爆炸排淤填石法中淤泥的本构模型

以爆炸排淤填石法为背景 ,对不同应变率阶段淤泥的本构模型进行了分析 ,利用ANSYS/LS-DYNA动态有限元分析程序对所选择的模型进行验证和确认。计算和分析结果表明 :在形成爆炸空腔的高应变率阶段 ,淤泥表现为理想不可压缩流体的性质 ;在小药量小抵抗线条件下 ,甚至在淤泥自重作用下的较低应变率变形阶段 ,其黏性效应也可以忽略不计。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

书介: 财税支持视域下促进能源结构转型的政策和建议研究

<正>能源结构转型既要适应能源绿色低碳转型的要求,也需满足生态文明建设,它是维护全人类共同利益的必然选择。新时期,我国能源结构转型和能源安全进入稳步前行的阶段,可再生能源发展也进入大规模、高比例、市场化和高质量发展的新阶段。在能源发展方面,我们要立足已有的优势,提高能源安全的保护,实现能源结构的合理布局,这些实施的前提是需要有全方位的支持和保障;再者是财税政策,它可以从中发挥激励的作用。在促进能源结构顺利转型和维护能源安全方面,世界各国尤其是经济发达国家拥有相对成熟的财税政策,其根本是将政策作为支持与激励的手段,促进市场经济的发展和引导能源结构转型,从而推动可再生能源的发展,这些经验是值得我国借鉴的。在此基础上,我们需要结合我国的基本国情,形成具有针对性的可再生能源财税支持激励政策,促进我国的可再生能源高效的发展。《能源结构转型、能源安全与财税激励机制—主要发达经济体能源财税政策的比较与借鉴》由李向军著,2021年1月由经济科学出版社出版。     

液氢零蒸发储存系统研究现状与展望

液氢储能密度大，应用前景广泛，实现零蒸发储存是液氢储存的目标。介绍了过热蒸气模型、两相流三维理论模型和三区模型等五种典型的理论模型。通过对模型的分析，总结了模型的发展方向主要为大型液氢储罐热分层和自增压现象的理论研究。分析了目前液氢零蒸发储存系统的关键技术，包括被动热防护技术、主动热防护技术和压力控制技术三个方面，指出了绝热材料性能、20 K温区制冷机效率和蒸气冷屏（VCS）为重要的发展方向。对国内外液氢零蒸发储存系统的发展进行了系统性的概述，分析了不同液氢零蒸发储存系统的实验结果，以及特点和不足。最后针对液氢零蒸发储存系统的发展提出了展望。     

角行程阀门电液执行器传动结构的分析

介绍了角行程电液执行器的几种常见传动结构,分析了各种结构的力矩输出特性及与阀门配套的特点。     

《泡沫塑料--机理与材料》简介

发泡本身是一种动态而且复杂的过程,涉及到科学原理和控制加工工艺的工程参数。本书的主要目的之一是要透彻理解泡沫塑料的基本机理和材料性能。第1章介绍了泡沫塑料的机理和所用材料。基本机理似乎对所有泡沫塑料都适用,因为泡沫塑料都是通过发泡制得的,其中涉及到泡孔成核、长大和稳定等机理。第3章和第5章专门讨论了上述机理。尽管发泡是一种不稳定的、具有动态复杂性的相分离过程,但材料强度对决定泡沫塑料的发泡程度和泡孔结构起着决定性的作用。     

基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。     

3D视觉和扫描技术在内星轮冷精整生产中抓取和测量应用实例

在传统工业生产快速朝着智能化和数字化转型发展的今天,各类智能化技术层出不穷;随着近些年3D视觉以及3D扫描技术的不断发展和成熟,相关的技术也越来越多的被运用到智慧物流、快速扫描测量、AI等领域;3D视觉技术能帮助传统工业机器人完成更加复杂的动作,并通过算法实现深度学习,并具备快速计算运动路径的能力;比如依靠3D视觉技术,实现工业机器人对于上、下料动作路径的运算,实现物料的无序抓取,被抓取的物料可以随机无需排列摆放,这在以往工业运用中是难以实现的。