由于岩石材料的不透明性和多孔隙特性, 通过传统的物理试验或数值模拟很难真实体现其内部三维细观结构. 本文基于CT扫描技术、边缘检测算法、滤波算法、三维点阵映射与重构算法, 构建了可以表征玄武岩试样内部孔隙结构的三维细观非均匀数值模型. 结合并行计算进行直接拉伸数值试验, 研究了内部孔隙结构特征对试样破坏机制及抗拉强度的影响. 研究结果表明: 加载初期在试样孔隙处产生初始裂纹, 随着荷载的增加初始裂纹逐渐沿横向扩展最终形成宏观拉伸破坏裂纹, 并且孔隙含量和分布位置对试样拉伸断裂的位置具有重要影响. 随着孔隙率增高, 试样破坏过程中的声发射数目和能量逐渐减小. 拉伸破坏模式呈现脆性破坏特征, 同时孔隙的存在削弱了试样的抗拉强度

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

利用钢渣制备陶瓷材料是钢渣资源化大宗利用的一条新途径.开展不同烧结气氛对钢渣陶瓷影响规律的研究,对推动钢渣陶瓷技术的应用具有重要意义.以20%钢渣和80%黏土为原料,分别在空气和氮气气氛下,制备了钢渣陶瓷样品,分析了其晶相转变和性能变化规律,并定量研究了氧分压对钢渣陶瓷中铁元素价态转变的影响机理.研究表明,在空气条件下烧结时,原料中的Fe2+发生氧化形成赤铁矿相,烧结样品物理性能要优于在氮气条件下烧结的样品,其抗压强度和吸水率为310 MPa和3.7%;而在氮气条件下烧结时,Fe2+形成铁铝尖晶石和铁辉石,烧结样品中形成的气孔大小和数量要大于和多于空气条件下的样品,这是导致其力学性能较差的一个主要原因.铁元素赋存晶相转变的氧分压临界范围为0.5%~0.75%:当分压低于0.5%时,可以获得以铁铝尖晶石和铁辉石为主的黑色或褐色陶瓷样品;当氧分压超过0.75%时,Fe2+开始发生氧化并形成Fe3+,逐渐形成赤铁矿并带来样品颜色为褐黄色或褐红色.增加烧结环境中氧气分压量是减少钢渣陶瓷产品黑心的一个重要手段

系统运用材料物理学、弹性力学、热力学、工程测试技术的理论知识以及有限元数值仿真、实验分析等方法,研究高温应变片热输出误差的影响因素并得出补偿修正模型.首先根据材料电阻温度效应理论及热膨胀理论研究了高温应变片热输出的耦合特性,建立耦合作用下高温应变片的热输出模型,得到了构件、胶层和应变片三者耦合作用下应变片热输出的理论表达式;然后根据材料的电阻温度效应推导出不同栅丝材料的电导率参数,利用有限元仿真得到不同材料栅丝的热输出特性,选择其中的两种栅丝材料作为本文的研究对象得到其在耦合作用下的热输出并与实验数据对比,相对误差小于7%.最后基于理论模型和实验结果,建立了高温应变片热输出补偿模型,补偿修正后结果与理论值误差在9%以内,补偿效果良好

采用数值仿真技术建立了足尺钢筋混凝土墩柱精细有限元模型, 分析了侧向冲击荷载下墩柱的动态响应和抗冲击性能, 提出了一种基于截面损伤因子的损伤评估方法, 讨论了不同碰撞参数对钢筋混凝土墩柱破坏模式和损伤机理的影响.结果表明: 冲击荷载下钢筋混凝土墩柱的耗能主要分为接触区域局部耗能和构件整体耗能; 当冲击体的初始动能恒定时, 冲击质量和冲击速度的不同组合会导致钢筋混凝土墩柱损伤破坏机理的显著差异; 基于截面损伤因子的损伤评估方法可以比较准确地描述墩柱的破坏状态.轴压力对墩柱抗撞能力的有利贡献比较有限, 且墩柱随着轴力的增大更易发生剪切破坏; 冲头刚度对碰撞力和墩柱动态响应的影响十分显著

剪切作用是膏体重力浓密制备的基础要素, 本文研究了浓密床层孔隙和喉道的变化对导水通道的影响, 揭示了水分排出的来源与比例. 开展半工业实验并结合计算机断层扫描(CT)与孔隙网络模型(PNM)提取床层微观孔隙结构, 利用最大球搜索算法识别并分析剪切前后孔隙与喉道的演化规律. 结果表明, 添加转速为2 r·min-1的剪切作用将尾砂底流浓度(即底流的固相质量分数)由55.8%提升到58.5%, 孔隙率由43.05%降低到36.59%, 孔隙率降低的比率为15%. 通过PNM技术将孔隙空间划分为\球体\储水孔隙与\棍体\喉道; 剪切后球体和棍体数量分别增加了16.5%和22%, 球体平均尺寸小幅下降, 球体半径多集中在40~60 μm之间. 棍体平均半径由9.83 μm降低至8.58 μm, 降低了12.7%, 棍体长度变化较小. 剪切作用下的球体配位数在5~10的部分从25.73%增加至44.58%, 配位明显增多, 颗粒接触紧密. 本文提出\球棍比\的概念用于孔隙结构的定量表征. 剪切后球体体积占比由14.14%降低至12.75%, 球体体积减少的比率达到9.83%;棍的体积由28.91%降低至23.84%, 棍体积减少的比率为17.54%. 球棍比由48.91%增加至53.48%, 球棍比提升的比率达到了9.34%, 与球体体积减小相比, 棍的体积减少的幅度更大, 导致球棍比上升. 本文从孔隙结构变化的角度揭示了全尾砂重力浓密剪切排水机理; 剪排水过程中主要排出的是喉道中的水分, 孔隙中的水分排出较少

人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的新特点。要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同，是实现人与机器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键。本文将军事对抗中人工智能的应用作为切入点，罗列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方案，对未来的研究方向作出展望。如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一步研究工作

内直角台阶的轧齐一直是楔横轧的关键技术之一，一般内直角台阶的轧齐曲线公式和算法不适合小台阶的生产应用。为了解决这一问题，通过改进几何模型，针对内直角小台阶的螺旋体体积提出一种新的计算方法。根据楔横轧工艺的特点，比较轧件初始半径与对应辅助圆半径的大小关系，指出了二辊轧齐过程中内直角小台阶的判断条件。根据轧件大端半径与旋转角度的关系，将轧齐过程分成了三个阶段。通过对小台阶螺旋体的分块，将其近似成三个规则体积的组合，推导出了轧齐过程中各个阶段的体积公式。依据体积平衡原理和楔横轧模具特点，得到了二辊楔横轧内直角小台阶随轧件旋转角度变化的轧齐曲线。最后采用刚塑性有限元软件Deform-3D对一定断面收缩率范围内的轴类件进行楔横轧数值模拟，验证了本文所提出的轧齐曲线计算方法的适用性。同时通过对比分析，发现在小断面收缩率轴类件直角台阶成形时展宽角应尽量取小

为了探讨Cr3C2强化相提高Cr3C2/Ni3Al复合材料耐磨性的机制, 本文采用热等静压技术制备了Ni3Al合金和Cr3C2/Ni3Al复合材料, 借助纳米压痕仪对Ni3Al合金和Cr3C2/Ni3Al复合材料中各组成相的力学性能进行了表征, 利用销-盘式摩擦磨损试验机研究了热等静压Ni3Al合金和Cr3C2/Ni3Al复合材料的耐磨性能, 并结合扫描电子显微镜和纳米压痕仪分析了材料磨损表面形貌和磨损次表面层硬度变化.结果表明, Cr3C2的添加提高了复合材料基体的硬度, Cr3C2/Ni3Al复合材料中各组成相的纳米硬度和弹性模量由基体相、扩散相到硬芯相是逐渐增大的, 呈现出梯度变化, 有利于提高Cr3C2/Ni3Al复合材料的耐磨性.在本研究实验条件下, Ni3Al合金和Cr3C2/Ni3Al复合材料表面的磨损形式主要为磨粒磨损, Cr3C2/Ni3Al复合材料表现出更加优异的耐磨性能.Cr3C2/Ni3Al复合材料耐磨性能的提高主要跟碳化物强化相阻断磨粒切削、减弱摩擦副间相互作用、减小加工硬化层厚度、磨粒尺寸等因素有关

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义