充填工作面上覆岩层碎胀特性实验研究

为分析充填工作面的覆岩碎胀特性,以西马煤矿1326工作面为研究对象,采取现场取样,实验室测试的方法进行深入研究。设计垮落岩层碎胀系数的实验方案,制成4组原始块度组成的试样,最终确定垮落岩层的碎胀系数为1.450。设计残余碎胀系数及断裂带膨胀系数的实验方案,选择自制的实验装备,最终确定残余碎胀系数为1.074,膨胀系数为1.022。实验结果对计算充填开采过程中的覆岩破坏高度具有理论参考价值。     

基于边图的线性流重叠社区发现算法

重叠网络的社区发现是复杂网络研究中的重要问题。为了提高网络中重叠社区发现的时间效率，提出一种基于边图的线性流重叠社区发现算法LBSA。算法首先对于边图网络中的边进行随机的依次处理，完成节点的初步社区划分，再将其中重叠小社区合并到相似度最大的其他大社区中得到最终的社区。通过以上步骤，算法能够以接近线性的时间复杂度得到网络的重叠结构。从最终的实验结果来看，与其他算法相比，该算法能够在更短的时间有质量地发现网络中的重叠社区。     

美尔谱系数与卷积神经网络相组合的环境声音识别方法

通过对复杂环境下声音识别技术进行研究，本文提出了美尔谱系数（MFSC）与卷积神经网络（CNN）相组合的环境声音识别方法。对声音事件提取其MFSC特征，将特征参数作为输入送入设计好的CNN模型中对声音事件进行分类。实验数据集采用ESC-10，将构建的卷积神经网络模型与随机森林、支持向量机（SVM）、深度神经网络（DNN）及DCASE比赛中常用的三种识别模型进行对比实验。实验结果表明，在相同数据集下，本文所设计的美尔谱系数与卷积神经网络相组合的环境声音识别方法相较传统的声音识别方法在识别率上分别有13.1%，18.3%，15.7%的提升，相较于DCASE比赛中的三种常用识别模型，本文所设计识别模型识别率及识别效率均有明显的优势。      

小样本加速寿命试验方法

针对工程上常见的加速寿命试验中加速系数未知的情况,建立一种小样本加速寿命试验方法,该方法只需在两个加速应力水平下进行加速寿命试验,即可对产品在正常使用应力水平下的寿命和可靠性进行评估。根据正常使用条件下的可靠度和置信水平要求,采用两个加速应力水平下具有相同可靠度和置信水平的寿命单侧置信下限之比作为加速系数,该加速系数考虑了可靠度和置信水平的影响,在推断正常应力水平下的可靠寿命和可靠度单侧置信下限时,可以有效减小误差,提高精度。文中详细讨论了阿伦尼斯模型、逆幂律模型和指数模型等三种常用加速模型下的加速系数、寿命预测和可靠性评估。大量工程算例和Monte Carlo模拟验证表明,传统方法需在多个加速应力水平下进行寿命试验,与之相比,本文方法可以节省大量试样和试验时间。     

跌坎式底流消力池边墙突扩宽度对池长的影响研究

对于山区峡谷,底流消能工长度方向工程布置往往受限。通过水工模型试验,研究跌坎深度10cm,跌坎式底流消力池边墙突扩宽度变化时,池内水流流态、底板时均压强及脉动压强不均匀系数的变化对消力池池长的影响。成果表明:流量Q=12L/s,相对于传统的底流消力池,突扩宽度由5cm依次增加到10、15、20cm时,消力池池长缩短长度分别为24、27、29cm。