C型环环向应力与加载载荷的公式推导与验证

基于任意C型环试样结构尺寸及其力学关系,建立了C型环内任意截面的力学模型,根据材料力学基本理论,推导出了其外壁和内壁任意一点环向应力与C型环试样加载位移、加载载荷之间的理论计算公式。为了验证本文推导的理论公式的正确性,建立了C型环试样的有限元计算的力学模型,当某试验要求C型环试样最大环向拉应力为650 MPa,对油管外径88.9 mm的C型环试样,通过有限元法和本文推导的理论公式对该结构工况进行计算和对比分析,得出有限元法和理论公式计算出需要施加的载荷和位移的误差分别为-1.82%和1.25%,证明推导文中推导的理论公式的正确性,为C型环硫化物应力腐蚀开裂(SSCC)和应力腐蚀开裂(SCC)实验加载参数的确定提供了简便的计算方法。     

陈耳金矿原岩应力测量及分布规律模拟研究

原岩应力是影响地下采矿工程稳定性的重要因素之一,是地下工程变形和破坏的根本作用力。针对陈耳金矿18坑1532盲竖井埋深超过1 000 m,井下各中段在进行巷道开挖过程中出现的岩爆现象,采用套孔应力解除法对井下6个测点进行原岩应力测量,获得了井下主原岩应力的大小及方向。分析了原岩应力分布的规律并采用Flac~(3D)数值模拟软件,模拟分析了陈耳金矿井下巷道在开挖过程中应力分布情况。结果表明,垂直最大主应力开挖时,巷道两帮的应力是沿最大主应力方向的2倍。为陈耳金矿井下巷道及采场布置、支护设计和动力灾害防治提供了科学依据。     

磺酸型离子液体催化合成脂肪族1,2-二醇

以磺酸型离子液体1-(3-丙烷磺酸)吡啶磷酸氢盐[PyPS]H_2PO_4为催化剂催化甲酸-双氧水氧化端烯烃合成相应的1,2-二醇,采用~1H NMR对产物的结构进行了表征。以1-己烯合成1,2-己二醇为模型反应,得到了反应的优化条件,即:n(1-己烯)∶n(H_2O_2)∶n(甲酸)=1∶1.1∶2,催化剂[PyPS]H_2PO_4 2.5 mol%,反应温度50℃,反应6 h。在此条件下,1,2-己二醇、1,2-戊二醇、1,2-辛二醇、1,2-环己二醇以及苯乙二醇收率分别为78.2%,74.7%,68.8%,76.2%和74.0%。[PyPS]H_2PO_4容易回收,在循环使用中催化活性未见明显降低。     

建-桥合建高架车站性能化设计方法及算例

针对以建筑为主体的建-桥合建高架车站,提出相应的结构性能化设计标准,并通过算例验证了该类高架车站的具体结构性能化设计方法,即车站整体按照建抗规计算,相关构件按照铁抗规及桥抗规复核;这一设计方法综合了建抗规、铁抗规和桥抗规的相关要求,并最大程度满足了上述规范的规定。此外,通过对比计算,比较按照新老规范设计的横向双柱建-桥合建高架车站之间的安全储备差异,得到按照建抗规进行结构性能化设计的车站结果偏于安全的结论。     

N,N-二乙酸酯基芳香胺系列染料中间体的合成

以间乙酰氨基苯胺、3-氨基-4-甲氧基乙酰苯胺为原料,氯乙酸甲酯和氯乙酸乙酯为烷基化试剂,研究了催化剂种类、缚酸剂种类、反应时间和加料方式对反应的影响,并对合成的四个N,N-二乙酸酯基芳香胺系列染料中间体进行了结构表征。结果表明:Na Br和Na_2CO_3分别是催化该类反应合适的催化剂和缚酸剂。当芳香胺:氯乙酸酯:碳酸钠为1:4:1. 1(mol),在回流反应2h后加入10%的催化剂溴化钠和0. 5%抗氧化剂(m),再进行分水回流反应2h,得纯度99%(HPLC)、收率98%以上的N,N-二乙酸酯基芳香胺系列染料中间体。经紫外光谱、红外光谱、核磁共振氢谱和质谱分析,所合成的四个N,N-二乙酸酯基芳香胺系列染料中间体为目标产物。     

浅谈彰武地区雾霾产生因素及其治理措施

彰武地区的雾-霾天气已成为常见的环境污染问题,而且有迅猛增长之势。空气质量的下降,不仅影响着人们的身体健康和出行,而且对社会发展有着不可估量的负面影响。通过对本地区雾-霾天气造成的污染问题,浅析其产生的因素和季节特点,以及应采取的治理措施。     

新形势下和谐企地关系建设探讨

进入21世纪以来,我国的经济实力和科学技术水平有了很大的发展和进步,综合国力与国际地位也在不断的提高。在这样的形势之下,我国致力于和谐社会的构建工作当中。无论是在人与自然、人与人还是人与社会之间,都提倡和谐共处,以创造和谐社会为目标。在当今时代,人们对于和谐企地关系的建设工作越来越重视,从目前的情况来看,我国在新形势下的企地关系并不是十分的和谐,从而使得我国经济和社会的整体发展受到了一定程度的阻碍。本文将以新形势下和谐企地关系建设为主线,进行简要的分析和描述。从经济学的角度入手,对当前地方与企业之间关系建设不和谐之处进行分析,深入的挖掘不和谐情况出现的根本原因,并从可持续发展观的角度来进行阐述。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。