等效岩体三维随机节理网络模型构建及其在两河口水电站中的应用

节理的存在对水电高陡岩质边坡的力学性质有重要影响,如何构建反映三维节理分布特征的等效岩体计算模型,是分析与评价岩体力学特性的关键。本文基于损伤力学和统计强度理论,在三维岩石破裂过程分析（RFPA3D）软件的基础上,提出了一种计算等效岩体三维随机节理网络模型的新方法。首先,基于Baecher模型和Monte-Carlo方法,在RFPA3D软件中实现了三维随机离散节理网络（Discrete fracture network,DFN）模型的重构。然后,利用RFPA3D软件内嵌DFN模型,赋予节理和岩石不同的力学参数,构建了工程尺度等效岩体三维随机节理网络模型,实现了三维随机节理岩体破裂过程、变形和强度等力学性质的分析。最后,以两河口水电站左岸边坡坝址区下游节理岩体为研究对象,验证了三维随机DFN模型的准确性,开展了研究区内节理岩体尺寸效应研究,并获得了研究区内岩体的表征单元体（Representative elementary volume,REV）和等效力学参数。该研究成果为等效岩体力学行为分析提供一种新方法。      

基于智能磨矿介质及CNN和优化SVM模型的球磨机负荷识别方法

当前球磨机负荷检测方法难以准确评估磨机内部变化,给磨机综合运行状态的控制和优化带来较大难度。本文设计了一款内嵌加速度传感器且与钢球介质物理性质相一致的智能磨矿介质用于识别磨机负荷,开展了不同充填率等磨矿条件下的磨矿试验,设计磨矿效果系数划分磨机负荷状态;分别采用了卷积神经网络方法(CNN)和优化的支持向量机(SVM)模型对智能磨矿介质获取的加速度信号进行球磨机负荷识别。基于优化的SVM模型将获取的一维加速度信号进行互补集合经验模态分解算法（CEEMD）去噪、时域特征值和样本熵提取等预处理,将上述磨机负荷的特征向量分别输入GA?SVM、GS?SVM、PSO?SVM分类模型进行训练,研究表明,PSO?SVM模型的识别准确率可达98.33%,但存在训练过程繁琐,耗费时间长的问题。在图像识别领域具有优秀应用能力的CNN模型是把智能磨矿介质检测加速度信号数据转换为二维图片后直接输入基于VGG19网络的CNN模型进行分类识别,磨机负荷分类识别准确率高于优化的SVM模型,可达98.89%,在保证识别准确率的同时有效节约了计算时间。基于CNN的智能磨矿介质球磨机负荷识别方法可为实现球磨机负荷检测与在线评估提供重要解决方案与技术保障。      

形状固定性优异的钢板及其生产方法

本发明提供一种双辊薄带连铸制造无取向电工钢的方法；硅含量0—3．5％的钢水，经过两个转动结晶辊，形成凝壳，从结晶辊导出，形成铸带，铸带进入在线热轧机，在线热轧机的开轧温度800—1000℃温度，热轧变形量5％-25％，经热轧机轧制后卷取，本发明的生产工艺简单且能有效地生产高性能的无取向电工钢。     

磁性纤维随机混合媒质等效电磁参数的计算

为计及强散射偶极子间的相互作用,引入参量εh和μh,利用广义多重散射理论及MATLAB计算机软件对在2 GHz～18 GHz频率下的体积占空比为8%的铁纤维随机混合媒质等效磁导率的实验值进行曲线的拟合,导出了耦合系数εh和μh,并在此基础上,对体积占空比分别为30%和20%的铁纤维随机混合媒质等效磁导率进行了计算,计算结果与实验吻合良好.     

伪随机流场法在堤坝渗漏探测中的应用与研究

伪随机流场法具有快捷、直接、精确有效等优点,逐步成为堤坝渗漏探测的主流方法。利用该方法,在漏水区域、库区无穷远段进行高压供电,库区内网格状布置测点,可查找渗漏入水点。通过对各异常区域的区域面积、异常区域内各测点的异常平均值以及对于严重渗漏的临界值进行计算,可判断水库渗漏通道和各渗漏点的渗漏量比例。此外,由于该方法快速便捷的特点,可以运用该方法进行实时监测。应用于某混凝土面板堆石坝的探测结果表明,利用堤坝周边已经存在的监测孔或在灌浆帷幕下游进行钻孔,进行伪随机电位差或者电流测试,可在无损条件下判断渗漏来源和通道发育方向,检测防渗处理效果。该方法可为堤坝渗漏监测预警、拟定防渗处理方案提供依据。     

一种应用层组播可靠性技术

组播是一种高效的多点通信方式,IP组播效率高,但需专门的组播路由器,代价大,至今未能大规模部署.应用层组播数据的复制转发功能由终端主机完成,不涉及现有网络基础设施的更新,在Internet上容易实现,但终端主机的稳定性和安全性不如组播路由器,容易导致单点失效,且数据恢复困难.为解决应用层组播存在的可靠性问题,提出了一种树环结构的应用层组播方案,通过环结构来增加数据传输的可靠性,并采用主动随机转发技术来解决树环结构的多点失效问题.该方案既有效解决了应用层组播可靠传输问题,又降低了恢复时延和系统开销.     

异形管内水力、传热性能的数值模拟

通过数值计算考察了横纹管、缩放管两种异形管内的流动与传热性能。计算时采用标准k-ε湍流模型：采用控制容积法对控制方程进行离散化；采用SIMPLE算法进行压力修正：代数方程采用超松弛法迭代求解。很出了在充分发展流时的传热努塞尔数、速度、瘴撩系数及湍动能分布，并与光滑管内的流动传热进行了比较，分析了异形管在强化传热方面的机理。计算结果和实验值比较吻合。     

FCM预选取样本的半监督SVM图像分类方法

针对基于拉普拉斯支持向量机(LapSVM)的半监督分类方法需要将全部无标记样本加入训练样本集中训练得到分类器,算法需要的时间和空间复杂度高,不能有效处理大规模图像分类的问题,提出了模糊C-均值聚类(FCM)预选取样本的LapSVM图像分类方法。该方法利用FCM算法对无标记样本聚类,根据聚类结果选择可能在最优分类超平面附近的无标记样本点加入训练样本集,这些样本可能是支持向量,携带对分类有用的信息,其数量只是无标记样本的一少部分,因此使训练样本集减小。计算机仿真结果表明该方法充分利用了无标记样本所蕴含的判别信息,有效地提高了分类器的分类精度,降低了算法的时间和空间复杂度。     

基于蚁群聚集信息素的半监督文本分类算法

半监督文本分类中已标记数据与未标记数据分布不一致,可能导致分类器性能较低。为此,提出一种利用蚁群聚集信息素浓度的半监督文本分类算法。将聚集信息素与传统的文本相似度计算相融合,利用Top-k策略选取出未标记蚂蚁可能归属的种群,依据判断规则判定未标记蚂蚁的置信度,采用随机选择策略,把置信度高的未标记蚂蚁加入到对其最有吸引力的训练种群中。在标准数据集上与朴素贝叶斯算法和EM算法进行对比实验,结果表明,该算法在精确率、召回率以及F1度量方面都取得了更好的效果。