融雪抑冰材料疏水性能影响因素研究

通过电导率测试,研究了疏水剂、偶联剂及融雪抑冰材料球磨时间对融雪抑冰材料疏水性能和沥青混合料盐分溶析的影响;采用扫描电镜观察了融雪抑冰材料的微观形貌;比较了融雪抑冰材料添加前后沥青混合料的路用性能.结果表明：疏水剂掺量（质量分数）增大,融雪抑冰材料疏水性能增强,沥青混合料盐分溶析速率减慢;偶联剂对融雪抑冰材料疏水性能影响较小,但对沥青混合料盐分溶析有一定程度的影响;融雪抑冰材料球磨时间越长,融雪抑冰材料粉体颗粒越细;融雪抑冰材料球磨时间的变化会影响到融雪抑冰材料的疏水性能和沥青混合料的盐分溶析;融雪抑冰材料粉体颗粒形状不规则,疏水剂覆盖在盐分表面上;与未掺融雪抑冰材料沥青混合料相比,掺融雪抑冰材料沥青混合料水稳定性稍高,高温稳定性和低温抗裂性略低;在降雪天气下,掺融雪抑冰材料沥青混合料具有明显的融雪抑冰效果.     

过渡金属氧化物掺杂NaAlH4放氢性能

采用PCT (Pressure-Content-Temperature)、XRD、SEM等测试方法对掺杂不同过渡金属氧化物(TiO2,ZrO2,Cr2O3,ZnO)的NaAlH4试样的放氢性能进行研究.结果表明,掺杂TiO2和ZrO2的NaAlH14试样的放氢性能较好.此外,所研究球磨工艺明显改善了NaAlH4的放氢性能.SEM结果发现,球磨3h的Zr-NaAlH4试样效果最佳,此时粉体吸附在较大颗粒四周,随球磨时间的延长,NaAlH4粉体颗粒发生团聚.XRD结果表明,NaAlH4球磨后的结构并未发生明显变化,这说明NaAlH4具有良好的稳定性.     

基于两级筛选机制及深度学习组合模型实现短时交通流预测

准确实时的短时交通流预测对现代交通管理服务体系的构建至关重要.为了充分挖掘并利用不同路段短时交通流交互作用而表现出的时空特性,构建由自相关函数、互相关函数和KNN算法组成的两级筛选机制评估与目标路段的相关性优化路段组合,实现空间信息深度挖掘;提出一种GCN-GRU组合预测模型,利用图卷积网络(GCN)全局处理路段拓扑信息的优势进一步捕捉短时交通流的空间特性,并借助门控循环单元(GRU)对时间信息的长时记忆能力提取其时间特性.利用实测高速公路短时交通流数据进行验证,仿真结果表明,采用两级筛选机制对路段进行有效筛选并引入深度学习组合模型,预测性能明显改善,优于堆栈式自编码网络(SAEs)和GRU等经典模型.     

基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位

对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本，难以同时兼顾故障类型诊断、故障定位及低成本等问题，将多传感器法与半监督学习算法相结合，构建了一种融合标签传播算法(label propagation,LP)和极端随机树(extra-trees,ET)的半监督学习算法LP-ET。为克服工程实际故障样本较少且往往缺失故障标签的问题，搭建了光伏阵列故障仿真模型获取样本，引入LP算法，基于少量含故障类型及定位信息的有标签故障样本，实现原始故障样本集全标注；继而引入ET模型，持续构建大量决策树形成极端随机树，采用多数投票机制(Bagging)获得故障类型及定位结果。实验结果表明，所提出的LP-ET模型可以在含有大比例未标注样本数据集情况下实现短路、断路、退化及遮阴故障的较高精度诊断，兼顾单组件及多组件故障，有效解决光伏阵列故障诊断及定位问题。     

低气压养护对水泥砂浆微观孔隙及抗渗性能的影响

利用低气压环境模拟箱对水泥砂浆进行养护，测试分析不同低气压(0.2 P₀、0.5 P₀、0.8 P₀、1.0 P₀,P₀为标准大气压)养护条件下砂浆的力学性能、抗渗性能、气孔结构、微观形貌和水化产物，以探明低气压养护对水泥砂浆微观孔隙与抗渗性能的影响机理.结果表明：低气压养护劣化了硬化水泥砂浆的力学性能和抗渗性能，在(0.5～0.8) P₀范围内的力学性能衰减特别明显；低气压养护下水泥砂浆的含气量增大，气孔间距系数增大，大孔所占比例增大，气孔结构显著劣化；硬化水泥砂浆的微观气孔结构对其宏观抗渗性具有显著影响，随着养护气压的降低，硬化水泥砂浆的含气量、气孔间距系数和平均孔径提高，导致其抗渗强度降低，原因包括凝胶结构、水分蒸发、水化产物以及气泡的引入等.