铁尾矿沥青混合料基本性能及老化耐久性研究

为了避免过度使用天然砂石材料做为沥青混合料的骨料以及符合绿色发展的战略方针，采用固体废弃物铁尾矿来代替砂石材料来制备一种新型的铁尾矿沥青混合料。采用质谱仪对所选用铁尾矿进行化学成分分析，并对不同铁尾矿掺量作用下沥青混合料的针入度、锥入度、软化点、延度、粘度以及老化耐久性等方面进行了研究。研究结果表明:铁尾矿沥青混合料的较佳制备温度选定为180℃；综合经济效益和有效性确定铁尾矿的较佳掺量为30%；相对老化后的铁尾矿沥青材料而言，在同一铁尾矿掺量作用下两种不同沥青混合料老化前的针入度和延度均出现了降低的趋势，但是在同一铁尾矿掺量作用下两种不同沥青混合料老化前的软化点却出现了增大的趋势。综合分析得到:温度为180℃以及铁尾矿掺量为30%制备的沥青混合料可以满足公路的路用要求。所有沥青试样的光谱变化规律基本一致，说明了掺入铁尾矿改性沥青的结构与未掺入铁尾矿沥青的结构基本一致；但是随着铁尾矿掺量的增大，沥青的FT-IR光谱在同一波数作用下却呈现出不断减小的变化趋势，说明了铁尾矿可以有效改善沥青的物理性能。      

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

蚕丝蛋白中氨基酸的色谱分析检测方法研究

氨基酸是构成蚕丝蛋白的基础物质,氨基酸检测也是衡量蚕丝被是否增重的重要指标之一.色谱法因分析速度快、检测灵敏度高、适用范围广等特点而广泛应用于各领域.本文扼要概述了色谱法分析氨基酸的方法,包括氨基酸分析仪法、高效液相色谱(HPLC)法等,为今后的蚕丝氨基酸分析检测提供了参考.     

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...     

聚酯基硅藻土纤维吸湿排汗性能的改进

将吸湿排汗整理剂和硅藻土整理剂应用于硅藻土改性聚酯纤维上,制备具有优异吸湿排汗功能的硅藻土纤维。其工艺为:在纺丝后加工过程中,将吸湿排汗整理剂单独或者与硅藻土整理剂复配后喷洒在纤维上,经烘箱烘干,测试纤维的吸湿快干性、抗菌性和吸附性,并考察硅油对硅藻土和吸湿排汗整理剂的影响。试验结果表明,硅油对硅藻土和吸湿排汗整理剂的影响较大;吸湿排汗整理剂能够在保留硅藻土纤维原有抗菌性和吸附性的基础上,提升吸湿排汗性能,并筛选出最优吸湿排汗整理剂和最佳添加量;硅藻土整理剂与其进行复配,不仅能降低吸湿排汗整理剂用量,还能发挥硅藻土的功能性,并具有较好的耐久性。     

高地压严重突出区域下向穿层钻孔预抽消突技术

利用工作面高抽巷施工掩护顺槽掘进工作面下向穿层条带预抽钻孔,通过对钻场底板深、浅孔注浆封堵围岩裂隙解决了孔内返水不畅难题;采取了"两堵一注"封孔方式确保封孔严密不漏气;孔内全程下吹水管,实现了单孔、分组、定时吹水工作目标,提高了下向消突钻孔抽采效果,形成了一套高效、快速的下向穿层钻孔消突管理模式,实现了高地压严重突出区域煤层高效消突以及技术经济一体化目标,安全经济效益显著。     

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

基于LBT-SA的LoRaWAN信道接入方法研究

标准LoRaWAN协议中定义的纯ALOHA信道接入方法在网络负载较大时会造成大量碰撞，使LoRa网络的可扩展性和可靠性受到极大挑战。为此提出了一种将先听后说与模拟退火相结合（Listen Before Talk combined with Simulated Annealing，LBT-SA）的LoRa信道接入方法。该方法通过在设备发送之前先监听信道，降低信道被同时接入的概率，并以成功传输所需退避时间为初始值，搜索更小的退避时间。仿真结果表明，LBT-SA和基于二元指数退避算法的先听后说（Listen Before Talk，LBT）方法在包成功传输率方面保持了高度的一致，并且LBT-SA在周期传输过程中逐渐减少了不必要的退避时间，从而减少了时延。在多达10 000个终端接入单个网关的场景中，该算法的平均退避时间至少降低了16.38%。