大跨度交叉倒三角钢桁架结构安装及卸载技术

交叉倒三角钢桁架结构因其造型优美、结构布置灵活、充分发挥材料强度等优点,在越来越多的大跨度公共建筑中被广泛应用[1].从交叉倒三角钢桁架结构的深化设计、拼装、支撑胎架设计、桁架安装和结构卸载的施工技术措施等方面,对该类型结构的安装及卸载施工进行优化,为提升交叉倒三角钢桁架结构施工的质量,降低安全、工期和施工成本的风险,...     

基于数控加工原型的快速模具制造工艺

提出一种将常规数控加工技术与精密材料成形技术结合应用于快速模具制造的新工艺。工艺路线为在CAD环境中对零件的CAD数据进行前期误差补偿,用普通加工中心快速加工出精密成形用的专用蜡基或泡沫塑料基模具原型,并优化其加工工艺和后处理工艺,最后通过精密铸造工艺制造出模具,使之在少量加工或者不加工条件下能用于实际生产。     

CO2气氛和喷涂距离对电弧喷涂铁基非晶涂层组织及耐蚀性能的影响

为提高电弧喷涂铁基非晶涂层的非晶含量及耐蚀性,以CO₂为载流气体代替空气进行电弧喷涂试验,并研究喷涂距离对涂层组织与耐蚀性的影响。结果表明,喷涂层的厚度约为200 μm,涂层均主要由结晶相与非晶相构成。相比于空气介质,CO₂抑制了晶化,从而提高了涂层中的非晶含量。同时,喷涂距离对涂层的组织及耐蚀性能有较大影响。随着喷涂距离的增加,涂层中的非晶含量减少。当喷涂距离为100 mm时,涂层具有最高的开路电位-0.498 V(vs SCE)及最小的自腐蚀电流密度4.281 μA/cm²,耐蚀性能最好;当喷涂距离为150 mm时,涂层的耐蚀性最差。提高非晶含量和组织的均匀性可增强该涂层的耐蚀性能。     

用砂量与测区数对混凝土叠合板粗糙度检测的影响分析

通过对摊铺试验用砂量以及在构件粗糙面上布置的测区数量等影响检测结果因素的研究，确定了满足检测精度要求的最低用砂量和测区数，为铺砂法检测预制混凝土叠合构件结合面粗糙度的推广应用解决了难题。     

基于机器学习的三峡水库小时尺度坝前水位预测

针对三峡水库坝前水位影响因素繁多、变化机理复杂、传统水量平衡方法难以精确预测的问题，以水库历史运行数据为基础，分析了坝前水位变化规律，并采用3种机器学习方法(人工神经网络、支持向量机、随机森林)分别构建了小时尺度坝前水位预测模型，对模型预测效果进行了评价。测试结果表明：3个预测模型均具有较高预测精度，其中随机森林模型在精度评价中表现最优，k折交叉验证均方误差为5.2,R²平均值为0.82,在3个不同调峰量的典型测试案例中较传统水量平衡方法均具有明显优势。研究成果可为水库短期发电精准化调度提供技术支持。     

大兴安岭北部腰站林场地区土壤地球化学特征及找矿方向

腰站林场地区位于大兴安岭北部漠河盆地北端，成矿地质条件优越。为实现找矿突破，在1∶5万水系沉积物测量成果基础上，开展了1∶1万土壤地球化学测量。结果表明：腰站林场地区Au元素丰度高，变异系数大，为主成矿元素，As、Sb元素可作为指示元素，以中低温热液成矿作用为主，找寻金矿床潜力较大；综合异常元素多、规模大、强度高。在部分综合异常区地表槽探查证中发现2条矿化体，矿化特征与宝兴沟金矿床具有一定的类似性，认为该地区具有良好的找矿前景。     

基于PSO/DE-ELM模型的云贵高原干旱预测

气候变化导致西南地区面临愈加严重的干旱问题，为准确预测该区域干旱情势，分别构建了粒子群算法(PSO)和差分进化算法(DE)优化的极限学习机(ELM)模型，并将其应用于云贵高原干旱预测，从预测精度和特征值模拟能力等方面比较了PSO-ELM模型和DE-ELM模型在云贵高原干旱预测中的适用性。结果表明：(1)PSO-ELM模型和DE-ELM模型均能够有效预测云贵高原不同时间尺度下的干旱状况，模拟值与实测值的相关系数均在0.75以上，均方根误差均小于0.65;(2)两种模型对最大值、最小值、不同百分位数等特征统计值、干旱历时和干旱强度的拟合效果较好，能够有效反映研究区干旱特征；(3)相较而言，DE-ELM模型的预测性能略优于PSO-ELM模型，在云贵高原干旱预测中具有更强的适用性。     

基于非线性高斯混合回归的燃煤锅炉NOx排放浓度预测模型

为了准确测量锅炉出口的NO_x排放浓度，针对燃煤锅炉的复杂非线性，提出了一种基于非线性高斯混合回归(Nonlinear Gaussian Mixture Regression, NGMR)的NO_x排放浓度预测方法。采用滑动时间窗方法，结合奇异值分解实现稳态判定；进一步采用互信息(Mutual Information, MI)判断不同变量与NO_x排放浓度的相关性，确定模型输入变量；利用选定的输入变量，基于NGMR建立NO_x排放浓度预测模型；基于某660 MW燃煤机组运行数据，将提出的NGMR模型分别与人工神经网络(Artificial Neural Network, ANN)模型、支持向量回归(Support Vector Machine, SVR)模型以及极限学习机(Extreme Learning Machine, ELM)模型进行对比分析。结果表明：NGMR模型预测均方根误差(Root Mean Square Error, RMSE)为4.66 mg/m³,平均绝对误差(Me...     

灌浆料测强曲线适用性研究

选择不同灌浆料制作了标准试件和模拟孔道PVC管试件，根据DB32/T 3754—2020《装配整体式混凝土结构检测技术规程》的要求，基于标准试件的抗压强度和模拟孔道PVC管试件的表面硬度建立了灌浆料测强曲线，分析了测强曲线对灌浆料龄期和抗压强度的适用性。结果表明：在灌浆料龄期≥14 d或抗压强度≥60 MPa的情况下，采用DB32/T 3754—2020中相关方法建立的灌浆料测强曲线的适用性更强，可为实际工程中不同灌浆料实体抗压强度检测时间的选取提供参考。