功运用可供同类工程施工参考。     

Nb和时效时间对热轧中锰TRIP钢中P偏聚的影响

热轧态中锰TRIP钢首先经650 ℃退火2 h,随后在550 ℃进行等温时效热处理,采用场发射扫描电镜(FE-SEM)研究该钢中P的偏聚和时效析出行为的变化情况。结果表明,中锰TRIP钢中P在晶界的偏聚是一种非平衡偏聚现象,临界时间约为50 h,与理论计算结果48 h较为吻合。在局部偏聚区域内,C与P存在共偏聚的关系,即P偏聚量高的地方,C含量也高。而合金元素Nb具有抑制P偏聚的效果,在20~70 h时效时间内,可以相对降低6.57%~19.5%的最大P偏聚量。根据电子背散射衍射(EBSD)菊池线分析,P偏聚量低于2.28at%时,P为固溶状态,高于2.28at.%时,P为析出状态。     

井下安全阀力学性能分析

井下安全阀对安全性和可靠性要求较高。以渤海油田常用油管携带式井下安全阀为分析对象,对其工作压力、地面控制压力、全开启和全关闭压力、最大下入深度和自平衡能力等关键力学性能进行分析。井下安全阀的工作压力值与地面液控压力值相等,其选取依据为井口压力; 全开启和全关闭液控压力值可通过压力曲线法得到; 最大下入深度取决于弹簧安装时的预紧力; 自平衡能力与活塞面积和自平衡孔面积的比值有关,比值越大,自平衡能力越强。     

水平衡法与高温转化法在矿泉水氢氧稳定同位素测定中的应用

为了鉴别不同品牌矿泉水标注水源地信息真伪,对11种不同品牌饮用水的氢氧稳定同位素(δD和δ18 O)进行测定。结果表明,水平衡法(GasBench-IRMS)和高温转化法(TC/EA-IRMS)的测定结果一致性较好,两种方法测定6种不同饮用水的δD和δ18 O的平均差异分别为(0.6±1.59)‰和(0.02±0.13)‰。水平衡法需要较长的制备和测定时间,但δD和δ18 O的测定精度明显优于高温转化法。11种饮用水δD和δ18 O变化范围较大,其δD和δ18 O受不同品牌饮用水的水源地降水影响形成明显的地域性。虽然无法区分矿泉水是否由其他类别饮用水伪造,但δD和δ18 O可以为特定区域(如高海拔与沿海地区)以及产地相近的矿泉水水源地鉴别提供依据。     

模糊离散事件系统基于验证器的模式故障诊断

针对模糊系统在运行过程中可能出现由多个事件触发的故障,研究模糊离散事件系统模式故障的诊断问题,提出一种基于验证器的模式故障诊断方法.先对模糊离散事件系统中最常见的模式故障,引入S类型模式故障和T类型模式故障两个概念,再分别对模糊离散事件系统的S类型和T类型模式故障的可诊断性进行形式化.为验证模糊系统模式故障的可诊断性,构造一个验证器自动机,并得到一个关于模糊离散事件系统模式故障可诊断性的充分必要条件,实现对模糊系统模式故障的诊断.     

水轮机主轴磁流体密封摩擦功耗分析

纳米磁流体在水轮机主轴密封中摩擦功耗计算及其性能一直是影响装置设计与应用研究的瓶颈。以悬浮在顺磁性载液中不平衡旋度Ω≠1/2(rotν)的纳米磁流体为研究对象,通过Langevins,Navier-Stokes方程推导,得到纳米磁流体磁粒子摩擦功耗理论计算式,并且通过试验验证,试验与计算值相符。进一步的仿真研究发现,在水轮机主轴纳米磁流体密封装置中,齿槽(波谷)与极齿(波峰)对应的磁感应强度差值ΔB_(sum)对不平衡旋度影响较大,即ΔB_(sum)越大,此处纳米磁流体不平衡旋度越明显,纳米磁流体不平衡扭矩越大、密封压差越大、密封能力越好、摩擦功耗越大,反之亦然。     

基于梯度分布调节策略的Xgboost算法优化

为了解决集成学习模型Xgboost在二分类问题中少数类检出率低的问题，提出了基于梯度分布调节策略的改进的Xgboost算法——LCGHA-Xgboost。首先，通过定义损失贡献（LC）来模拟Xgboost算法中样本个体的损失量；而后，通过定义损失贡献密度（LCD）来衡量Xgboost算法中样本被正确分类的难易程度；最后，提出了梯度分布调节算法LCGHA，依据LCD动态调整样本个体的一阶梯度分布，间接地增大难分样本（主要存在于少数类中）的损失量，减小易分样本（主要存在于多数类中）的损失量，使Xgboost算法偏向对难分样本的学习。实验结果表明,与Xgboost、GBDT、随机森林（Random_Forest）这三大集成学习算法相比，LCGHA-Xgboost算法在多个UCI数据集上的召回率（Recall）值有5.4%~16.7%的提高，AUC值有0.94%~7.41%的提高；在垃圾网页数据集WebSpam-UK2007和DC2010数据集上所提算法的Recall值更是有44.4%~383.3%的提高，AUC值有5.8%~35.6%的提高。LCGHA-Xgboost算法可以有效提高对少数类的分类检出能力，减小少数类的分类错误率。