检索结果-南通市图书馆

大密度比气泡在多孔介质通道内上升行为的三维介观数值模拟研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

物理学报 2025年

作者：赵兹卿严裕娄钦上海理工大学能源与动力工程学院

本文基于格子Boltzmann方法，使用三维数值模拟研究了复杂多孔介质中大密度比气泡运动行为，重点探讨E?tv?s数 (Eo)、接触角 (θ) 和Reynolds数 (Re)耦合作用对气泡速度、形态演化及停滞现象的影响规律．研究发现，在多孔介质中，接触... 详细信息

本文基于格子Boltzmann方法，使用三维数值模拟研究了复杂多孔介质中大密度比气泡运动行为，重点探讨E?tv?s数 (Eo)、接触角 (θ) 和Reynolds数 (Re)耦合作用对气泡速度、形态演化及停滞现象的影响规律．研究发现，在多孔介质中，接触角增大降低了气泡速度，并加剧速度波动，使气泡趋于扁平化．Eo的增加则可显著抑制扁平化趋势，稳定气泡速度，使其形态更接近子弹头状．当接触角较大且Eo较小时，黏附力增强会导致气泡停滞于多孔介质内部．此外，Re与接触角在阻力构成中呈竞争关系，对气泡的平均速度有相互增强的作用，而在较大接触角下，Re增大会导致气泡尾部不稳定并易断裂．研究还表明，低Eo和低Re条件下气泡速度随Eo增加而下降，而在高Eo和高Re条件下则呈相反趋势，这一现象源于气泡形态的不稳定性对浮力和速度的影响．

关键词：格子Boltzmann方法气液两相流多孔介质三维数值模拟

统筹发展和安全中的“民参军”——二战后大国技术发展模式及其启示

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

国际安全研究 2025年第1期43卷 4-29,155页

作者：黄琪轩李文见上海交通大学国际与公共事务学院上海200030 上海市创新政策评估研究中心上海交通大学政治经济研究院

促进发展和维护安全是世界各国追求的两项重要目标,而技术的军民融合则是连接发展和安全的重要纽带。二战后,苏联、日本与美国的军民融合实践,分别代表了“旋转耗散”“旋转上升”“旋转下降”以及“旋转环绕”四种大国技术发展模式。... 详细信息

促进发展和维护安全是世界各国追求的两项重要目标,而技术的军民融合则是连接发展和安全的重要纽带。二战后,苏联、日本与美国的军民融合实践,分别代表了“旋转耗散”“旋转上升”“旋转下降”以及“旋转环绕”四种大国技术发展模式。这四种模式的不同成效表明,要成功地实现军民技术融合,统筹发展和安全,关键在于“民参军”。“民参军”为军用技术提供了负反馈的制约、互补能力的积累以及持续的资金来源。苏联的困境在于缺乏“民参军”,大量军用技术难以外溢到民用部门,最终导致军用部门也缺乏持续的资金支持。日本的经验是技术从民用部门扩散到军用部门,民用部门推动了军民两用技术的发展。20世纪80年代前的美国,服务安全的军用技术逐步外溢到服务发展的民用部门;在此之后,军用技术与民用技术相互渗透,交叉影响。二战后大国技术的发展模式及军民技术融合的成败为中国推动军民融合、统筹发展和安全提供了重要借鉴。

关键词：统筹发展和安全技术发展模式军民融合民参军

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的开放集识别研究综述

计算机学报 2025年

作者：章秦刘紫琪张晓林张鹏刘涵陈小军深圳大学计算机与软件学院山东科技大学

近年来，机器学习研究不断取得突破，促成了大量智能系统的成熟和落地. 然而，当前“深度学习+大规模标注数据+完备先验知识”的机器学习范式过度依赖先验知识的完备性，其应用场景局限于静态封闭的专用系统. 现实应用环境具有更多... 详细信息

近年来，机器学习研究不断取得突破，促成了大量智能系统的成熟和落地. 然而，当前“深度学习+大规模标注数据+完备先验知识”的机器学习范式过度依赖先验知识的完备性，其应用场景局限于静态封闭的专用系统. 现实应用环境具有更多开放性和复杂性，例如现实环境中所包含的类别空间在训练期间无法被完全预知且会有新类别在测试阶段不断出现，这使得实际应用场景下的数据构成和分布都极其复杂，无法通过全局分析来保证模型的有效性. 为了打破现有机器学习对完备类别信息的过度依赖，对开放集识别问题的研究已成为一个新的趋势. 开放集识别将传统分类问题向开放环境下进行扩展，在保证已知类别准确分类的同时，要求模型还可以有效地识别测试阶段新出现的未知类别样本，避免造成大量误分. 本文对近年来开放集识别的研究进行了系统调研，聚焦于基于深度学习的开放集识别方法，对经典模型进行了梳理和介绍，并对其分类效果进行了横向对比.

关键词：开放集识别深度学习开放域分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合图神经网络与概率编码的加工特征识别

哈尔滨工业大学学报 2025年

作者：赵显文莫轩东夏铭远胡小锋上海交通大学机械与动力工程学院上海市网络化制造与企业信息化重点实验室(上海交通大学)

为解决多加工特征交叉下的特征定位问题，提高复杂零件加工特征识别性能，提出实例分割框架下的加工特征识别方法Brep3pNet。首先，基于三维模型的边界表示，提取面点云、面邻接图等几何与拓扑数据，构建三维模型的图表示，利用点云学... 详细信息

为解决多加工特征交叉下的特征定位问题，提高复杂零件加工特征识别性能，提出实例分割框架下的加工特征识别方法Brep3pNet。首先，基于三维模型的边界表示，提取面点云、面邻接图等几何与拓扑数据，构建三维模型的图表示，利用点云学习网络以及图神经网络学习三维模型面级嵌入表示。其次，提出概率位置编码方法，引入位置先验信息将三维模型各面编码为与空间位置相关的三元高斯分布，基于Bhattacharyya核度量面间相似性，以实现加工特征的面级定位，生成候选实例。最后，设计得分网络用于预测实例生成质量，以此指导实例间的非极大抑制，去除冗余特征实例，获得最终加工特征识别结果。本研究在MFCAD、MFCAD++、MFInstSeg和合成的回转类零件数据集等4个多特征数据集上对所提方法进行评估。研究结果表明：Brep3pNet相较于其他先进方法具有更好的特征定位能力，可以通过轻量的模型参数实现最优的特征识别准确率，展现了所提方法在相交特征识别上的应用潜力。

关键词：加工特征识别实例分割点云图神经网络概率编码

杂交稻与常规稻产量受干旱影响的Meta分析及其干物质分配差异

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

华中农业大学学报 2025年

作者：毛紫琳宋国庆马云静牛鑫泽曹凑贵李萍华中农业大学植物科学技术学院湖北省十堰市农业科学院

为探究干旱对杂交稻和常规稻干物质分配及产量的影响，通过Meta分析整合了1990-2020年中国境内干旱胁迫-水稻产量的文献结果，量化水稻品种、干旱胁迫程度以及胁迫时期对产量的影响，并于湖北省武汉市开展盆栽试验，以籼型杂交稻扬两优... 详细信息

为探究干旱对杂交稻和常规稻干物质分配及产量的影响，通过Meta分析整合了1990-2020年中国境内干旱胁迫-水稻产量的文献结果，量化水稻品种、干旱胁迫程度以及胁迫时期对产量的影响，并于湖北省武汉市开展盆栽试验，以籼型杂交稻扬两优6号和汕优63、籼型常规稻黄华占和扬稻6号为试验材料，进一步研究干旱[土壤水势（-30±5）kPa]对抽穗开花期水稻的叶片与根系生理指标、干物质积累与分配的影响。Meta分析结果显示，干旱下水稻产量平均降幅为24.0%；与其他生育期相比，营养生长期干旱胁迫下水稻产量降幅最大，达24.4%；籼型杂交稻和籼型常规稻在干旱下的产量降幅差异显著，分别为19.3%和13.8%，表明常规稻在干旱下的产量相对稳定。武汉盆栽试验结果显示，干旱胁迫下水稻叶片水势和叶绿素含量、根系伤流速度、根系吸收面积与活跃吸收面积均显著下降，其中根系伤流速度的降幅最大，杂交稻与常规稻的降幅分别为94.29%和89.03%，而根系活力显著上升。干旱显著降低了水稻各部位干物质量，其中杂交稻叶片的可溶性糖含量与非结构性碳水化合物（non-structural carbohydrates,NSC）含量显著下降，降幅分别为37.73%和25.35%，常规稻叶片的可溶性糖含量与NSC显著上升，增幅分别为21.89%和10.49%。与杂交稻相比，干旱下常规稻的叶片与根系生理指标变幅更小，其叶、穗、根部的NSC含量积累较多，茎部的光合碳含量较高；常规稻的叶、穗、根在抽穗开花期积累的光合碳中NSC含量占比更大。因此，干旱下常规稻可能是通过积累较多的NSC来保证各器官能量代谢的稳定进行，从而维持较稳定的产量。

关键词：杂交稻常规稻干旱胁迫干物质分配根系活力产量非结构性碳水化合物 Meta分析

复合材料螺栓连接参数对承载强度的影响及优化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

复合材料科学与工程 2025年

作者：孙昕阳武涛朱兆轩黄严中国民航大学交通科学与工程学院沈阳航空航天大学航空制造工艺数字化国防重点学科实验室

为分析复合材料连接件的参数影响规律，优化常规参数间的配比，提升结构经济性与实用性，针对板厚、端径比和预紧力三个制造装配阶段的显著连接参数开展拉伸强度影响研究。结合UMAT子程序建立了CFRP螺栓连接件有限元模型，开展了静力拉... 详细信息

为分析复合材料连接件的参数影响规律，优化常规参数间的配比，提升结构经济性与实用性，针对板厚、端径比和预紧力三个制造装配阶段的显著连接参数开展拉伸强度影响研究。结合UMAT子程序建立了CFRP螺栓连接件有限元模型，开展了静力拉伸破坏及SEM损伤观测试验验证有限元模型；此基础上，基于Box-Behnken设计（BBD），结合响应回归方程、3D响应面以及等高线图建立承载强度与影响因素联合响应模型，从单因素、多因素交互作用等方面对三个参数进行了分析，所建立的联合响应模型决定系数R2为0.984 7，Adj R2为0.957 1，Pred R2值为0.794 4，模型拟合效果和预测能力较好；分析结果表明，三个参数中板厚是影响承载强度的最显著单因素，而板厚与端径比的交互作用影响最为显著，模型给出了板厚、端径比和预紧力的优化组合，预测强度与有限元结果误差为0.37%，表明所建立联合响应模型有较好的强度预测能力。

关键词：复合材料螺栓连接响应面法交互作用优化组合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

热老化对油纸绝缘微观介电特性的影响

福州大学学报(自然科学版) 2025年

作者：林昕亮邹阳陈啸轩林锦茄福州大学电气工程与自动化学院

通过介电响应等效建模,探究热老化对油纸绝缘微观介电特性的影响,揭示宏观频谱特征变化的微观机制.首先,利用Kramers-Kronig变换在宽频带内提取电导过程、非弥散极化过程和弛豫极化过程的独立谱图;其次,根据电导和极化过程的典型频谱特... 详细信息

通过介电响应等效建模,探究热老化对油纸绝缘微观介电特性的影响,揭示宏观频谱特征变化的微观机制.首先,利用Kramers-Kronig变换在宽频带内提取电导过程、非弥散极化过程和弛豫极化过程的独立谱图;其次,根据电导和极化过程的典型频谱特征,明确油纸绝缘宽频介电响应的构成,构建等效电路模型;最后,通过等效电路模型分析,探究热老化对油纸绝缘微观介电特性的影响规律.研究表明,油纸绝缘宽频介电谱特征受电导损耗、非弥散极化过程、弛豫峰型响应和低频弥散响应的共同影响.随着热老化程度的加深,绝缘体系内部的偶极子和载流子浓度均增大,弛豫响应速率加快,偶极子的簇内运动特性减弱,使得复电容虚部测试谱线的数值在整个宽频带内增大,整体谱线向高频方向移动且损耗峰特征明显增强.

关键词：油纸绝缘微观介电特性热老化等效建模 Kramers-Kronig变换 Dissado-Hill模型

基于改进YOLOv8的入侵植物加拿大一枝黄花检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与光电子学进展 2025年

作者：李子轩官云兰杨中军曾圣东华理工大学测绘与空间信息工程学院自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室江西省流域生态过程与信息重点实验室南昌市景观过程与国土空间生态修复重点实验室江西省地质局工程地质大队

加拿大一支黄花是我国重点管理的外来入侵物种，有效检测识别获取其位置是治理的前提。为实现复杂自然环境下加拿大一枝黄花的快速、准确识别，针对现有模型参数量大、计算复杂度高的问题，提出一种改进YOLOv8n的加拿大一枝黄花轻量化... 详细信息

加拿大一支黄花是我国重点管理的外来入侵物种，有效检测识别获取其位置是治理的前提。为实现复杂自然环境下加拿大一枝黄花的快速、准确识别，针对现有模型参数量大、计算复杂度高的问题，提出一种改进YOLOv8n的加拿大一枝黄花轻量化检测模型YOLOv8-SGND。新模型在YOLOv8n模型Head的基础上设计了一种轻量化网络，提出共享组归一化检测头SGND，在提高检测头定位和分类性能的同时，大幅减少参数量。首先，在卷积块中引入组归一化代替原有的批量归一化；其次，在特征聚合后的两个卷积块中共享卷积参数，减少参数数量和计算复杂度；为了提高算法的鲁棒性和边界框各项误差的优化平衡，采用WIoU Loss v3替代原有的CIoU Loss作为边界框损失函数；最后，回归损失和分类损失在使用共享卷积的同时，使用Scale层对边界框的预测结果进行缩放调整，使得检测结果与实际输入图像的尺寸和不同检测层的特征图尺寸相匹配。采用实测数据进行检测试验，结果表明，新模型YOLOv8-SGND的检测精度m AP@0.5和m AP@0.5:0.95分别为98.8%和79.6%，相较于原始YOLOv8n模型分别提高了2.8%和6.0%，模型参数减少了约21.4%，浮点运算量也减少了1.6G。与当前主流目标检测算法YOLOX、Faster-RCNN、Cascade-RCNN、TOOD、RTMDet相比，YOLOv8-SGND的各项精度评估指标均为最优。本文提出的方法具有较高的检测精度和推理速度，可以为外来入侵物种轻量智能化识别提供技术支持。

关键词：目标检测加拿大一枝黄花 YOLOv8n 轻量化组归一化共享参数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

堆叠场景下的物体优先级感知抓取网络

复旦学报(自然科学版) 2025年

作者：周家康任煜轩殳峰复旦大学工程与应用技术研究院复旦大学脑科学转化研究院悉尼大学电气与计算机工程学院

针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取... 详细信息

针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取；接着，利用多尺度池化方法对物体特征信息进行深层次提取，增强模型在面对不同尺度物体时的鲁棒性；最后，引入独特的物体优先级分类预测模块，提升了模型对物体的感知能力。分析结果表明：本文模型在堆叠场景中的表现优于现有的其他抓取检测模型，准确率达到了74.1%，模型能够准确解析物体间的堆叠关系，确保机械臂按物体优先级顺序进行抓取，避免抓取顺序紊乱的问题。此外，在单目标场景中的高性能以及在真实环境中的泛化能力和鲁棒性也得到了验证。

关键词：深度学习神经网络平面抓取检测物体优先级