High temperature low cycle fatigue

Fatigue at high temperature is a complex phenomenon as it is influenced by a number of time-dependent processes which become important at elevated temperatures. These processes include creep, oxidation, phase instabilities and dynamic strain ageing (DSA), acting either independently or synergistically influence fatigue behaviour, often lowering the fatigue life. Current design approaches employ linear summation of fatigue and creep damage with suitable factors on permissible damage to take care of uncertainties in interaction between cyclic and time-dependent processes. It is, therefore, important to develop a deeper understanding of the processes that occur during high temperature fatigue so that realistic life predictions could be made. Results on the high temperature fatigue behaviour of austenitic stainless steels, ferritic steels and nickel base alloys are presented here. The important mechanisms of interaction of high temperature time-dependent processes with fatigue under various conditions are discussed in detail. Emphasis is placed on cyclic stress response, fatigue life, deformation substructure and fracture behaviour. This is followed by a review of important life prediction techniques under combined creep-fatigue loading conditions. Life prediction techniques considered here include linear damage summation, strain range partitioning, ductility exhaustion approach, frequency modified and frequency separation methods, techniques based on hysteresis energy and damage rate models, and methods based on crack-cavitation interation models.     

衰减曲线分析的诺模图

基于Arps递减方程,建立了衰减曲线分析的诺模图。应用该诺模图,可以方便地确定油气田的可采储量。     

基于地面先验的3D目标检测算法

为了提高自动驾驶汽车环境感知的性能,增强单目相机对障碍物三维和边界信息的感知能力,提出了一种基于地面先验的3D目标检测算法。基于优化的中心网络(CenterNet)模型,以DLA(deep layer aggregation)为主干网络,增加目标3D边沿框中心点冗余信息预测。根据自动驾驶场景的地面先验信息,结合针孔相机模型,获取目标3D中心深度信息,以优化深度网络学习效果。使用KITTI 3D数据集评测算法性能,结果表明:在保证2D目标检测准确性的基础上,该算法运行帧率约20 fps,满足自动驾驶感知实时性要求;同时相比于CenterNet模型,在平均方位角得分(average orientation score)和鸟视图平均准确率(bird eye view AP)上分别有4.4和4.4%的性能提升。因而,该算法可以提高自动驾驶汽车对障碍物三维和边界信息的感知能力。     

基于深度神经网络的高位滑坡范围预测

以贵州尖山营滑坡为工程背景,通过对深度学习的总结与分析,建立多层感知器模型以对该滑坡危险区范围进行非线性预测研究。通过对深度神经网络算法的优化,构建64-128-32-1四层多层感知器模型,并以滑坡最大高差、滑坡体积、滑源区坡度、坡脚坡度、地层倾角作为输入量,以滑坡最大水平运动距离作为输出量对该模型进行训练,实现影响因素与运动距离的非线性映射。根据对贵州省尖山营滑坡调查和研究,尖山营滑坡区域面积约648 700 m2,体积约1 200万 m3,属于特大型滑坡。依据最优模型对该滑坡进行滑距预测,滑坡平面直线距离1 769 m区域内为危险区域。     

避雷器接地电阻的测量与预测方法

介绍了避雷器三极法测量接地电阻的接线、测量原理及测量电压的选取,根据测得的历史数据建立了基于回归分析的接地电阻变化趋势预测模型,并通过标准离差检验证明了该预测模型可用于实际接地电阻的预测。实践表明,该测量与预测方法切实可行,能在一定程度上避免因接地电阻超标而引发的雷击事故。     

太阳能帆板输出功率短期预测研究

在卫星观测中,经常由于各种原因导致短时间内无法提取目标卫星数据,使控制系统无法继续对其保持高精度跟踪和控制。文章主要研究ARIMA模型在卫星遥测数据短期预测中的应用。使用Matlab软件进行ARIMA模型参数计算,再使用SPSS软件执行数据预测,并进行残差分析,通过实例验证,短时期内的预测数据精度较高。     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于数据融合的ABC-SVM社区疾病预测方法

针对现有社区医疗服务中的疾病预测方法存在数据利用率低、疾病分析类型单一、自动化程度差、疾病预测效果不理想等不足,提出在物联网大数据环境下可用于社区医疗的健康数据融合及疾病预测方法. 通过主成分分析(PCA)和聚类分析对社区中居民的生理指标数据进行特征提取;结合人工蜂群(ABC)算法构造支持向量机(SVM)非线性分类器对数据进行特征级融合分析并预测潜在疾病. 实验结果表明,所提方法的疾病识别准确率达到93.10%,相较于传统SVM方法和BP神经网络方法分别提高17.24% 和72.41%. 该方法能够在提高数据利用率、降低计算资源消耗的前提下有效识别多种潜在疾病,可实现疾病早发现、早预防、早治疗;可广泛应用于社区健康管理、老年社区监护甚至临床医疗.     

轧制工艺对高碳钢线材性能影响的研究

研究了高碳钢线材轧制过程中终轧温度、吐丝温度和冷却速度对线材性能的影响,并采用数值优化方法建立了性能预测模型,其结果表明,模型计算精度较高。