润滑油中磨损颗粒在线监测传感器研究进展*

油液监测是判断设备健康状况和提供设备故障隐患预警的有效方法。综述了用于监测润滑油中磨损颗粒的最新各类在线传感器的基本原理,包括批量磁吸附式传感器、微流体电容传感器、金属扫描传感器、双层平面线圈传感器、超声波传感器和光学传感器等,并讨论各种传感方法的优缺点以及未来发展面临的挑战;指出了高通量、高灵敏度、能区别金属与非金属磨粒、可采集磨粒图像信息的集成式传感器是未来研究的重点,集成式、智能化、无线传输的传感器是未来研发方向。     

基于滚动摩擦作用下玉米颗粒在模拟筒仓卸料中的力链分析（网络首发、推荐阅读）

针对颗粒滚动摩擦作用对筒仓中玉米颗粒的力链空间分布进行研究，通过EDEM离散元软件建立筒仓模型与仿真玉米颗粒模型进行卸粮仿真模拟，并与筒仓卸料实验作流态对比，验证模型与仿真结果的准确性。通过对模拟仓进行切片观察和数据处理，对比分析了不同摩擦情况下力链的细观参数随时间演化规律。模拟结果表明：颗粒间摩擦系数越大，卸粮完成的最终时间越长；颗粒间滚动摩擦系数越小，颗粒由整体流转变为管状流的时间越早。对于有漏斗的筒仓来说，减小颗粒间摩擦会改变整体流和管状流之间的极限，从而增加产生管状流的面积。标准滚动摩擦系数下玉米颗粒在卸料过程中会出现起拱-塌陷效应；减小滚动摩擦，玉米颗粒卸料较稳定，未出现起拱的应力突增、以及拱塌陷的应力衰减；增大颗粒间滚动摩擦不但会增加拱效应，且出现成拱高度距离漏斗口更高。     

轻烧煤矸石混合电子含氟污泥制备混合材及其对水泥性能的影响

直接轻烧电子含氟污泥用作水泥混合材存在火山灰活性不高、标准稠度需水量大等问题，本文利用煤矸石作为电子含氟污泥的硅铝质补充来源，将电子含氟污泥和煤矸石混合后轻烧制备水泥混合材，通过强度活性指数、水泥力学强度、水泥标准稠度需水量、凝结时间、粒度分布等指标以及X射线衍射和扫描电镜等试验，探究了轻烧煤矸石混合电子含氟污泥制备水泥混合材对水泥性能的影响。结果表明:与直接轻烧电子含氟污泥制备的水泥混合材相比，煤矸石混合电子含氟污泥后轻烧制备的水泥混合材，可改善水泥的颗粒级配，降低水泥的标准稠度需水量，提高水泥混合材的活性和所配制普通硅酸盐水泥强度，但会使水泥的初凝时间延长、终凝时间缩短。     

分子膜/混合有机酸复合解堵技术在姬塬油田欠注井的应用

针对姬塬油田欠注井现象日益严重、堵塞物类型复杂造成常规酸化无法同时解除多种堵塞等问题，从堵塞物分析和解堵机理入手，研究了一种适用性较广的分子膜/混合有机酸复合解堵体系，主要由混合有机酸、新型分子膜、解聚剂和助剂组成。实验结果表明，该复合解堵体系具有优良的解堵性能，对现场垢样的溶垢率普遍能达到80%以上，对聚合物的降黏率可达到90%以上，适用于深部解堵，且能够有效避免二次沉淀的产生。现场应用效果表明，分子膜/混合有机酸复合解堵技术能够有效降低注水压力，提高日注水量，适用于大部分欠注井的地层改造。     

性能数据驱动的机械产品关键设计参数识别方法

利用运行数据识别产品设计缺陷或薄弱环节是产品开发和更新换代的主要模式,也是保证产品服役性能稳定的重要途径.提出了一种性能数据驱动的产品关键设计参数(薄弱环节)识别方法.首先,利用极限学习机算法划分运行工况,提出了基于核主成分分析和高斯混合模型的多工况性能退化评估方法,消除了工况变化对性能退化评估的影响,得到性能退化严重的关键功能模块;其次,对性能监测数据进行聚类分析,识别出与模块性能退化密切相关的关键性能监测参数;最后,建立了“性能监测参数—性能参数—设计参数”三者之间的关联关系,识别出导致性能严重退化的关键设计参数.以某大吨位履带起重机作业机构为例,验证了方法的有效性.     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

线上线下混合"计算机控制技术"教学改革

本文结合"计算机控制技术"课程的授课内容和学校的创新应用型人才培养目标,探索了一种线上线下混合式教学模式,将传统的线下课堂知识点传授与现代线上多媒体、多平台的信息共享、在线视频会议等相互融合,实践表明该教学模式有效调动了学生的学习积极性和主动性,获得了良好的授课效果.     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.