动载作用下铁矿石能量耗散规律及破坏特征试验研究

为研究攀枝花铁矿开采境界内铁矿石的动力学性能,利用动静组合分离式霍普金森杆实验系统,开展 4 种典型铁矿石的动态单轴压缩试验。 以动态强度、能量耗散、碎屑分布为切入点,分析 4 种矿石的动力学响应特征。 试验结果表明:4 种铁矿石的动态强度均具有明显的率效应,随冲击速率的增加而增大;所研究冲击速率范围内,中低 品位铁矿石的动态强度显著大于高品位铁矿石和表外矿的强度;随着冲击速率的增加,单位体积耗散能随之增大,且 单位体积耗散能的增加幅度与铁矿石的品位相关;基于分形理论分析 4 种铁矿石破坏后碎屑块度的分形维数,发现碎 屑块度的分形维数随冲击速率增大而增加;最后,分析了单位体积耗散能与分形维数的关系,发现二者呈现非线性正 相关关系。     

非常规气藏储层改造体积评价方法研究

为精确描述非常规气藏压裂后的复杂流动特征及定量评价储层改造体积（SRV），利用自主研发的缝网重构算法“破裂树生长法”建立压后缝网模型，并以此为基础提出了使用拟稳态流动时特定的压力等值线来确定SRV范围的定量评价方法，最后以长宁201井区为例进行了矿场实例分析。该方法根据微地震监测点的位置，重构出微裂缝网的连通关系。在复杂微裂缝网的基础上建立离散裂缝地质模型并进行生产数值模拟，根据数值模拟结果的压力分布精确划定SRV的范围。利用该方法计算出长宁201井区的SRV体积为0.052 1 km3，以该缝网模型的数值模拟产量预测结果符合实际生产规律，方法实用性较好。     

北京市万人5G基站数全国第一

在2022年1月7日举行的北京市第十五届人民代表大会第五次会议新闻发布会上,北京市经济和信息化局副局长王磊介绍,北京市万人5G基站数全国第一,已率先实现5G+8K全产业链技术应用贯通。据介绍,当前,北京数字基础设施建设进入新阶段,现已累计开通5G基站5.64万个,实现五环内室外连续覆盖,万人基站数全国第一,率先实现5G+8K全产业链技术应用贯通。     

基于m-Ucosφ平面识别振荡期间输电线路不对称故障的方法EI北大核心CSCD

距离保护作为输电线路的后备保护在电力系统广泛应用,但是系统振荡期间测量阻抗变化会导致距离保护误动作,在系统振荡期间需要闭锁距离保护,而系统振荡期间线路发生不对称故障时需要快速开放距离保护,现有距离保护利用电流不对称度识别振荡期间不对称故障,识别故障电阻的灵敏度低,无法快速开放距离保护。提出了一种综合利用保护安装处电流、电压特征识别振荡期间线路不对称故障方法,利用保护安装处的电压余弦分量反映故障点处的电压,建立了电流不对称度–电压余弦分量平面,从电流和电压两个维度综合反映系统振荡及线路故障特征,在此基础上,构建了系统振荡期间线路不对称故障的识别判据,提高了保护识别振荡期间线路不对称故障的灵敏性,缩短了距离保护开放时间,实时数字仿真系统(real time digital system,RTDS)仿真结果验证了本方法的有效性。     

3D打印裂隙岩体动态力学性能及能量耗散规律初探

地下岩体结构经常遭受到地震、爆炸、冲击振动等产生的动力扰动，利用3D打印技术的优势研究冲击荷载下岩体动态力学性能对实现3D打印技术在工程领域的应用具有重要意义。采用φ50 mm的变截面霍普金森压杆(SHPB)装置，对含预制裂隙的3D打印岩体试样进行动态单轴压缩试验。研究结果表明：试样的动态抗压强度随着预制裂隙倾角的增大呈现出先减小后增大的趋势，当预制裂隙倾角为30°时试样强度最小，当预制裂隙倾角为90°时试样强度最大。与3D打印岩体试样的静态单轴压缩强度对比发现，3D打印砂性材料具有明显的率效应，当应变率为139.65 s^-1时，3D打印岩体试样的动态抗压强度是静态抗压强度的4.34倍。预制裂隙缺陷在一定程度上加剧了试样的能量耗散和破碎过程，并且30°倾角预制裂隙对试样能量耗散和破碎结果的影响程度最大。同时，3D打印岩体试样的能量耗散过程与破碎块度表现出明显的自相关性，所用的3D打印砂性材料的宏观破碎结果与能量耗散之间的关系与天然岩石材料有一定相似性，为今后3D打印材料模拟天然岩体应用于动态力学试验的可行性奠定了基础。     

基于强度场的八球万向节内套结构与静强度设计匹配研究

为了对八沟道等速万向节内套进行结构和静强度设计,从钢球选型出发,对八沟道等速万向节内套进行了结构参数正向设计.对内套危险截面进行了全场静强度设计,以理想静强度场为目标,定量匹配了危险截面静强度的材料、热处理,并对全场静强度设计进行了定量评价.使用MTS静扭转试验机对等速万向节总成进行了静强度扭转试验,并用显微硬度计对内套进行了显微硬度试验以验证理论,结果表明按照基于强度场的机械结构和零部件的静强度设计与匹配方法设计的八沟道等速万向节星形套能够满足强度和功能需求.     

深度元学习在无人驾驶中的应用前景

在无人驾驶发展的初期,科学家们依靠数学方法与计算机视觉领域的相关技术创造出无人驾驶算法,其性能和安全性都不是很理想。近年来,随着深度学习的不断发展,无人驾驶领域出现了越来越多与深度学习相关的优秀算法。与传统算法相比,与深度学习相结合的无人驾驶算法有着更为优秀的性能,无人驾驶技术也随着深度学习的发展不断向商用化推进,其中具有代表性的产品即为近年来美国特斯拉公司生产的车辆,其拥有较为完善的辅助驾驶系统,可以将其看作一款非常典型的无人驾驶产品。本文将从目标检测以及目标跟踪两个领域分析深度元学习在无人驾驶领域中的应用前景。