动载作用下铁矿石能量耗散规律及破坏特征试验研究

为研究攀枝花铁矿开采境界内铁矿石的动力学性能,利用动静组合分离式霍普金森杆实验系统,开展 4 种典型铁矿石的动态单轴压缩试验。 以动态强度、能量耗散、碎屑分布为切入点,分析 4 种矿石的动力学响应特征。 试验结果表明:4 种铁矿石的动态强度均具有明显的率效应,随冲击速率的增加而增大;所研究冲击速率范围内,中低 品位铁矿石的动态强度显著大于高品位铁矿石和表外矿的强度;随着冲击速率的增加,单位体积耗散能随之增大,且 单位体积耗散能的增加幅度与铁矿石的品位相关;基于分形理论分析 4 种铁矿石破坏后碎屑块度的分形维数,发现碎 屑块度的分形维数随冲击速率增大而增加;最后,分析了单位体积耗散能与分形维数的关系,发现二者呈现非线性正 相关关系。     

北京市万人5G基站数全国第一

在2022年1月7日举行的北京市第十五届人民代表大会第五次会议新闻发布会上,北京市经济和信息化局副局长王磊介绍,北京市万人5G基站数全国第一,已率先实现5G+8K全产业链技术应用贯通。据介绍,当前,北京数字基础设施建设进入新阶段,现已累计开通5G基站5.64万个,实现五环内室外连续覆盖,万人基站数全国第一,率先实现5G+8K全产业链技术应用贯通。     

3D打印裂隙岩体动态力学性能及能量耗散规律初探

地下岩体结构经常遭受到地震、爆炸、冲击振动等产生的动力扰动，利用3D打印技术的优势研究冲击荷载下岩体动态力学性能对实现3D打印技术在工程领域的应用具有重要意义。采用φ50 mm的变截面霍普金森压杆(SHPB)装置，对含预制裂隙的3D打印岩体试样进行动态单轴压缩试验。研究结果表明：试样的动态抗压强度随着预制裂隙倾角的增大呈现出先减小后增大的趋势，当预制裂隙倾角为30°时试样强度最小，当预制裂隙倾角为90°时试样强度最大。与3D打印岩体试样的静态单轴压缩强度对比发现，3D打印砂性材料具有明显的率效应，当应变率为139.65 s^-1时，3D打印岩体试样的动态抗压强度是静态抗压强度的4.34倍。预制裂隙缺陷在一定程度上加剧了试样的能量耗散和破碎过程，并且30°倾角预制裂隙对试样能量耗散和破碎结果的影响程度最大。同时，3D打印岩体试样的能量耗散过程与破碎块度表现出明显的自相关性，所用的3D打印砂性材料的宏观破碎结果与能量耗散之间的关系与天然岩石材料有一定相似性，为今后3D打印材料模拟天然岩体应用于动态力学试验的可行性奠定了基础。     

基于交叉点支护设计对井巷支护效果优化

为进一步提升综采工作面生产的安全性,对交叉区段采取特殊的支护进行设计,以西铭矿22407工作面为例在分析其地质、水文、煤层等条件的基础上,对其支护现状进行分析,并从改进交叉区段掘进顺序、交叉点形式以及支护参数三个方面实现对交叉区段的特殊支护,并对最终的支护效果进行验证,取得理想效果.     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.     

工信部:2020年北京5G基站数超3.7万个,支持打造全球最大5G试验外场

1月20日,工业和信息化部科技司司长刘多出席国务院新闻发布会,就工信部在制造业和新一代信息技术重点领域对北京国际科技创新中心建设情况进行了解答。工信部正加快助力5G网络建设步伐,支持北京打造全球最大的5G试验外场,组织基础电信企业以及国内外企业开展技术研发试验。     

有机无机复合固态电解质的制备及电性能研究

本文以聚环氧乙烯(PEO)为基体,添加无机固态电解质颗粒(LA),通过超声分散法制备出电化学性能优异且具有自支撑柔性的有机无机复合固态电解质膜,并组装扣式电池测试电性能,包括离子电导率、电化学窗口、锂离子迁移数及界面阻抗,得出LA对电解质膜电性能的影响。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。     

基于多分类支持向量机的隧道挤压大变形预测

介绍了隧道挤压大变形的危害,提出了一种基于四个参数即直径(D),埋深(H),支护刚度(K)和岩石隧道开挖质量指数(Q)的多分类支持向量机(SVM)方法,对隧道挤压大变形的预测进行了研究,解决了隧道变形多分类预测问题,提高了预测精度。