太子广场平面控制测量与高程测量做法

深圳太子广场超高层结构施工测量中,在充分了解、掌握外界因素对测量偏差影响的基础上,采取相应纠偏措施,保证了测量精度。通过对精度进行修正,克服偶然偏差对精度的影响,确保了施工有序进行。     

三维激光扫描技术在大跨度机库屋盖钢结构施工过程中的应用

结合北京大兴国际机场南航1号机库超大跨度钢结构屋盖施工实践,介绍了三维激光扫描技术的操作使用方法。通过三维激光扫描施工技术,将施工现场与BIM模型有效结合,创新应用了新型的钢结构网架工程测量方式,进一步探索了超大跨度钢结构屋盖的变形趋势,提高了拼装精度。总结的操作方法为钢结构网架拼接和变形控制提供了新的测量方法及经验参考。     

高强度聚焦超声对离体兔眼晶状体组织形态和弹性变化的影响

目的：探讨不同治疗剂量高强度聚焦超声（high intensity focused ultrasound,HIFU）对兔眼晶状体组织形态和弹性变化的影响。方法：184只兔眼球随机分为空白组和HIFU组,空白组未给予HIFU辐照,HIFU组选取功率1、2W分别辐照时间3、5、8、10、15、20、25s;功率3,4、5W分别辐照时间3、5、8、10、15s;辐照完后进行组织学观察以及弹性变化检测。结果：当HIFU剂量较小时,组织学观察可见晶状体辐照区形态规则,呈水滴状;当剂量增大达到一定程度时,辐照区形态不规则,可见空化效应所致大小不等的空泡。HIFU辐照晶状体后导致晶状体弹性发生变化,空白对照组、1W、3s和15s组,2W、15s组,3—5W、8s组两两比较差异无统计学意义（P〉0．05）,余各组晶状体变化量均明显低于空白对照组,差异有统计学意义（P〈0．05）。结论：HIFU辐照兔眼晶状体可影响其弹性变化,在一定的能量下空化效应可恢复晶状体的弹性。     

棉秆皮微晶纤维素/改性氧化石墨烯阻燃纤维的制备及其性能

为提高棉秆皮微晶纤维素(MCC)纤维的阻燃性能,采用9,10-二氢-9-氧杂-10-磷杂菲-10-氧化物(DOPO)为改性剂对氧化石墨烯(GO)进行改性,将改性后的GO(DOPO-GO)与MCC共混,通过湿法纺丝制得MCC/DOPO-GO阻燃纤维,并对其阻燃性能、热学性能和力学性能进行分析。结果表明：添加DOPO-GO阻燃剂的MCC纤维的极限氧指数为27.3%,较MCC纤维提高了66.5%;与MCC纤维相比,MCC/DOPO-GO阻燃纤维热分解所需的热焓值由221.8 J/g提升至1 502 J/g,热学稳定性得到提高;MCC/DOPO-GO阻燃纤维燃烧后形成的残炭致密且连续,石墨化程度提高;MCC/DOPO-GO纤维的力学性能也得到了极大改善,其断裂强度由MCC纤维的0.4 cN/dtex提高至2.2 cN/dtex。     

202J热模拟实验及在品种开发中的应用

本文通过202J热摸拟实验得出热塑曲线，通过断口形貌、高温相分析为202J生产提供合理开轧温度，并结合生产试制，取得了较好效果。     

纱锭输送系统专用设备可行性解决方案

针对当前炭纤维厂家在纤维纱锭的输送过程中存在的同题,提出了全电动力源纱锭输送系统的可行性解决方案,该系统具有定位准确,运行稳定等特点.     

石墨烯微胶囊/海藻酸钙对涤纶织物的阻燃处理

为提高涤纶织物的阻燃性能,并解决涤纶织物的熔滴现象,本文采用石墨烯微胶囊与海藻酸钠共混制备出阻燃涂覆液,采用浸轧法制备阻燃涂覆涤纶织物。考察涂覆涤纶织物的阻燃性能,力学性能以及热学性能,结果表明：25g/L的海藻酸钠和1g的石墨烯微胶囊阻燃涂覆处理后的涤纶织物的极限氧指数由19.7%,上升到28.34%,达到难燃织物的标准。整理后的涤纶织物达到了V-0标准,涤纶织物燃烧后产生的熔滴的现象消失。织物的断裂强力由135.21N降低到了106.77N。涂覆处理前后,织物达到最大热分解速率的温度未产生明显变化,残炭率由12.07%上升到了26.98%,最大质量损失速率由1.79%/℃降低到了0.96%/℃。同时整理前后涤纶织物的热焓值由58.4J/g上升至68.4J/g。织物的导热系数由0.587 W/cm.℃×10_-4^提高到0.842W/cm.℃×10_-4^{,热学性能得到了充分的提高。}织物燃烧后所形成的残炭由无到连续且致密。     

双约束深度卷积网络的高光谱图像空谱解混方法

高光谱图像凭借其“图谱合一”的特点逐渐在军事、环境、农业等方面发挥出重要作用。但是，由于传感器空间分辨率的限制以及地物分布的复杂多样性，高光谱遥感图像中通常存在大量的混合像元，严重制约了高光谱遥感的应用范围。目前，处理混合像元问题最有效的分析方法是混合像元分解（解混）。近年来，深度学习的发展对高光谱遥感产生了重大影响，也催生出一系列基于深度学习的解混方法。现有基于深度学习的解混方法在隐藏信息挖掘方面表现出极大的潜力和优势，通常情况下能够取得更加准确的结果。然而，这些方法大多只考虑了地物的光谱信息而忽略空间分布规律，导致在复杂场景中估算结果可能并不理想，逐渐难以满足工程应用的实际需求。为进一步发掘和利用空间信息提升解混的准确性，本文构建了一种新的深度学习网络来实现高光谱图像解混。新提出的解混网络采用卷积层来获取先验信息，利用高斯核函数的特性来协助区分物质属性，并且通过分配中心像元与邻域像元间的权重来增进丰度平滑性。在新网络中，本文使用Softmax作为丰度对应层的激活函数来约束丰度的输出。此外，在Softmax中，本文采用了L1/2正则化来避免节点出现过拟合而影响最终结果，进一步强化了网...