考虑腐蚀的埋地灰口铸铁管失效预测及可靠度分析

针对早期埋设的灰口铸铁管存在的破损频繁、漏失严重等影响输配水安全问题,通过管土相互作用模型得到管道应力,应用腐蚀模型预测管道腐蚀深度,进而评估管道的剩余强度,结合失效准则得到管道失效预测模型,并运用蒙特卡罗方法对管道可靠度进行分析.计算模型充分考虑了管道腐蚀、各种外部荷载以及参数的不确定性对管道失效的影响.计算结果表明,在通常荷载作用下仅考虑管道受力,管道不会失效,腐蚀是导致管道失效的重要因素;管道安全因子的概率密度分布曲线呈对数正态分布;当使用时间为20～50 a时管道失效风险较大,在使用时间超过80 a之后,管道失效风险变小且呈现出略有下降的趋势;由于渗漏或不均匀沉降引起的管道基础局部流失在腐蚀深度超过一定值时对管道失效概率的影响较大.     

磁记忆信号与应力之间的关系

为明确磁记忆信号与工作应力和残余应力之间的对应关系,对Q235低碳钢板状试件进行了静载拉伸实验.利用TSC-1M-4型磁检测仪,研究了光滑试件和人工缺陷试件表面法向磁场强度在不同工作载荷下及卸载后的变化规律.结果表明:磁记忆信号与工作应力之间具有较好的相关性,利用相邻两磁信号之间的相关系数可以判断试件是否处于某种临界或极限状态;塑性变形前后的离线磁信号并无明显区别,但断裂后的磁信号及梯度曲线可用于准确识别断裂位置.     

点和边有容量约束的网络最小费用最大流算法*

分析了目前网络最小费用最大流算法存在的问题,提出网络最小费用最大流新算法。概括出条件约束下的网络最小费用最大流问题的两目标优化数学模型,针对点和边有容量约束的网络最小费用最大流问题特点,定义了有向路径、有向路径单位流费用和残量网络的概念。依据可行流分解定理,以邻接矩阵为网络数据存储结构,使用数据结构中的遍历方法,实现了网络最小费用最大流新算法。该算法在不破坏平面性条件下,可以求解点和边有容量约束的网络最小费用最大流。最后,通过实例进行了算法测试和比较。算法测试表明：点和边有容量约束的网络最小费用最大流算法是完全可行和有效的。     

倾斜疲劳裂纹在混合型应力下张开及滑移特性

对于存在裂纹的机械零件或者构件,它很有可能会受到来自不同方向的作用力, 因此有必要研究裂纹在混合型应力条件下的传播特性. 该文使用具有不同倾斜角度的裂纹--这些裂纹是在应力比R=0的Ⅰ型循环应力下制作的,通过测量裂纹的开口方向和滑移方向的位移量,计算了裂纹端部Ⅰ型应力强度因子(KⅠ)mes和Ⅱ型应力强度因子(KⅡ)mes.裂纹的倾斜角度是指载荷方向与裂纹间的夹角.结果表明,对于存在压缩残余应力的疲劳裂纹,当倾斜角度较大,即β=60°时,应力强度因子的实验值(KⅠ)mes小于理论计算值(KⅠ),但此时实验值(KⅡ)mes与理论值(KⅡ)基本一致.另一方面,对于倾斜角度较小β=45°的疲劳裂纹,其(KⅠ)mes减少的同时,由于裂纹上下表面相互接触,从而导致(KⅡ)mes同时下降.     

关于基体曲率的热障涂层残余应力分析

采用空心和实心四相同心圆模型,导出了轴对称温度应力状态下的位移公式,分析了基体曲率对热障涂层残余应力的影响。结果表明:热障涂层结构中各层内既有环向应力,又有径向应力,应力大小与温降成线性关系;当陶瓷层在外层时,在氧化层/陶瓷层和粘结层/氧化层界面上产生垂直界面的拉应力,且实心模型的拉应力远大于空心模型的拉应力;当陶瓷层在里层时,空心模型中相应界面上的应力为压应力。     

基于K-SVD的低信噪比WMSN视频图像稀疏去噪

无线多媒体传感器网络WMSN因感知视频等信息的优势而被广泛应用,但受天气、光照等外因干扰,所采集视频图像常含有较为严重的噪声。因此,在低信噪比条件下进行视频图像去噪是保证WMSN视频监测有效性和可靠性的关键。在分析WMSN视频图像特征的基础上,首先对其进行周期性采集、分帧及帧差等预处理;然后对关键帧运用K SVD训练DCT冗余字典以充分稀疏表示图像特征,并采用基于残差比的改进型Batch OMP实现关键帧去噪及重构,而对残差帧则基于DCT冗余字典进行稀疏去噪处理;最后,叠加去噪后的关键帧和残差帧,从而整体上实现低信噪比WMSN视频图像的去噪及重构。实验表明,本算法能更加有效地、较为快速地滤除视频图像噪声,适用于低信噪比WMSN视频图像去噪。     

气化炉油气掺烧技术探讨

简要叙述了九江合成氨装置五通道气化烧嘴掺烧干气试验过程，实践证明渣油掺烧干气工艺是可行的。通过对掺烧干气试验结果的理论分析，渣油雾滴的减小和雾化角的减小。使燃烧区上移，在保证渣油充分燃烧的前提下，减少火焰对气化炉壁的冲蚀，会有效增加装置运行周期。     

中小型造纸厂黑液碱回收探讨

对中小型造纸厂黑液碱回收，到目前为止尚无被公众认可的成熟技术。借鉴前人的经验和教训，从另一个角度思考造纸黑液的酸析残液中碱分离技术，采用环烷酸萃取技术，能理想地将酸析残液中Na^ 与可溶性有机物进行分离，分离效率达60％以上。该法优点是操作简单，生产成本低，工艺稳定性好；缺点是调配成的萃取剂异味较重，Na^ 回收率有待进一步提高。     

基于稀疏特征改进的单视图表面重建

基于深度学习的单视图三维重建是当前的研究热点。为重建出更多的高频细节,SDF-SRN算法引入了位置编码,但在缺乏精确监督时,网络容易过拟合而导致凹凸不平的重建结果。针对这个问题,提出一种基于稀疏特征的网络模型,该模型凭借残差学习机制,令容易过拟合的网络预测高频残差。通过特征提取网络得到稀疏特征和全局特征,稀疏特征输入到一个超网络中生成预测浅头,该浅头负责预测符号距离函数的低频部分,而全局特征输入到另一个超网络生成另一个浅头来预测高频残差,这两部分通过权重因子构成最终的符号距离函数。频谱分析表明实验结果达到了相应的设计目的;与不同平滑表面重建方案对比,基于残差学习的平滑重建方案可以实现更平滑的表面重建,克服了SDF-SRN过拟合的问题,同时保留足够的细节;与其他先进的单视图重建方法的定性和定量对比结果证明了该方法的优越性。     

Re-GAN：残差生成式对抗网络算法

目的 生成式对抗网络（generative adversarial network,GAN）是一种无监督生成模型,通过生成模型和判别模型的博弈学习生成图像。GAN的生成模型是逐级直接生成图像,下级网络无法得知上级网络学习的特征,以至于生成的图像多样性不够丰富。另外,随着网络层数的增加,参数变多,反向传播变得困难,出现训练不稳定和梯度消失等问题。针对上述问题,基于残差网络（residual network,ResNet）和组标准化（group normalization,GN）,提出了一种残差生成式对抗网络（residual generative adversarial networks,Re-GAN）。方法 Re-GAN在生成模型中构建深度残差网络模块,通过跳连接的方式融合上级网络学习的特征,增强生成图像的多样性和质量,改善反向传播过程,增强生成式对抗网络的训练稳定性,缓解梯度消失。随后采用组标准化（GN）来适应不同批次的学习,使训练过程更加稳定。结果 在Cifar10、CelebA和LSUN数据集上对算法的性能进行测试。Re-GAN的IS （inception score）均值在批次为64时,比DCGAN （deep convolutional GAN）和WGAN （Wasserstein-GAN）分别提高了5%和30%,在批次为4时,比DCGAN和WGAN分别提高了0.2%和13%,表明无论批次大小,Re-GAN生成图像具有很好的多样性。Re-GAN的FID （Fréchet inception distance）在批次为64时比DCGAN和WGAN分别降低了18%和11%,在批次为4时比DCGAN和WGAN分别降低了4%和10%,表明Re-GAN生成图像的质量更好。同时,Re-GAN缓解了训练过程中出现的训练不稳定和梯度消失等问题。结论 实验结果表明,在图像生成方面,Re-GAN的生成图像质量高、多样性强;在网络训练方面,Re-GAN在不同批次下的训练具有更好的兼容性,使训练过程更加稳定,梯度消失得到缓解。