浅谈客运机车走行部风险调研及对策

针对机车走行部关键部位存在的风险及日常机车运用和检修存在的问题,进行了调查分析并提出预防对策,保证了机车走行部的运行安全。     

水资源承载力分析研究

水是人们生存必不可少的资源,是生产与生活的基础,但水资源短缺,时间、空间分布不均,利用率低,已成为制约各地经济可持续发展的重要因素之一。本文所选研究区域——昌宁县正处于经济快速发展时期,水资源承载力将会影响其发展,文章综合文献分析和实际调研数据,运用科学的方法进行水资源的承载力分析,结果表明:昌宁县水资源承载力目前与社会经济的发展相适应,但远期将会有所不足,因而要求协调人与自然的矛盾,促进昌宁县的可持续发展。     

古建筑木结构透榫节点力学模型研究

为研究古建筑木结构透榫节点的M-θ力学模型，在分析透榫节点构造特征与受力机理的基础上，建立其数值模型，用透榫节点的试验数据验证了该数值模型的正确性，并分析了节点缝隙、木材横纹弹性模量和大榫头长度对透榫节点受弯承载力的影响。根据受力分析结果，建立以弹性点、屈服点与极限点为特征点的三折线多参数M-θ力学模型，其结果与多数的试验结果基本吻合，并将该力学模型应用于木构架的受力分析。研究结果表明：透榫节点的滞回耗能能力强，节点的变形主要集中在榫头处。当榫头与卯口之间的缝隙增大时，节点的受弯承载力降低。随木材横纹弹性模量的提高和大榫头长度的增加，节点的受弯承载力有一定提高。文章建立的M-θ力学模型能较好反映透榫节点的受力过程，适用于木构架的受力分析，其荷载 位移骨架曲线与试验结果基本吻合。研究成果可为古建筑木结构的维修与保护提供参考。     

我国堆场磷石膏工程特性分析

磷石膏堆场的渗流及稳定性分析结果的可靠度取决于磷石膏物理力学参数的准确性,因此开展磷石膏工程特性研究十分必要。根据我国不同磷石膏堆场的试验数据,分别对磷石膏的物理性质、击实特性、渗透特性、固结特性和强度特性进行了分析。结果表明:磷石膏强度、压缩、渗透特性均与其压实程度密切相关,相同压实程度不同堆场磷石膏的物理力学性质相近;磷石膏渗透特性与其晶体形态有关;磷石膏在荷载作用下具有长期蠕变变形特性,磷石膏堆场封场后仍会发生较大沉降;深部磷石膏破坏时的应变大于浅层磷石膏;磷石膏剪切破坏时产生负孔隙水压力,实际工程中可通过测试孔压的变化了解堆场坝体的安全程度。     

Mechanophysical Cues in Extracellular Matrix Regulation of Cell Behavior

The extracellular matrix (ECM) is a macromolecular network that can provide biochemical and structural support for cell adhesion and formation. It regulates cell behavior by influencing biochemical and physical cues. It is a dynamic structure whose components are modified, degraded, or deposited during connective tissue development, giving tissues strength and structural integrity. The physical properties of the natural ECM environment control the design of naturally or synthetically derived biomaterials to guide cell function in tissue engineering. Tissue engineering is an important field that explores physical cues of the ECM to produce new viable tissue for medical applications, such as in organ transplant and organ recovery. Understanding how the ECM exerts physical effects on cell behavior, when cells are seeded in synthetic ECM scaffolds, is of utmost importance. Herein we review recent findings in this area that report on cell behaviors in a variety of ECMs with different physical properties, i.e., topology, geometry, dimensionality, stiffness, and tension.     

Microwave dielectric properties of SrLa[Ga1−x(Mg0.5Ti0.5)x]O4 and SrLa[Ga1−x(Zn0.5Ti0.5)x]O4 (x = 0.2-0.8) ceramics

SrLa[Ga_1−x(R_0.5Ti_0.5)_x]O₄ (R = Mg, Zn) ceramics were prepared by a standard solid state sintering method. The single-phase ceramics with K₂NiF₄-type layered perovskite structure and I4/mmm space group were obtained, indicating that SrLa(R_0.5Ti_0.5) and SrLaGaO₄ can form the unlimited solid solutions. With increasing x for R = Mg and Zn, ε_r increases monotonously, the Qf value first increases and then decreases, while τ_f increases from a negative to a positive value. The optimized microwave dielectric properties were obtained as following: ε_r = 23.3, Qf = 89 400 GHz, τ_f = −0.8 ppm/°C for SrLa[Ga_0.6(Mg_0.5Ti_0.5)_0.4]O₄ and ε_r = 23.3, Qf = 76 200 GHz, τ_f = 0.2 ppm/°C for SrLa[Ga_0.7(Zn_0.5Ti_0.5)_0.3]O₄, indicating that the present solid solution ceramics are the promising candidates as microwave resonator materials for the telecommunication applications.     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

影响煤层气开发效果的地质因素再认识

地质特征认识对煤层气开发效果起着重要作用。在资源特征相差不大的情况下,发现煤层气相邻井的产量差异仍较大。排除工程因素后,通过选取8类地质参数,细致比对了保德区块低产井与邻井的参数特征,筛查出其关键因素为煤层微幅构造与顶板封盖条件,其中以微幅构造为主。据此,重新认识并划分出区块新的次生褶皱背斜单元、向斜单元和斜坡单元,获得了不同次生褶皱构造单元的开发特征。结果表明,高、低产井分布与次生褶皱背斜、向斜相关性高达92%。其中:高产井主要分布在次生褶皱背斜变化较缓、呈隆起状的“平台”,且煤层顶板以泥岩、碳质泥岩为主,封盖性较好;低产井主要分布在次生褶皱向斜,同一井台各井开发效果差异表现为从向斜条带轴部—向斜条带内—向斜条带外的煤层气井平均单井产量不断增加,到向斜轴部的距离大于向斜曲率半径73.5%的范围为主力产气区,小于向斜曲率半径40.0%范围为产水主力区。这对煤层气新井部署、生产管理、开发调整等,具有一定的指导意义。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。