膨胀剂、减缩剂对超高性能混凝土自收缩性能的影响

为了解决超高性能混凝土(ultra-high performance concrete,UHPC)存在的收缩开裂风险高等问题,研究膨胀剂、减缩剂对UHPC自收缩性能的影响,开展单掺膨胀剂或减缩剂UHPC的扩展度、基本力学性能及自收缩规律的试验研究,并在此基础上对膨胀剂与减缩剂双掺后的减缩效果进行研究.试验结果表明,膨胀剂或减缩剂单掺均提高UHPC扩展度;膨胀剂或减缩剂单掺均降低28 d抗压强度;掺膨胀剂、减缩剂UHPC的28 d自收缩发展可分为3个阶段:快速发展期、缓慢发展期、平稳期;单掺膨胀剂或减缩剂均有效抑制UHPC各阶段的自收缩,其中,膨胀剂HP-CSA质量分数为6.0％时减缩效果最佳,28 d减缩率达93.6％,减缩剂SBT?-SRA(I)质量分数为1.5％时减缩效果最佳,28 d减缩率为43.0％;膨胀剂与减缩剂双掺时未产生协同效应.     

WSN低功耗低时延路径式协同计算方法

针对云计算应用于无线传感器网络(Wireless Sensor Network,WSN)时延敏感型业务时存在的高传输时延问题,提出了一种WSN低功耗低时延路径式协同计算方法。该方法基于一种云雾网络架构开展研究,该架构利用汇聚节点组成雾计算层;在数据传输过程中基于雾计算层的计算能力分步骤完成任务计算,降低任务处理时延;由于汇聚节点计算能力较弱,时延降低将导致能耗增加,WSN工作寿命减短,为此提出能耗约束下的任务映射策略,并利用离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法解决能耗约束下的时延优化问题。仿真结果表明,在相同的能耗约束下,对比其他算法,基于BPSO算法得出的映射方案能有效降低业务处理时延,满足时延敏感型业务的需求。     

梁结构振动支承约束反力控制

支承或连接构件对梁结构的动力学性能有至关重要影响,必须保证其在振动过程中不发生破坏或者失效。通过合理设计和布局附加弹性支承可以实现对这些重要连接构件所承受约束反力的控制。应用微分变换法推导含附加支承的梁结构支承约束反力及其对于附加支承位置和刚度的灵敏度表达式,并通过优化设计附加支承位置和刚度实现具有弹性约束端的简支梁结构各支承约束反力的平衡,可提高结构的动力学性能。     

三维装箱问题研究现状与展望

装箱问题自1830年被提出以来就是学术界研究的重要领域,三维装箱问题是装箱问题中最复杂的一种。结合前人研究成果,将三维装箱问题按照多层次进行了详细的分类解读。系统地整理了三维装箱问题建模的三大要素:前提假设、目标函数、约束条件。同时提出了求解三维装箱问题的5类方法。统计了近年来几十篇文献,结合这些文献,对上述的问题分类、建模要素、求解方法等做出统计。最后针对目前三维装箱研究存在的问题和短板,为使三维装箱问题的研究可以更好地与实际工程问题相结合,提出了三点展望。     

纳米氧化物对水泥基料化学收缩的影响

采用ASTM化学收缩试验方法,研究纳米SiO2、MgO、Al2O3对水泥基材料化学收缩变化的影响,明确纳米材料种类的差异性。结果表明,各实验组水泥基材料化学收缩均经历三阶段:急速变化区、缓慢变化区、平稳区,7d始水泥基材料化学收缩基本稳定。几种纳米材料的最佳掺量对水泥基材料的化学收缩改善作用大小为:SiO2>Al2O3>MgO。研究发现,纳米材料种类和掺量的不同对化学收缩的影响也较大,在选用时,需综合考虑。     

高强型高模量低收缩聚酯帘线性能的研究

研究高强型高模量低收缩聚酯帘线的性能。结果表明：与第2代高模量低收缩聚酯帘线相比，第3代高强型高模量低收缩聚酯浸胶帘线模拟硫化及耐疲劳试验后的断裂强力提高，定负荷伸长率略低，耐疲劳性能提高，其他性能相当。     

约束规划在原油调度中应用的探索

石油化工是国内大型能源行业中的基础性行业,其本身是典型的流程性行业机制,在制造业中具有流程完整和全面的特性,同时在国民经济发展中起到举足轻重的重要作用。石油化工企业的工艺流程随着其炼油生产过程的扩展而逐渐的复杂化,其不同加工阶段中,对原油的调度衔接要求不同,要求原油的供应保证连续。同时整个生产过程,原油的调度不能够出现过大的波动,要保持平稳,才能实现生产设施和辅助设施的紧密连接以及调度安全。在考虑了石油化工企业的自身生产能力以及实际调度能力后,我们采用约束规划方法,进行原油总体调度的效率提升研究,实现最大限度的顺利完成生产任务、原油调度目标。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。