装配式结构钢塑复合板拟静力试验研究

对两种由镀铬C型钢做骨架、聚苯乙烯颗粒填充热塑压轧而成的钢塑复合板(其中A类板件规格为3 650mm×2 395mm×140mm(长×宽×厚),B类板件是在A类板件的内外侧表面增加厚度为10mm的硅酸钙板)进行了低周往复水平加载试验,分别研究其承载力、变形能力、滞回特性等方面性能。试验结果表明,两种板件均具备一定的侧向承载力,其中B类板件的水平极限承载力更高;两者变形性能均较好,两种板件均展现了良好的耗能能力,能满足作为非承重垂直分隔构件的要求,符合抗震设计的延性要求。试验结果可为装配式结构墙体在设计和施工方面提供参考。     

苯乳酸抑制链格孢霉作用靶位的分析

以从自然腐败的樱桃上分离的链格孢霉（Alternaria sp.）LD3.0086为指示菌，研究苯乳酸对链格孢霉的主要抑制作用靶位。应用分光光度法测定苯乳酸对链格孢霉的最小抑菌浓度，通过卡尔科弗卢尔荧光增白剂染液（calcofluor white，CFW）染色观察苯乳酸对菌丝顶端生长的破坏作用，利用扫描电子显微镜和透射电子显微镜观察链格孢霉的超微结构变化，通过测定苯乳酸作用前后链格孢霉上清液中N-乙酰葡萄糖胺质量浓度变化研究苯乳酸对菌丝细胞壁的破坏作用，应用荧光双染色法观察苯乳酸对链格孢霉菌丝细胞膜的损伤作用。结果表明，12.5 mmol/L的苯乳酸能有效抑制链格孢霉的生长；与对照组（无菌水处理）相比，苯乳酸处理后链格孢霉顶端生长细胞无明显形变，经12.5 mmol/L苯乳酸处理的链格孢霉上清液中N-乙酰葡萄糖胺质量浓度基本不变；苯乳酸处理24 h，链格孢霉菌丝细胞壁表面无明显损伤，细胞内结构发生明显变化；苯乳酸短时间（4 h）处理链格孢霉，菌丝细胞膜仍较为完整，加入苯乳酸较长时间（8 h）后细胞膜发生破裂。综合分析可知，苯乳酸对链格孢霉的主要作用靶位应不是菌丝体的细胞壁和细胞膜，而是在菌丝体内部，通过破坏菌丝内部细胞器结构或引起细胞内的生化反应，从而抑制链格孢霉的生长和繁殖，发挥抑菌活性。     

碳酸盐岩岩溶储层多井评价方法及地质应用

多井评价是建立在单井精细解释对比分析基础上的预测储层及含油气性平面分布规律的技术方法,而常规测井资料无法区分碳酸盐岩岩溶储层,因而利用多井评价结果确定岩溶发育程度在平面上的分布规律就显得十分重要。为此,在岩心标定成像测井的基础上,对四川盆地高石梯—磨溪地区15口井的成像测井岩溶发育特征进行分析,建立了中二叠统茅口组岩溶发育各分带的标准成像图版,利用交会图及直方图分析各分带的常规测井响应特征,在此基础上形成了电成像测井刻度常规测井识别岩溶发育带的新方法。研究结果表明:①高石梯—磨溪地区茅口组岩溶带自上而下可划分为风化壳残积带、垂直渗流岩溶带、水平潜流岩溶带以及受岩溶作用较弱的基岩;②风化壳残积带在成像测井图像显示为"暗—亮—暗"条带状模式,垂直渗流岩溶带为垂直线状与暗色斑状组合模式,水平潜流岩溶带为水平线状—层状与斑状组合模式,基岩整体显示为亮色块状模式偶见线状或斑状特征;③有效储层主要发育在垂直渗流带和水平潜流带的顶部;④该区茅口组岩溶发育主要受裂缝发育控制,而裂缝发育又与断层关系密切。结论认为,该新方法对碳酸盐岩岩溶储层的多井评价具有普遍适用性,为四川盆地中二叠统风险探井的部署提供了技术支撑。     

介质阻挡放电低温等离子体技术降解废水中污染物研究现状及进展

介质阻挡放电(DBD)因其产生的低温等离子体能量密度高且能量体积大,可在温和的反应条件下无选择性地降解废水中大分子污染物,且反应高效、彻底,而被广泛应用于印染、制药、化工、农业等行业废水中难降解物质的实验室研究中。综述了DBD特性以及低温等离子体技术处理废水中污染物的作用过程和机理,总结和分析了影响污染物降解效果的关键因素,提出了尚未解决的技术难点和未来发展方向,以期为此技术的深度优化起到借鉴指导作用。     

松香基阴离子表面活性剂的研究进展

松香是一种重要的天然化工原料,无毒、可再生,应用十分广泛。以松香为原料合成表面活性剂是其精深加工的主要途径之一,特别是松香基阴离子表活性剂,由于研究历史悠久、理化性质独特、应用前景广阔,吸引了众多研究者的目光。本论文总结了松香基阴离子表面活性剂的研究进展与应用,并对其研究前景进行了展望。     

湍流进流诱发的二维水翼振动噪声特性研究

为研究螺旋桨流噪声,以螺旋桨的基本构型单位二维翼型为研究对象,研究其在不同工况下的振动噪声规律。以Lighthill声类比理论为基础,应用计算流体力学软件CFX和声学仿真软件LMS Virtual Lab分别模拟在不同工况下翼型的流场和声场分布。取翼型非定常脉动力作为声源,然后采用边界元方法分别求解翼型流噪声和振动噪声。结果表明,噪声水平随速度和翼型攻角的变化呈现较为明显的规律;相比考虑翼型振动时的振动噪声,忽略翼型振动影响的情况下流噪声水平偏大。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。