盾构环流系统地质适应性改造

结合广深港客运专线狮子洋隧道盾构施工实例,针对泥水盾构在掘进过程中存在的刀盘中心区域及边刀区域极易堆积渣土的频繁"堵仓"问题,对盾构环流系统进行了地质适应性改造,并取得了良好的改造效果,为盾构环流系统的地质适应性设计提供了参考。     

沉淀剂对共沉淀法制备Lu2O3发光粉体形貌的影响

研究了共沉淀法制备Eu3 掺杂氧化镥(Lu2O3)发光粉体过程中三种不同的沉淀剂(氨水、碳酸氢铵以及NH3·H2O NH4HCO3两者的混合溶液)对所得粉体形貌的影响.通过差热热重质谱联用(DTA-TG-MS)和红外光谱研究了不同沉淀剂所得沉淀前驱体的热分解行为,结合显微结构观察、粒度分布和比表而积测试,对i种沉淀剂影响Lu2O3晶粒尺寸和团聚状态的规律进行了探讨.研究发现:采用NH3·H2O NH4HCO3混合沉淀剂得到的Lu2O3粉体具有最佳的显微结构和粒径分布状态,沉淀前驱体经1000°C煅烧2h,粉体的平均晶粒尺寸为35nm,中位粒径(D50)为0.48μm.     

稀土离子掺杂氧化镥透明陶瓷材料

研究以Eu3 为代表的稀土离子掺杂氧化镥(Lu2O3)发光粉体的湿化学制备方法,并在此基础上研制了相应的Lu2O3基透明陶瓷材料.以氨水加碳酸氢铵溶液用作复合沉淀剂成功地制备出低团聚、颗粒类乎球形的高烧结活性Lu2O3基纳米发光粉体.采用Fourier红外光谱、差热-热重-质谱联用、X射线衍射和透射电镜等手段研究了粉体制备过程中的物理化学变化过程.在煅烧后获得Lu2O3粉体的晶粒尺寸为30～40nm,比表面积可达18m2/g.该粉体在无需黏结剂或烧结助剂的条件下,经干压等静压成型后于流动H2气氛下经1850℃,6h常压烧结后,可获得具有良好光学透明性的Eu3 掺杂Lu2O3基(Eu:Lu2O3)陶瓷材料,样品的体积密度达理论密度的99.8%,晶粒尺寸为50～60μm.双面抛光1mm厚的Eu3 :Lu2O3陶瓷样品在可见光波段的直线光学透过率可达80%以上,该样品在紫外激发条件下在610nm波长处产生很强的特征发射谱线,是一类有望在射线探测和X光数字成像领域得到应用的高性能探测材料.     

共沉淀法合成制备Ce^3＋掺杂Lu3Al5O12纳米粉体

用碳酸氢铵作为沉淀剂,将硝酸镥、硝酸铝和硝酸铈配成混合溶液,采用反滴定共沉淀及低温煅烧前驱体的方法制备 Lu3Al5O12(Ce)纳米发光粉体.采用热分析(TG-DTA)、傅立叶红外光谱(FTIR)、X射线衍射(XRD)、透射电镜(TEM)和光致发光(PL)等分析测试方法对Lu3Al5O12(Ce)粉体制备过程中的物理化学变化及粉体的激发发射发光性能进行了研究.结果表明,采用反滴定共沉淀法制备工艺,经过1000℃煅烧2h,可以得到晶粒尺寸为30nm左右,仅有轻微团聚,单一石榴石相的Lu3Al5O12(Ce)粉体.并且在1000℃处理得到的粉体的光致发光最强.     

共沉淀法合成制备Ce3+掺杂Lu3Al5O12纳米粉体

用碳酸氢铵作为沉淀剂,将硝酸镥、硝酸铝和硝酸铈配成混合溶液,采用反滴定共沉淀及低温煅烧前驱体的方法制备 Lu₃Al₅O₁₂(Ce)纳米发光粉体.采用热分析(TG-DTA)、傅立叶红外光谱(FTIR)、X射线衍射(XRD)、透射电镜(TEM)和光致发光(PL)等分析测试方法对Lu₃Al₅O₁₂(Ce)粉体制备过程中的物理化学变化及粉体的激发发射发光性能进行了研究.结果表明,采用反滴定共沉淀法制备工艺,经过1000℃煅烧2h,可以得到晶粒尺寸为30nm左右,仅有轻微团聚,单一石榴石相的Lu₃Al₅O₁₂(Ce)粉体.并且在1000℃处理得到的粉体的光致发光最强.      

放电线圈的二次短路与保护措施研讨

通过对放电线圈故障案例的全面梳理,得知放电线圈二次短路的突发性与群发性,以及缺乏保护的危害性,应予高度关注,研讨采取必要的预防与保护措施十分必要。本文提出的见解和建议,企求为今后专题探讨有所启迪。     

企业IT基础设施节能建设

介绍了企业IT基础设施节能的重要性,从IT基础设施管理与建设角度分析了企业现有IT设施的节能措施,指出新建IT基础设施时应从优化气流、充分利用自然资源、提高制冷效率、采用新技术、提高应用密度等方面考虑节能问题.     

盾构刀盘设计软件开发

为快速完成不同类型和尺寸盾构刀盘的设计,根据刀盘自身机械数据结构和施工过程的数据关系,利用VB把已经完成的三维参数化机械模型和综合结构分析结果封装形成软件,方便了刀盘设计人员准确且快速地完成盾构刀盘设计。     

基于Ext-GBDT集成的类别不平衡信用评分模型

针对现实信用评分业务中样本类别不平衡和代价敏感问题,以及金融机构更期望以得分的方式直观地认识贷款申请人的信用风险的实际需求,提出一种基于Ext-GBDT集成的类别不平衡信用评分模型。使用欠采样的方法从"好"客户(大类)中随机采样多份与全部"坏"客户(小类)等量的样本,分别与全部小类构成训练子集;用不同的训练子集及特征采样和参数扰动的方法训练得到多个差异化的Ext-GBDT子模型;然后使用简单平均法整合子模型的预测概率;最后将信用概率转换为信用评分。在UCI德国信用数据集上,以AUC和代价敏感错误率作为评价指标,与决策树、逻辑回归、朴素贝叶斯、支持向量机、随机森林及其集成模型等当前最为常用的信用评分模型进行对比,验证了该模型的有效性。