刚性卵形弹丸对半无限厚铝合金靶的穿深方程

基于圆柱形空腔膨胀模型,将靶板变形所做的塑性功等效为刚性弹在整个侵彻过程所消耗的动能,对用于计算刚性卵形弹侵彻半无限厚铝合金靶板的侵深公式进行了推导。利用MTS万能试验机对2A12T4、6061T6、7075T6共3种铝合金材料进行了室温下的静态力学性能实验,得到了它们的真实应力-应变曲线,并将各参数代入侵深方程进行计算。通过12.7 mm穿燃弹侵彻3种铝合金靶板的末端弹道试验,得到了不同速度下3种铝合金靶板的侵彻深度,并与理论结果进行了对比验证。结果表明:该理论模型与试验结果吻合良好,推导得到的穿深方程较为可靠。同时,靶板材料的应力-应变数据的可靠性对模型预测的准确性有较大的影响。     

露天矿山环保抑尘剂研制及性能研究

针对石灰石露天矿爆破粉尘的防治问题,选取氯化钙、甲基纤维素、脂肪醇聚氧乙烯醚、丙三醇4种单体,采用正交实验法对4种单体进行四因素三水平实验。以pH值、黏度、渗透速率、保水率作为考核指标,采用极差法对实验结果进行分析得到最佳配方的复合抑尘剂(A),将抑尘剂(A)与水稻秸秆粉末纤维素酶解离液进行1∶1复配得到环保抑尘剂(B)。将两类抑尘剂与水进行实验对比,进行润湿性、抗破坏性、抗冻性、抗蒸发性表征,SEM测试和室内抑尘模拟实验。研究结果表明：抑尘剂(B)在抗冻、抗蒸发性及润湿作用上与抑尘剂(A)相似且都明显优于水;抑尘剂(B)固化性能更佳,微观形貌显示具有良好的黏结作用。在室内模拟风机风速为12.8 m/s,时间为20 min的扬尘模拟实验中,水、抑尘剂(A)、抑尘剂(B)的抑尘效率分别为32.22%、71.73%和73.25%。     

基于深度学习的连续帧车道线检测网络

为了改善单帧图像检测复杂背景中车道线性能较差问题,例如车道线受到阴影影响、污渍污损或人车遮挡等情况时性能较差的问题.本文提出了一种基于连续帧的车道线检测网络,实现了卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络LSTM(Long Short-Term Memory,LSTM)的融合.首先,编码器CNN对连续帧进行特征提取,生成多尺度特征映射;其次,输入对应的双层ConvLSTM网络,捕获连续帧的时空信息;最后,捕获的时空信息在解码器CNN中进行多尺度特征融合,产生车道线预测的分割图.实验结果表明,所提网络的准确率、召回率和F1值较高,分别达到了 85.8％、96.1％和90.0％,总体上F1相对于原始CNN网络提高了约4％,在某些复杂路况下F1的提升在10％以上.与其它网络相比,本文提出的网络具有较高的准确率、召回率和F1值,同时运行时间并没有大幅增加,实时性得到保障.     

Si/Ti掺杂对AlCrCoFeNiMoTixSiy高熵合金力学性能影响的第一性原理计算

应用第一性原理计算了Si/Ti掺杂对AlCrCoFeNiMoTi_xSi_y八主元高熵合金力学性能的影响规律。结果表明:在AlCrCoFeNiMoTi_xSi_y合金系中,当Si元素摩尔含量为0.5、Ti元素摩尔含量为0.5、Si/Ti比值为1时,合金的杨氏模量、剪切模量最大,泊松比最小,表明该合金硬度最高、塑性最低;随着合金中Si/Ti比值的降低或升高,合金的硬度略有降低、塑性增加;当Ti元素摩尔含量为0,Si元素摩尔含量为1,Ti/Si比值为0时,合金的杨氏模量、剪切模量最小,泊松比最大,表明该合金硬度最低、塑性最高。在不同的Si/Ti比值下,高熵合金都具有一定的延展性,计算结果与实验结果吻合很好。     

基于BERT和双通道注意力的文本情感分类模型

对于句子级文本情感分析问题,目前的深度学习方法未能充分运用情感词、否定词、程度副词等情感语言资源。提出一种基于变换器的双向编码器表征技术(Bidirectional encoder representations from transformers,BERT)和双通道注意力的新模型。基于双向门控循环单元（BiGRU）神经网络的通道负责提取语义特征,而基于全连接神经网络的通道负责提取情感特征;同时,在两个通道中均引入注意力机制以更好地提取关键信息,并且均采用预训练模型BERT提供词向量,通过BERT依据上下文语境对词向量的动态调整,将真实情感语义嵌入到模型;最后,通过对双通道的语义特征与情感特征进行融合,获取最终语义表达。实验结果表明,相比其他词向量工具,BERT的特征提取能力更强,而情感信息通道和注意力机制增强了模型捕捉情感语义的能力,明显提升了情感分类性能,且在收敛速度和稳定性上更优。