Prediction of Detrimental Effects of Accidental Toxic Gas Leakage from a Chemical Plant

ompcnoToxicgasleakageanddiffusiondrieqUiPmntcon-tainersandtubesdamagedduringearthqUakeInakestheplantanditSsurmundingstovic,andalethalconcentra-tioncanbereachednearsourceanddownwindarea.TokicgasleakagmaynotnecessarilybecausedbydaxnageqUiPment,containersortubes,andIninordaInagofcriticalcOInponentSintoticgasstompandbospor-tationcancausetoticgasleakageinlWvolume,forexaInle,thedisasterhappenedinBoPar,Indiawascausedbytox-icgasleakagethIDghvalvefordbyhighinteriorpre-ssme.Bytoalcgas,wemeanchend…     

混合序列的强大数定律

讨论了混合序列的Kolmogorov强大数定律,并推广到了在一类广泛的条件下的不同分布的情形。     

电动汽车复合电源在环测试平台研究概况

电源是电动汽车动力系统的核心部件,复合电源技术已成为现代新能源电动汽车发展的关键技术之一.介绍了电动汽车及车载电源的发展,阐述了复合电源性能测试研究方法,分析比较了国内外复合电源性能测试平台的研究现状,提出了复合电源性能在环测试平台存在的问题.     

单试样三点柔度法测金属材料JR曲线及其条件起裂值

在单试样卸载柔度法及单试样三曲线法基础上,提出了一种更简便的测定金属材料ＪＲ曲线及其条件起裂值的单试样三点预先度法,并用该方法测定了１Ｃｒ１／２Ｍｏ钢、１６ＭｎＲ风和ＷＣＦ６２钢的ＪＲ曲线及其条件起裂值,与标准的多试样法相比,误差均在工程许可范围内。     

基于Web的谈判支持系统的研究与开发

论述了谈判支持系统的有关理论、应用现状以及存在问题，并通过对一个基于Web的谈判支持系统的分析提出了一种解决问题的新思路。     

圆柱谐振腔式MPCVD装置中氢、氩微波等离子体分布规律的数值模拟

在使用简化的等离子体放电模型的基础上,模拟了圆柱谐振腔式微波等离子体沉积室中,不同金刚石膜生长条件下微波等离子体的分布状态。在模拟中,针对纳米金刚石的生长环境,就纯氩气反应气体中,不同的输入功率、不同气体压力条件下,沉积室中形成的等离子体分布的变化规律进行了模拟,将其与一般氢气气氛下的相应模拟结果相对比。模拟所获得的结果,对微波等离子体方法沉积金刚石膜的操作环境的优化,有着一定的指导意义。     

液阻理论在剪板机液压系统中的应用

以剪板机液压系统出现执行元件运动速度慢及油温升高快等故障现象为例,应用实验测试的手段并通过数据分析及理论计算,找到了溢流阀稳态偏差大的原因及其使用中应注意的问题.     

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用.在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段.该文讨论了神经网络在图像源识别中的应用方法...     

模数式桥梁伸缩装置疲劳试样尺度研究

为了研究模数式桥梁伸缩装置采用单跨试样代替三跨试样进行疲劳试验的可行性,首先采用力学简化模型对伸缩装置主要构件两种受力情况进行分析,再利用Ansys分析软件分别建立了整体加强320伸缩装置单跨试样与三跨试样的有限元模型,对伸缩装置进行强度对比分析.结果表明:在同种加载情况下,单跨模型中梁最大应力较多跨模型大,而多跨模型...     

基于车载环境的交通目标跟踪

针对车载环境下小目标难以识别和相机动态移动造成的目标跟踪精度下降问题, 提出一种基于改进YOLOv5与ByteTrack的交通目标跟踪方法. 首先, 引入Transformer与加权特征金字塔(BiFPN)结构的思想重构YOLOv5检测网络, 有效捕获了特征的全局依赖关系, 缓解了深层卷积小目标信息丢失问题, 改善了车载环境下的目标检测性能. 此后, 以ByteTrack为基础提出了添加相机移动补偿的CMC-ByteTrack跟踪方法, 更精准地描述了视频前后帧的数据关联关系, 提高了相机大幅位移时的跟踪精度. 实验结果表明, 改进YOLOv5的平均检测精度(mAP)达到了82.2%, 相比原算法提高了3.9%, 与CMC-ByteTrack结合后的跟踪准确性(MOTA)相比改进前的跟踪方法提高了2.8%.