变开度的岩体裂隙网络非稳定渗流数值分析

根据裂隙的几何特性所服从的分布特征,利用Monte-Carlo方法模拟岩体裂隙网络分布以及裂隙张开度.基于裂隙岩体网络非稳定渗流数学模型,编制程序并通过工程算例进行分析比较.结果表明：运用Monte-Carlo方法模拟岩体裂隙网络分布状况是比较好的方法;变开度时岩体裂隙渗流有明显的偏流效应现象,裂隙变开度时其滞后效应比等开度时更加明显;在变开度条件下,当上下游水头差较大时,水头分布变化受张开度的影响较大,不宜忽略,当上下游水头差较小时,影响非常小可以忽略.     

合成氨及尿素冷凝液的回收利用

介绍赤天化冷凝液的回收利用并对该工艺技术经济评价，指出其优点和不足，同时提出改进方向。     

主应力方向对饱和松砂不排水单调剪切特性影响的试验研究

利用大连理工大学新开发的“土工静力–动力液压–三轴扭转多功能剪切仪”,针对相对密度为30%的福建标准砂,在不排水条件下控制试验过程中主应力方向、中主应力系数、平均主应力保持不变,进行了单调剪切试验。以此着重探讨了主应力方向对有效内摩擦角、有效应力路径及应力-应变关系的影响。研究表明,主应力方向对在不排水条件下饱和松砂的单调剪切特性具有显著影响。     

深水立管顶端柔性节点设计及非线性分析

本文结合南海"荔湾3-1"深水油气田的环境特征,深入研究SCR立管顶部柔性节点的内部结构,详细分析了波纹管、弹性体等主要部件及其相互作用。以0.3048m立管为例,设计出符合荔湾1500m水深的耐高温高压柔性节点。用ABAQUS有限元分析软件对其进行了非线性分析及强度校核,并对比分析了传统柔性节点,得出耐高温高压柔性节点更符合深水等复杂环境的要求。     

大断面连铸圆坯中心裂纹的成因和控制研究

针对某钢厂 Φ600 mm AISI4130钢连铸大圆坯存在的中心裂纹,通过低倍观测到裂纹分布在V型偏析区内,采用原位分析发现中心主要为碳、硫偏析,采用扫描电镜观察裂纹形貌发现裂纹为凝固前沿卵形树枝晶开裂形成的空隙,分析裂纹成因是凝固末期低熔点元素富集芯部,同时凝固收缩使铸坯中心产生较大的拉应力使卵形树枝晶开裂.运用A...     

增氮析氮法生成气泡去除钢液中显微非金属夹杂物

为了进一步完善增氮析氮法生成气泡去除钢液中显微非金属夹杂物技术,研究了真空处理时间、充氮压力、气体类型等因素对钢中全氧和显微非金属夹杂物的影响.结果表明:减压处理过程中,钢液中非金属夹杂物可为过饱和气体氮气形成气泡提供非均相形核核心;增氮析氮法可有效地降低钢中全氧,去除钢中显微非金属夹杂物;真空处理时间越长,钢中全氧和显微非金属夹杂物数量越低,当真空处理时间为30 min时钢中全氧去除率达到了81.6%,而且全氧质量分数最低达到7×10^-6.     

真空下钢液中气泡析出尺寸分布特征的水模型研究

增氢析氢法是近年来提出的一种钢液中有效去除夹杂物的新技术。该技术利用析氢过程中生成的微小气泡将夹杂物粘附去除,达到净化钢液的目的,其中析出气泡的尺寸是影响该技术的关键因素。通过采用水 /O₂体系模拟钢液 /H₂体系,对不同溶气量、真空度以及溶液深度下的气泡尺寸进行研究,利用 MATLAB 软件对析气过程中气泡生长尺寸进行计算,得出不同因素下的气泡生长的规律。从理论角度对实验结果进行分析和讨论,结果表明 ：溶氧量增加、真空度降低以及溶液深度减小都会促进气泡生长,使统计得到的气泡尺寸增大。     

考虑渗流热学效应的大坝稳定温度场有限元数值分析

在利用有限元法求解二维稳定温度场的基础之上,推求了渗流影响下的二维稳定温度场的有限元计算格式,编写相应程序计算温度场内各节点温度值,最后运用程序对一简单工程算例进行有限元法分析。结果表明．一般情况下,当渗透系数K≤10^-9m/s的时候,可以不考虑渗流对温度的影响;但是当渗透系数K〉10^-91/s的时候,就必须考虑渗流对温度的影响。     

产白藜芦醇大肠杆菌基因工程菌的构建

利用降落重叠延伸PCR和连接酶连接的方法,构建了组成型表达载体pMD18-VvRs-At4cl,该表达载体带有大肠杆菌甘油醛三磷酸脱氢酶启动子（pGAP）,拟南芥（Arabidopsis thalianna）4-香豆酸辅酶A连接酶（At4CL）基因和葡萄（Vitis vinifera）白藜芦醇合酶（VvRS）基因。表达载体转化大肠杆菌BW27784,并通过PCR鉴定和酶切鉴定后,获得重组菌株。对重组菌株进行发酵培养,对发酵液进行HPLC检测,发酵液中白藜芦醇含量为4.51mg/L。这表明,拟南芥的4cl基因与金手指葡萄的rs基因在重组大肠杆菌中成功得到了表达,并且表达产物利用对香豆酸为前体物质合成了白藜芦醇。      

基于模型自适应选择融合的智能电表故障多分类方法

智能电表故障的准确分类能大幅提高用电采集系统运维能力。融合多个分类模型的机器学习算法是解决该问题的有效手段,但现有方法无法解决输出分别为样本所属各类别概率值和类别标签的两个基分类模型融合问题。提出一种基于模型自适应选择融合的智能电表故障多分类方法。首先,分别取各基分类模型对各类样本分类准确率最大值,将其与阈值系数的乘积作为该类样本准确率阈值,实现阈值自适应调整;然后对各类样本分别计算基分类模型的准确率差值,与阈值进行比较设置样本融合标记;最后根据该标记选择参与融合的基分类模型,结合输出为概率值的基分类模型的Top-N分类标签集,得到模型融合结果。在10组KEEL公共数据集上验证了所提融合方法的有效性,且融合后准确率较基分类模型均有稳定提升,最大提升4.62%;以近年采集的智能电表故障数据为基础,对比实验表明,所提算法能够明显提高故障分类准确率。