酸性服役管线管BNS力学及耐腐蚀性能研究

文章介绍了包钢钢管公司酸性服役管线管BNS成分设计要求,对材料的拉伸性能、冲击性能、组织以及耐腐蚀性能进行了检测和分析,正火处理后,材料具有良好的力学性能和抗腐蚀性能.试验结果表明,设计的BNS完全能满足酸性服役条件下管线管性能要求.     

“杂货铺”:生命中所能承受的光

正虽然名为"杂货铺"(Haberdashery),英国Haberdashery设计工作室的葫芦里卖的却不是我们印象中的日常用品。比如,工作室的两位创办人本·里格比(Ben Rigby)和麦克·考克斯(Mac Cox)主导的设计案都与照明有关,并横跨了产品、雕塑和装置三个领域。这不禁让人好奇:"杂货铺"之名出自何处?"我们当年的工作室位于伦敦东区的Haberdashery街,‘杂货铺’传统意义上是一种为制造     

成田国际机场第三旅客航站楼 日本千叶

<正>通过设计创造崭新价值因国际关系、恐怖主义、航空公司经营战略等各种因素的巨大影响,成田机场一直不断进行新陈代谢和扩容改建以顺应时代需求。随着新商业模式LCC的兴起,新的航站楼计划被提上日程,始建于20世纪的成田机场,为更好地适应21世纪环境变化,也在发生着种种改变。虽然LCC航空本身存在低成本和廉价服务等负面因素,但也提供了航空也可如快销时尚般的新价值观,为旅客根据自身需求提供更多选择。我们将航站楼打造为运动场,让旅客化身为选手,自行选择使用方法。导航旅客的"跑道"采用真实跑道材料,并采用世界通用图标进行指示,旨在为乘客带来超出指示的交流互动。     

合金组元过量焓与真空蒸馏气液相平衡的关联

基于Wilson方程，通过组元的摩尔体积和无限稀偏摩尔过量焓获得Wilson方程的相互作用参数，预测了Sn-X（X=Bi, Cd, Ga, Ge, In, Pb, 和 Sb）体系在5 Pa时的VLE（气-液平衡）相图。结果表明预测值与实验数据具有很好的一致性，在缺乏组元活度的情况下，该方法可以有效预测合金真空蒸馏的气液平衡，为粗金属的真空分离与提纯提供理论指导。     

水电工程下泄生态基流常用计算方法及软件开发

为了分析及确立生态基流,为水电工程环境影响评价提供依据,针对水电工程生态基流估算及决策过程繁复等问题,以2001—2015年水电工程环境影响评价及相关法律法规为基础,分析我国生态基流管理实践中使用最广泛的4种计算方法,即Tennant法、月基本流量法、最小流量法及7Q10法,并编制生态基流决策支持软件,并应用软件在汉江流域进行实例验证。结果表明,该软件能够提供多种计算方法及对比分析功能,可为水电工程下泄生态基流计算及决策提供计算平台。4种计算方法在汉江流域计算结果差异较大。总体而言,干流适合最小流量法及Tennant法,支流适合Tennant法。研究成果具有较大的实际应用和推广价值。     

杂质离子对锰电解电流效率的影响

以自制电解液为研究体系,考察了几种杂质,如福美钠、硫化钠、铈离子、磷酸根离子和氟离子等对电解锰电流效率的影响。结果表明:铈离子(Ⅳ)在一定浓度范围内对锰电解电流效率影响较小;硫化剂SDD和硫化钠的存在不仅会造成电流效率下降,还会造成电解锰质量下降,引起产品出现起壳、发黑、含硫量增加等问题;氟离子和磷离子的存在也会造成电流效率急剧下降,而且会严重腐蚀阳极板,造成阳极板工作效率下降、使用年限缩短,致使生产成本升高,严重时使电解过程不能正常进行。     

考虑流固耦合的管道机器人冲击环焊缝过程动力学建模与分析

以管道机器人（Pipeline inspection gauge，PIG）为载体的内检测技术是保障油气管道安全运输的重要手段。针对管内高压流体作用下，管道机器人在冲击管内环焊缝过程中产生的动力学行为突变问题。建立了管道周向受限空间中基于Kelvin弹簧阻尼的管道机器人密封盘等效动力学模型，结合管道机器人本体建立了多体系管道机器人动力学模型；详细推导了管道机器人轴向振动微分方程，以及管内流体的流动方程；并使用Matlab/Simulink与Adams进行流固耦合仿真，作为重要的工艺参数之一，研究了管道机器人速度改变时，其在冲击环焊缝过程中的动力学响应情况。结果表明：所建立的密封盘及管道机器人动力学模型能够很好地表征密封盘在管道轴向、径向以及周向的力学特性；运行速度越快，管道机器人通过环焊缝引起的轴向振动越剧烈，冲击振动越明显；而垂向和俯仰振动现象随运动速度增大而显著减弱。     

CL-RBF：一种基于改进ML-RBF的蛋白质亚细胞多点定位预测算法

综合考虑标记内和标记间的聚类结果对多目标学习径向基神经网络算法(RBF Neural Networks for Multi-Label Learning,ML-RBF)的影响,提出CL-RBF算法并应用到蛋白质亚细胞多点定位预测中。通过引入轮廓系数(Silhouette Coefficient)对ML-RBF隐层中心的个数进行优化,并通过分析标记间聚类结果的关系,对小于某一阈值的标记间的聚类中心重新聚类,使用梯度下降算法进行参数调整,最后依据测试样本与标记L的隐层中心和不属于标记L的样本生成的聚类中心的欧式距离差调整预测结果。在10折交叉验证下,采用词袋模型(Bag of Words)和氨基酸组成法(Amino acid composition,AAC)结合的方式提取特征向量,选取另外4种多目标学习算法作对比实验,根据不同评价指标的结果,得出CL-RBF算法在4个多标记数据集上的综合性能最优的结论。本研究预测算法通过网站https://njau.applinzi.com/homepage_final.jsp实现。