DNAN及TNT基熔铸炸药综合性能比较

为了对比载体炸药2,4,6-三硝基甲苯(TNT)和2,4-二硝基苯甲醚(DNAN)、以及以它们为基的熔铸炸药的综合性能,系统研究了DNAN和TNT、以及DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的流变、能量、安全、以及力学等性能。结果表明:载体炸药DNAN(6.87 m Pa·s)的粘度低于TNT(9.05 mPa·s),DNAN/HMX熔铸体系的极限固含量(约80%)高于TNT/HMX熔铸体系(约75%);DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的爆速分别为8336 m·s~(-1)和8452 m·s~(-1),爆压分别为31.03 GPa和31.44 GPa;在1 K·min~(-1)的慢速烤燃条件下,DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的响应等级分别为燃烧反应和爆炸反应;在4.51GPa的冲击波入射压力条件下,TNT/HMX(25/75)在8～12 mm内达到完全爆轰,而DNAN/HMX(20/80)在12 mm内未能达到完全爆轰;DNAN/HMX(20/80)的抗拉和抗压强度均大于TNT/HMX(25/75)。因此可以得出结论,在能量性能基本持平的情况下,DNAN/HMX(20/80)熔铸炸药的安全及力学性能优于TNT/HMX(25/75)熔铸炸药。     

用于疏浚工程泥浆密度测量的电阻层析成像技术

江河湖海疏浚工程对于拓展和保障航运安全、促进生态恢复、维护/改善远海岛礁环境具有不可或缺的作用.目前,在绞吸和耙吸疏浚船上,多采用射线密度计及电磁流量计对输泥密度、产量等进行在线计量,并作为实现疏浚系统自动控制的重要参量.由于射线密度计潜在的人员健康、公共安全和环保风险,在一些国家和地区已建立了放射源的有序退出机制.电阻层析成像使用安装于管壁的电极阵列获得管道内流体的电导率分布,进而推导出管道内的泥浆密度,具有无辐射、全场测量及实时可视化的优点.电阻层析成像测量系统经过特殊设计,可适应从内陆淡水到海水的巨大电导率变化.初步测试表明,电阻层析成像测量数据与射线密度计具有良好一致性,具备了作为在线泥浆密度测量的可行性.此外,ERT可提供实时的流动成像,对于提高对疏浚管道监测能力和降低堵管概率具有重要意义.     

电喷雾质谱法示踪钨回收过程离子的转化路径

将环隙式离心萃取器(ACCs)与电喷雾飞行时间质谱(ESI-TOF-MS)相结合，在线监测了回收过程中的钨萃取行为(宏观)和钨形态的转化路径(微观)，发现宏观萃取反应和微观离子形态转化同时发生并相互补充。伯胺N1923萃取钨在144 s内即可达到萃取平衡，萃取率高达98%以上，同时，酸钨比n(H)/n(W)是一个关键变量，当酸钨比n(H)/n(W)=2.4时，全流程钨回收率超过93%。最后，得到了基于钨形态监测的萃取机理，同时，减少原料液中W1含量，增加W10含量，可有效提高钨回收效率。     

一种使用多跳事实的端到端知识库实体描述生成方法

自动化实体描述生成有助于进一步提升知识图谱的应用价值,而流畅度高是实体描述文本的重要质量指标之一。该文提出使用知识库上多跳的事实来进行实体描述生成,从而贴近人工编撰的实体描述的行文风格,提升实体描述的流畅度。该文使用编码器—解码器框架,提出了一个端到端的神经网络模型,可以编码多跳的事实,并在解码器中使用关注机制对多跳事实进行表示。该文的实验结果表明,与基线模型相比,引入多跳事实后模型的BLEU-2和ROUGE-L等自动化指标分别提升约8.9个百分点和7.3个百分点。     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

基于高频损耗比的干式空心电抗器制造缺陷检测方法及应用探讨

本文通过分析电抗器因制造工艺导致少匝和极限工艺偏差时600Hz损耗,提出高频损耗可作为电抗器制造缺陷的检测手段及其适用范围,并以600Hz的实测损耗与理论损耗之比是否超过1.5作为判据,以同组任两台损耗之比是否超过1.5作为辅助判据,同时列举应用实例.     

结合优化支持向量机与K-means++的工控系统入侵检测方法

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.