【目的】稻壳灰(RHA)作为稻谷加工过程中产生的大宗农业废弃物，其年产量随全球稻米消费量增长持续攀升。将RHA作为混凝土的补充胶凝材料，其可通过替代部分水泥显著降低混凝土生产过程中的碳排放量，同时有效提升混凝土的耐久性与力学性能，契合建筑业可持续发展的需求。然而，RHA混凝土的耐久性能受其粒径分布、混凝土配合比及养护条件等多重因素交互影响。现有研究呈现碎片化特征，尚缺乏系统性的性能评价框架与优化设计策略。研究旨在综述RHA混凝土的耐久性，解析其抗劣化机制与影响因素，为制定应用标准、突破推广瓶颈提供理论支撑，推动其在绿色建材中的应用。【方法】研究聚焦RHA混凝土耐久性问题，系统梳理其在收缩、抗碳化能力、氯离子渗透抗性、酸耐性、抗冻融循环能力和防火性能等方面的研究进展。研究包括对稻壳灰的物理化学特性(如二氧化硅含量、颗粒大小和火山灰活性)的分析及不同稻壳灰含量和处理方式(如化学激活、热处理和湿养护)对混凝土性能的影响。此外，探讨了稻壳灰与其他矿物掺合料(如粉煤灰、矿渣和偏高岭土)的协同作用及其对耐久性的优化效果。【结果】在对耐久性各方面性能进行梳理和归纳后，对相应的研究内容与关键技术进行总结，发现RHA混凝土在收缩抑制、抗碳化能力、氯离子渗透阻隔、酸蚀耐受性、冻融循环耐久性以及防火性能等方面具有显著提升或者改善效果。此外，系统研究归纳发现，稻壳灰可以实现混凝土耐久性能的多维度提升，契合建材可持续发展需求。然而，RHA混凝土的工程化应用仍面临多重挑战：原料来源差异导致RHA质量不同，需建立严格的活性指数与粒径分布控制标准；碱-硅反应敏感性要求精准调控RHA掺量与碱含量；较长的湿养护周期显著增加施工与时间成本等。【结论】未来研究应聚焦于稻壳灰质量的标准化、与其他矿物掺合料的协同作用、创新处理方法以及长期性能监测，以推动RHA混凝土在建筑领域的广泛应用，减轻传统水泥对环境的影响。

【目的】钢铁工业作为我国经济发展的支柱产业之一，在整个制造业中具有无可取代的地位。热轧带钢具有包容覆盖能力强、便于加工、节省材料等优点，是生产其他钢产品的主要原材料，提高带钢产品的表面质量是提高钢铁产品质量的重要环节。由于受到生产、加工、拍摄等多种因素的影响，原始带钢表面缺陷图像亮度不均匀、缺陷区域与非缺陷区域对比度较低，导致缺陷信息不够清晰、不便于检测。针对上述问题提出了一种基于小波去噪与改进同态滤波相结合的带钢表面缺陷图像增强算法。【方法】算法采用二级小波变换将原始图像分解为低频分量和高频分量。低频分量包含原图的主要信息，对低频分量进行增强处理以提升图像的整体效果。分别采用改进的同态滤波算法以及限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法对低频分量进行增强，在均衡图像亮度的同时提高了整体对比度，并将上述两种算法处理后的低频图像基于适当的权重进行图像融合，得到增强后的低频分量。而高频分量包含图像的细节信息以及噪声，对高频分量使用了改进的阈值函数提升去噪效果，并较好地保留了边缘细节。将处理后的低频分量和高频分量通过小波重构得到最终的增强图像。【结果】通过主观视觉评价和客观评价指标对算法处理结果进行多组对比分析，与其他算法结果相比，经本文算法增强后的各类带钢表面缺陷图像亮度均明显提升，且整体亮度保持均衡，同时提高了对比度，图像的纹理细节和缺陷信息也更加明显。采用通用指标均方误差(mean square error, MSE)、峰值信噪比(peak signal to noise ratio, PSNR)和图像信息熵(image entropy, IE)对算法进行评估，综合分析各参数可知，本文算法对提高对比度、降低噪声效果较为显著，同时保留了更多的细节信息，失真度较小。【结论】实验结果表明，本文算法有效改善了带钢表面缺陷图像亮度不均匀的问题，在提高了整体对比度的同时提升了去噪效果，使缺陷信息和边缘细节得到显著增强，并且适用于多种类型的带钢表面缺陷检测。

【目的】卷积神经网络作为深度学习领域的一项重要技术，在图像识别、目标检测、自然语言处理等多个领域展现出了卓越的性能。然而，随着模型深度和复杂度的增加，卷积神经网络模型的大小和计算需求也急剧上升，这为模型的部署和实时应用提出了严峻挑战。【方法】为减少神经网络的大小和计算量，并提高模型的效率和可部署性，提出了基于知识蒸馏的卷积神经网络压缩方法。通过将大型复杂模型(教师网络模型)中的知识转移给小型精简模型(学生网络模型)来实现模型的压缩和加速，本文建立了性能优异的教师网络和结构更简单、参数更少的学生网络。教师网络负责提供丰富的特征表示和准确的预测结果，学生网络则通过学习教师网络行为来逼近其性能。使用标准损失函数，并通过反向传播算法迭代更新其参数，确保其在训练数据集上达到良好的性能。采用改进知识蒸馏方法获取综合阈值函数，评估教师网络和学生网络之间的知识差异，并指导学生网络的学习过程。在训练过程中，学生网络利用综合阈值函数进行监督，逐步逼近教师网络的输出，同时保持较小的模型结构和计算复杂度，从而实现了卷积神经网络的压缩处理。【结果】实验结果表明：本文方法在ImageNet和Labelme数据集上均表现出较好的模型压缩效果。其中，本文方法在压缩前后卷积神经网络输出结果的拟合度较高，表明学生网络成功学到了教师网络的关键特征；交叉熵损失值较低，在1.0左右，进一步验证了其良好的预测性能；完成卷积神经网络模型的压缩时间较短，为79.8～89.4 s,表明本文方法具有较高的计算效率。【结论】由以上结果可知，基于知识蒸馏卷积神经网络压缩方法能够有效减小模型结构、降低计算量，并保持甚至提升了模型的性能。本文方法不仅为模型压缩提供了一种新的思路，还为深度学习模型的部署和应用提供了有力支持。此外，本文方法在知识蒸馏方法上进行了改进，通过引入综合阈值函数来更全面地评估和指导模型的学习过程，在一定程度上提升了知识蒸馏的效果和效率。因此，本文方法不仅具有理论价值，还具有重要的实践意义。

[目的]电力工程造价预测在电网企业资源优化、财务稳定、风险管理、效率提升、项目决策、政策制定、市场秩序维护和投资者决策等方面具有重要意义。针对传统预测方法综合性能较差的问题，并考虑电力工程造价数据的小样本特性，提出了一种基于梯度提升决策树(gradient boosting decision tree, GBDT)的预测模型，通过优化训练过程中的残差，显著提升预测精度。[方法]从自然环境和技术因素出发，深入分析了电力工程造价的影响因子，筛选出11个影响电力工程造价的关键变量。通过数据清洗、特征编码和对数变换，构建适配GBDT模型的特征工程。采用Optuna框架进行超参数调优，并利用5折交叉验证法评估模型性能。模型优化以拟合优度作为评价指标，迭代寻找最优超参数，直至满足预测精度要求或达到最大迭代次数，最终建立结合Optuna框架的梯度提升决策树预测模型。以某地区变电工程造价数据为例，90%的数据样本作为训练集和验证集，10%的数据样本作为测试集，对比分析随机森林、神经网络、GBDT和结合Optuna的GBDT模型的预测效果，通过拟合优度与均方根误差进行性能评估。[结果]实验结果显示，结合Optuna的GBDT模型预测效果优于随机森林、神经网络及GBDT算法，预测值在真实值的±10元/kVA区间浮动。在验证集上，拟合优度为0.892 3,均方根误差为8.01;在测试集上，拟合优度为0.886 6,均方根误差为8.09。[结论]基于GBDT的电力工程造价预测模型能够精准预测电力工程造价，相较传统方法具有更高预测精度，尤其适用于电力工程造价类的小样本数据集。结合Optuna框架进行超参数调优，进一步提升了预测效果。未来研究将引入更多样本数据，并结合神经网络算法，探索更优的预测方案，助力电网企业实现高效运营与良性发展。

【目的】电力工程项目通常具有成本高和工期长的特点，且施工过程中受到多种因素的影响，如气候条件、原材料成本等。传统的成本和工期预测主要依赖经验，容易导致成本估算不足或冗余，进而造成工期延误或资源浪费。随着机器学习技术的快速发展，基于数据驱动的方法被引入成本和工期预测中，但由于电力工程领域的数据集规模较小，传统机器学习模型易出现过拟合问题，预测性能受限。基于该背景提出了一种结合支持向量回归(SVR)、分类与回归决策树(CART)、多变量线性回归模型(MLR)和灰狼优化算法(GWO)的混合模型，通过改进更新策略和参数搜索方法，以提升模型在小数据集上的预测精度和泛化能力。【方法】方案结合机器学习模型和改进的灰狼优化算法，搭建了一个高效的电力工程成本和工期预测框架。采用支持向量回归、分类与回归决策树和多变量线性回归模型作为基线机器学习方法，并利用灰狼优化算法对上述模型的参数进行搜索以防止过拟合，同时提出两项改进措施：采用混沌序列初始化狼群位置，确保种群多样性；优化灰狼位置的更新策略，通过周围群体信息共享提升搜索能力。【结果】实验结果表明，与传统方法相比，所提出的混合模型在成本和工期预测上具有较明显的优势。在训练和测试集上的性能结果对比显示，传统机器学习模型容易产生过拟合问题，导致泛化能力不足，而结合GWO的模型改善了该问题。其中，MLR+GWO混合模型在训练集和测试集上的表现均优于其他模型。进一步实验结果表明，通过改进灰狼优化算法(iGWO),混合模型的收敛速度显著加快，仅需6～8次迭代即可达到较优的适应度，而传统GWO算法需迭代11～12次才能达到类似效果。此外，改进算法有效避免了传统GWO算法容易陷入局部最优的问题。【结论】所提出基于线性回归和改进灰狼优化算法的混合模型在电力工程成本和工期预测领域展现出较为明显的性能优势。改进的灰狼优化算法通过优化初始化序列及更新策略，提升了算法的全局搜索能力和收敛速度。提出的混合模型泛化性能优于传统的机器学习模型，与传统方法相比，该方法在预测精度和训练效率方面均表现良好。

【目的】针对传统负荷预测方法信息利用效率低、误差较大及难以适应电力负荷变化的多样性和随机性等问题，提出了一种基于用地空间信息感知的电力系统负荷预测方法。该方法旨在提高负荷预测的准确性和可靠性，为电力系统的规划和建设提供关键数据支撑，满足经济社会发展的需求。【方法】算法结合城市用地空间信息和电网负荷数据，采用分区分类处理策略：对已开发区，利用历史负荷数据进行曲线拟合预测；对新开发区，以已开发区的同类用地性质负荷平均密度值进行等效处理，形成基础预测信息后，再开展负荷预测。对历史负荷数据和等效负荷数据进行精细化和颗粒化处理，整合指数模型、生长曲线模型和弹性系数模型，通过动态权重组合形成最优拟合方案，构建基于用地空间信息感知的电力系统负荷预测技术。以2014—2020年历史数据为基准进行参数拟合，统计工业用电、居民生活用电、商业用电、公共设施用电和其他用电类型的负荷数据，并以2021年负荷情况为目标进行预测。实验对比分析了指数模型、生长曲线模型和弹性系数模型在总量预测与分区分类预测方面的差异，结果显示分区分类预测准确度较总量预测提高约33%。在此基础上，对比分析了基于动态权重和均值权值的最优拟合效果，计算结果显示基于动态权重的最优拟合预测误差为1.12%,较均值权重误差值降低约12%,显著提升了预测精度和可靠性。【结果】研究表明，采用分区分类方法将空间信息按用地性质和负荷类型进行归类，可有效提升负荷预测模型的准确性。通过动态调整参数权重，整合单一预测模型，算法具有更好的动态适应性，能够实现最优拟合结果，得到更高的预测精度。【结论】本文创新点为：一是采用分区分类数据处理方式，提升城市电网空间信息和负荷信息的利用率；二是引入动态权值整合传统负荷预测模型，克服单一模型的局限性。通过这两种创新手段，显著提高了城市电网负荷预测的准确性和可靠性。

【目的】电力工程图纸在建设中是生产计划、施工及验收等环节的重要依据。然而，传统人工识别方式存在效率低、错误率高、成本高等问题，难以满足现代复杂工程项目的需求。近年来，计算机视觉技术在自动识别领域取得显著进展，但现有算法在电力工程图纸识别中仍面临识别效率低以及对倾斜和变形字符识别准确率低的难题。【方法】提出了一种基于VGG网络和Hu不变矩的电力工程图纸字符识别算法，旨在通过结合尺度自适应深度卷积特征与Hu不变矩特征，提高电力工程图纸的识别效率和准确率。利用VGG网络提取深度卷积特征，并通过自适应方式选择目标层，以实现模板与图像的尺度自适应特征提取。该方法避免了传统滑动窗技术多次提取特征的问题，仅需对每个模板和图像进行一次特征提取，大幅提升了处理效率。为解决字符倾斜和变形的难题，结合了Hu不变矩特征，利用其平移及旋转不变性作为补充特征，有效增强了对复杂字符形态识别的鲁棒性。【结果】通过对比现有算法，从识别效率和准确率两方面验证了算法的性能优势。实验结果表明，算法在识别效率和准确率上均表现出显著优势：与传统CNN字符识别算法相比，算法的执行时间约为其1/4,显著提高了处理速度；通过结合Hu不变矩特征，算法在识别倾斜和变形字符方面表现出较强的鲁棒性；采用自适应目标层选择策略后，特征提取的准确性和鲁棒性可以得到进一步提高，优于固定网络层的特征提取方式。在复杂场景下算法具有更强的适应能力，具有良好的应用前景。【结论】研究的创新之处在于：提出的尺度自适应深度卷积特征提取方法在电力工程图纸识别中可以进行单次特征提取，大幅提升识别效率；结合Hu不变矩特征的设计增强了对复杂字符形态的识别能力，特别是增强了对倾斜和变形字符的鲁棒性。研究不仅提供了一种高效的字符识别算法，还为基于计算机视觉的电力工程图纸自动化处理提供了新的思路，未来可进一步优化字符特征的鲁棒性，提升系统的性能。

针对功率车在使用过程中骑行体验感较差的问题，提出了一种具有人机交互功能的功率车训练系统。该系统的下位机由功率车、霍尔传感器、单片机和伺服电机等模块组成，功率车的阻力通过设计的新型磁阻装置进行无级连续调节。基于贝塞尔曲线对上位机的骑行路径进行优化，结合实时插值、等距插值和非等距插值算法，提升了场景跟踪效果。实验结果表明，基于贝塞尔曲线的实时插值算法生成的路径能够满足体感一致性，确保人机交互过程中场景的流畅性与稳定性。

针对区块链存证系统多需对不同业务场景的存证内容开发特定智能合约及对关系型数据存证操作不便的问题，提出了面向多业务场景的智能合约分层架构、设计模式及基于集合论的智能合约对关系型数据的操作方法。通过对不同智能合约间及智能合约同数据表间的解耦，提高了智能合约代码的可扩展性，并能有效支持以键值对数据库为底层存储的区块链对关系型数据库表及数据的存证操作，实现对已有政务业务数据的存证。实验结果表明，提出的存证方案具备可行性和有效性，并可大幅减少智能合约的开发工作量。

针对输电线路外界影响因素过多，导致防振锤缺陷检测精准度较差且效率偏低的问题，提出了一种基于图像表达及像素点坐标的防振锤缺陷智能识别技术。利用非线性映射描述防振锤的细节及轮廓，预估防振锤因受力形变引起的阻尼力、刚度、质量与位移等参数变化情况。利用变换矩阵建立识别坐标系，计算防振锤各轴上关键点的旋转角及动态位姿，与待识别节点中参数表达不一致的节点即为缺陷部位。实验结果表明，所提技术在复杂背景形态下也能实现精准的缺陷识别，且噪声及失真现象的处理效果也较优，具有良好的鲁棒性及适用性。

针对传统识别方法对输变电工程图纸的分类效果较差且精确度偏低的问题，在注意力机制和改进动态ReLU基础上，提出了一种基于深度学习的工程图纸智能评审方法。利用Xception基础网络与动态ReLU函数优化小样本数据的分类效果，进而完善样本数据的ReLU参数分配。通过引入改进注意力机制模块，深化神经网络算法中特征图的权重分配，进一步提升了工程图纸的分类效果。仿真结果表明，与传统工程图纸识别方法相比，基于深度学习的工程图纸智能评审方法具有更优分类效果。

针对复杂环境下输电线路树障检测识别准确率较低的问题，提出了一种基于卷积神经网络的D-LinkNet模型语义分割技术。算法采用编码器-解码器结构，利用扩展卷积扩大感受野的同时引入特征提取模块，通过像素间的关联信息矩阵来构建网络权值矩阵，提高了网络对边界模糊区域的分割能力。仿真实验结果表明，所提算法将树障检测的准确度提高至97.87%,相较于FCN模型预测准确率提高了12.23%,且在有效提高识别精度的同时兼顾了运算速度，具有更高的实用价值。

【目的】管幕工法可以显著减少开挖引起的地层扰动，目前被广泛应用于地下空间建设中。但当前管幕工法存在管间连接复杂、施工周期长等问题，因此提出了一种新型管幕支护体系。【方法】通过有限差分软件FLAC^3D建立了小直径管幕-横梁暗挖法施工车站的精细化模型，研究了管幕间距、管幕刚度、横梁数量、横梁刚度等支护参数对地表沉降和管幕变形的影响，并对关键参数进行了优化分析。通过现场监测数据对数值模型进行了验证，并与采用其他工法的类似车站进行了对比。【结果】横梁数量对地表沉降和管幕变形的影响十分显著，随着横梁数量的增加，地表沉降和管幕变形最大值总体上呈现二次函数减小的趋势。管幕间距的增加不会对地表沉降及管幕变形最大值产生明显影响。管幕刚度对地表沉降和管幕变形最大值具有较大的影响，管幕刚度为2K时管幕的承载能力得到充分利用，抗弯刚度不再是控制变形的关键因素。横梁刚度在0.5D～3D范围时，地表沉降和管幕变形最大值均与横梁刚度呈二次函数关系。当横梁刚度由2D增加至3D时，地表沉降和管幕变形最大值的变化幅度并不明显，减小幅度在3%以内，这说明横梁刚度为2D时，横梁的抗弯性能已经得到充分利用，继续增大抗弯刚度不会对变形值产生明显影响，反而会造成工程材料的浪费。【结论】在既定的控制标准条件下，施工时可根据实际需求和现场条件来选择小直径管幕与横梁的参数组合，本文给出了地表沉降控制标准为30 mm时的小直径管幕和横梁参数的合理匹配关系。与相似的地铁车站对比，小直径管幕-横梁暗挖法在满足地表沉降控制标准的条件下极大地缩短了施工周期，值得进一步推广和应用。本文提出了一种修建地铁车站的新型管幕支护体系，并对该支护体系的关键参数进行了优化分析，可以为当前地下空间建设提供借鉴和参考。

【目的】在电力系统中，线损率是衡量电网系统设计、运维和管理水平的重要经济技术指标，对于保障电网的稳定经济运行、提高供电效率具有重要意义。然而，在用户数量激增、用能特征多样化的大数据背景下，线损率的计算评价工作面临较大挑战。传统线损计算方法依赖于电网参数，精细化程度偏低，计算准确率不佳。【方法】针对该问题，提出了一种基于改进循环神经网络(RNN)的低压配电网线损智能分析方法，旨在通过智能化手段提高线损计算的准确性和效率。方法利用K-means算法对智能配电网的海量用户数据进行分类预处理，以降低数据冗余度。采用层次分析法(AHP)从分类数据中提取线损指标，这些指标随后被输入到深度学习模型中，其中，核心深度学习模型是由卷积神经网络(CNN)和改进长短时记忆网络(LSTM)模型融合而成，该模型能够挖掘配电网数据特征，实现线损的智能分析。通过IEEE33节点的仿真模型进行实验验证，充分展示所提方法的有效性。【结果】实验结果表明，所提方法的均方误差(MSE)和相对误差百分数(RE)分别为3.15 MW和2.43%,计算精度较高。与现有方法相比，所提方法在大数据背景下的配电网线损智能分析中具有明显优势，能够全面考虑各种配电网的影响因素，获得更精准的线损计算结果。此外，通过与两种经典文献方法进行对比实验，进一步验证所提方法的性能优势。【结论】基于改进RNN模型的低压配电网线损智能分析方法通过K-means算法和AHP预处理提取线损指标，再利用CNN-LSTM模型进行深入分析，有效提高了线损计算的准确性和效率。该方法主要针对低压配电网线路侧的线损进行分析，对于更高等级电压的线损分析尚未深入研究，但其在低压配电网线损智能分析中显示出优异的结果，具有实际应用价值。未来的研究将扩展到更广泛的校验分析，以提高方法的全面性和可靠性。此外，该方法的提出也为智能配电网的进一步研究和应用提供了新的思路和工具，有助于推动智能电网技术的发展和应用。通过这种方法，不仅可以提高线损计算的准确性，还能为电网的优化管理提供科学依据，对于提升电网运行效率、降低能源损耗具有重要的实际意义。随着技术的不断进步和数据量的日益增加，智能化的线损分析方法将成为电力系统运维中不可或缺的一部分。

【目的】工业互联网是国家关键基础设施的重要组成部分，其安全性直接关系到国家安全、经济稳定和社会秩序。随着工业互联网的广泛应用，工业控制系统的网络攻击频发，造成了严重的经济损失和社会影响，因此，开发高效的实时入侵检测系统显得尤为重要。传统的入侵检测系统在处理高维度网络流量数据时，往往难以有效区分正常流量和异常流量，尤其是在缺乏异常流量样本的情况下。【方法】为了解决该问题，本研究通过分析某油气集输管线工业控制系统真实网络流量特性，提出了一种结合Suricata的滑动窗口密度聚类工业网络实时异常检测方法。该方法针对工业网络流量特性，利用Suricata的开源性、可扩展性以及滑动窗密度聚类算法的动态检测能力，建立从流量采集解析到实时入侵检测的全过程入侵检测模型。本研究通过分析真实工业控制系统环境中的网络流量特性发现工业网络流量存在一定的周期性，利用基尼系数选取能体现工业网络流量特性混杂程度的特征，实现对工业网络流量降维处理，对降维后的数据使用滑动窗口分组构建工业网络正常流量特征阈值。利用改写Suricata实现实时流量采集与解析，并将实时解析结果输入到所构建的滑动窗口密度聚类入侵检测算法中，通过与工业网络正常流量特征阈值进行对比，快速筛选绝对正常流量组和绝对异常流量组。针对正常流量与异常流量掺杂的组别，通过密度聚类算法将异常流量分离，完成异常流量检测。【结果】将入侵检测方法在油气集输全流程工业场景攻防靶场中应用并开展大量实验，该方法能够有效识别异常流量，检测率达到96%以上，误报率低于3%。所提出的方法可以满足工业网络中异常流量检测高效性、可靠性和实时性需求。【结论】本研究的创新之处在于提供了一种新的工业网络异常流量检测方法，结合Suricata和滑动窗口密度聚类算法，建立了从流量采集解析到实时入侵检测的全过程入侵检测模型，对工业互联网安全防护具有重要的实践价值，为工业网络实时入侵检测提供一种新的研究思路。

【目的】空化是一种自然界存在的物理现象，空化的产生出现在多个领域，包括材料学、地质学和生物学等。早期空化研究是为了避免其带来的不利影响，比如细胞功能下降、岩石破裂、水力机械的材料空蚀损坏和动力性能恶化等。然而人们逐渐发现空化在多个领域中具有积极应用，比如强化材料、促进化学反应合成、去除难降解有机污染物等。研究空化泡在近壁面附近的溃灭过程，可以更好地了解空化泡溃灭对壁面的作用机制，从而在多领域应用中更好地利用空化效应。壁面包括凹面、凸面、锥面、不规则面等，球形颗粒表面属于凸面的一种。采用空化技术处理含油污泥，可以显著提高回油率，实现油泥资源化处理。空化破解油泥的机理是空化泡在油泥颗粒表面溃灭时，产生高温高压及高速射流，有利于油与固体颗粒的分离，实现油的回收再利用。【方法】研究球形颗粒附近空化泡溃灭的动力学行为，探究空化泡溃灭的演化过程，进而分析颗粒与空化泡之间的距离和颗粒尺寸对颗粒-空化泡相互作用的影响机制。利用质量、动量和能量守恒原理描述空化泡动力学行为，采用流体体积法对泡壁拓扑结构的变化进行精确界面捕捉，利用ANSYS软件数值模拟了空化泡在球形颗粒附近的溃灭过程。【结果】空化泡在球形颗粒附近随着时间变化逐渐发生溃灭，其溃灭形态受到距离参数和尺寸参数的影响。空化泡坍塌瞬间会形成指向颗粒的微射流与高温高压极端环境。【结论】当球形颗粒距离空化泡距离较近时，空化泡呈现梨形坍塌；当距离较远时，空化泡呈现球形坍塌。当距离参数减小或颗粒尺寸增大时，球形颗粒边壁受到的最大压力增大；当距离参数减小或尺寸参数减小时，空化泡形成的最大射流速度增大，颗粒边壁处最大温度增大。较大尺寸颗粒附近空化泡溃灭时间更长，且受距离参数影响较大。空化泡距离越远，溃灭时间越长。

【目的】镁合金具有质量轻、比强度和比刚度高且易回收的优点。汽车、飞行器前端及汽车侧面、尾部的镁合金零部件由于受到较高应变速率的冲击载荷作用，导致其在极短时间内失效，对设备的安全性能造成威胁，产生不可预料的后果。因此，对基于准原位镁合金在高应变速率动态压缩下的变形行为及其变形机理进行研究具有重要意义。【方法】为了分析AZ31镁合金受到动态冲击载荷作用时的动态力学性能，以挤压态AZ31镁合金为研究对象，基于准原位方法，利用分离式霍普金森压杆(SHPB)装置研究了挤压剪切态AZ31镁合金在双轴动态压缩条件下的变形行为，利用电子背散射衍射技术(EBSD)及透射电子显微镜(TEM)对试样变形前后的微观组织进行表征。【结果】双轴动态压缩实验结果表明：AZ31镁合金在塑性变形过程中，沿着挤压径向压缩，大量拉伸孪晶被激活；当反向加载后，发生了退孪生现象并伴随少量拉伸孪晶被激活。深入分析不同的退孪生行为，发现SF值较高是发生退孪生行为的主要原因。采用滑移迹线法确定被激活的滑移系统并与退孪生行为相结合，用于判断滑移对退孪生的促进作用。当垂直于晶体c轴方向压缩时，拉伸孪晶容易被激活且孪晶与母晶粒夹角为86.3°,孪晶c轴接近平行于压缩方向；当改变压缩方向时，压缩方向垂直于孪晶c轴方向，即改变加载方向后，孪晶会发生退孪生行为。随着累积应变的积累，LAGBs峰值会持续升高。整个变形过程伴随滑移存在，说明LAGBs的产生是由滑移造成的，且滑移对塑性变形起到至关重要的作用。AZ31镁合金在塑性变形过程中，先被激活的孪晶随着压缩方向的改变发生退孪生现象；改变加载方向，变形过程均有滑移被激活，孪生与退孪生过程均伴随滑移的发生；AZ31镁合金在不同方向的动态压缩变形行为主要由滑移及孪生的共同作用导致。【结论】本文对AZ31镁合金微观组织的变形行为进行研究，为其广泛应用提供理论基础。

为了研究C80钢纤维混凝土水化热过程和日照作用下的温度场分布情况，以某山区拱桥拱肋为研究对象，对拱圈夏冬季节1^#节段浇筑过程和浇筑完成后截面温度进行了持续监测，分析了在水化热过程中和日照作用下拱圈截面的温度场演变特征。结果表明：混凝土拱圈在浇筑初期快速升温，冬季最大峰值温度达到了44.8℃,夏季最大峰值温度达到了59.2℃,拱圈截面板厚方向测点最大温差达到了7.4℃。拱圈在拆模后箱外侧混凝土温度随外界环境变化呈现周期性波动，顶底板同一时刻峰值温差达到了5.6℃。

针对应力集中导致管壁发生屈服失效的问题，提出了利用磁各向异性检测管壁应力集中区域的方法。从能量角度出发，研究了应力导致管壁产生磁各向异性的机理，建立了管壁当量应力与磁各向异性探头输出电压信号的数学模型，通过计算管壁的当量应力判断其是否发生屈服失效，搭建了应力检测实验平台。实验结果表明，应力会导致管壁产生磁各向异性，磁各向异性检测方法能够检测出管壁当量应力的变化趋势和主应力方向所在延长线的角度，进而判断管壁是否产生应力集中区域。

为了提升分布式光伏资源利用率，提高时均用电效率，提出大数据联盟下分布式光伏资源共享算法。依据光伏发电-储电-用电价值链建立资源共享目标，并在约束条件下利用线性电力系统网络模型建立主导节点选择矩阵，划分资源共享集群。针对集成的分布式光伏资源，依据大数据联盟理论，将资源共享分为两种资源共享模式，建立资源共享动态模型，实现资源共享。结果表明，所提方法的资源共享效果较好，能够有效提升资源利用率，具有一定的应用价值。

针对输电线路无人机巡检实时性和准确性的要求，深入研究了YOLOv3目标检测算法在无人机巡检机载AI模块中的应用。利用将目标检测候选区选取和对象识别合二为一的YOLOv3算法，结合多尺度特征融合方式实现了目标检测的高准确性和实时优化，并采用残差块解决了模型退化问题。输电线路绝缘子检测结果表明：YOLOv3算法平均精度可达90%,相同条件下YOLOv3算法平均处理速度约为Faster RCNN算法的3.2倍，约为SSD算法的1.6倍。

为了资源化利用铁尾矿，以铁尾矿、粉煤灰、矿渣为原料，通过碱激发胶凝材料部分替代水泥制备泡沫混凝土，分析了碱激发胶凝材料、泡沫、水胶比、聚乙烯醇等对泡沫混凝土抗压强度和导热系数的影响，并利用电镜扫描、X射线衍射分析其微观结构及反应机理。结果表明，当碱激发胶凝材料掺量为40%、水胶比为0.40、聚乙烯醇为1%时，28 d最大抗压强度为4.99 MPa,干表观密度为784 kg/m³,导热系数为0.190 9 W/（m·K）,满足规范要求。

针对多自由度电机无线电能传输中传输效率较低的问题，提出基于磁耦合谐振的多自由度电机无线电能传输方法。该方法根据共振原理构建磁耦合谐振式无线电能传输模型，通过反射系数描述阻抗匹配状态，获取最佳负载阻抗；采用混沌优化算法优化电机线圈损耗率，实现多自由度电机无线电能传输优化。实验结果表明，应用该方法后，多自由度电机的电能输出功率达到了893 W,传输效率提升了0.10以上，提高了电能输出功率和传输效率，方法有效，具备可行性。

针对社区网络标签传播准确性差的问题，提出基于节点影响值的社区网络稳定标签传播算法。该算法重设社区网络相邻节点相似度，结合链路加权思想将其变换为链路无向带权图；利用节点K-shell分解值判断节点影响力，计算种子节点的中心性度量值，升序排列节点更新顺序；根据越重要节点标签影响越大的规则，修正高频数标签，获取最佳社区网络划分结果。结果表明：该算法模块度在0.320以上，准确率达到99%,因此，经该方法划分后的网络结构清晰、准确，稳定性高。

为了研究孔洞位置和尺寸对疲劳裂纹扩展路径的影响，利用ABAQUS有限元仿真软件建立改进CT试样的裂纹扩展仿真模型，采用扩展有限元法研究了在低周疲劳加载条件下Q235钢圆孔与裂纹尖端的角度、距离以及圆孔半径对裂纹扩展路径的影响，并通过引入裂纹偏转系数来定量描述不同参数对裂纹扩展路径偏转程度的影响。结果表明：当圆孔与裂纹尖端的夹角为45°时，裂纹偏转系数取得最大值；裂纹偏转系数随着孔洞半径的增加逐渐增大，随着圆孔与裂纹尖端距离的增大逐渐减小。

为了进一步提高FCC高熵合金的强度，利用真空电弧熔炼法制备了Ni₃₈Co₂₅Cr₁₅Fe₁₀Al₁₀Ti₁Nb₁非等原子比高熵合金。结果表明：高熵合金的凝固组织由单相FCC结构组成，铸带具有典型枝晶结构且存在元素偏析。高熵合金具有较高的抗再结晶性能，退火温度为1 000℃时再结晶分数仅约为45.1%,退火温度为1 050℃时发生完全再结晶，此时晶粒尺寸细小均匀，平均晶粒尺寸约为4.25μm。退火Ni₃₈Co₂₅Cr₁₅Fe₁₀Al₁₀Ti₁Nb₁高熵合金具有优异的拉伸性能。经过1 000℃退火后合金抗拉强度可达1 640 MPa,伸长率约为20%,经过1 050℃退火后合金抗拉强度和伸长率分别约为1 580 MPa和28%。

针对磁粒子成像技术尚停留在实验室鼠用设备阶段，传统线材线圈过大，无法在可接受的设备体量内达到临床人体检测所需磁场强度的问题，提出了一种基于超导技术构建高场强、小型化磁粒子成像设备的方法。采用高温超导MgB₂线圈替代传统铜线圈，构建磁粒子成像选择场与驱动场。结果表明，在达到相同磁通量的情况下，超导磁粒子成像系统可将两组功能区总质量降低为0.01 kg,设备体积缩小至7 L。在此基础上，采用超导线圈构建梯度磁场还能够获得更高的变化斜率，使零磁扫描区边缘更为清晰规则，移动过程中形态更为稳定，平均直径缩小近二分之一。

针对智能仓储无人车运动轨迹控制精度的问题，提出了一种基于强化学习的激光导航无人车路径跟踪控制算法。建立了智能仓储无人车的数学模型，设计了一种激光导航定位算法，提出了一种Actor-Critic强化学习路径跟踪算法，最终实现对无人车路径跟踪的高精度控制。通过对比仿真验证了设计的路径跟踪算法具有更优的控制效果和更高的控制精度，最大路径跟踪误差仅为0.3 m,最大x坐标跟踪误差仅为0.1 m,最大y坐标跟踪误差仅为0.29 m,大幅提高了对仓储无人车运动轨迹的跟踪精度。

为研究自密实再生混凝土(RASCC)与带肋钢筋的黏结性能，设计了18组试件，通过中心拉拔试验研究混凝土强度、钢筋直径、黏结长度和保护层厚度对黏结性能的影响。研究表明：RASCC与带肋钢筋的黏结强度随混凝土抗压强度呈指数型增长，随劈拉强度呈线性增长，随钢筋直径和黏结长度均呈抛物线型增长，随保护层厚度的增加呈先增大后稳定的趋势。基于试验结果，提出了RASCC与带肋钢筋的黏结强度和临界锚固长度计算公式，建立了RASCC与带肋钢筋的黏结-滑移本构模型。

针对利用扩展卡尔曼滤波算法估算锂电池荷电状态时，由于历史数据影响易产生累积误差的问题，提出了一种基于自适应渐消扩展卡尔曼的SOC估算方法。选用Thevenin等效模型并用递推最小二乘法进行电池参数辨识，通过将自适应渐消因子引入EKF算法中，抑制历史数据对当前状态估算的影响，完成锂电池SOC估算。结果表明：AFEKF算法在递推20次时可有效收敛，具有较好鲁棒性，估算SOC的平均误差为1.03%,误差均方根为1.21%,平均运行时间为1.476 s,可以较好地模拟电池的动静态特性。

针对当前电力资产信息管理系统难以准确自主发现异常数据的问题，提出了一种基于IWOA-ELM-AE的电力资产信息管理系统异常数据检测方法。在管理系统框架下分析了可能存在的异常类型，将改进鲸鱼优化算法(IWOA)用于优化极限学习机自编码器(ELM-AE),建立了电力信息系统异常数据优化检测模型。将模型应用于电力资产信息异常数据检测，并建立性能评估指标体系以衡量其效果。结果表明：所提方法的检测性能评估结果与传统模型相比具有显著优势，能够更为准确地检测电力资产信息中存在的异常数据。

为了解决Cu-Fe合金常规制备流程中重力分层的问题，利用铸轧工艺的亚快速凝固特点抑制其液相分离，并结合Marangoni效应及热泳力的耦合作用合理调控铸轧参数，获得厚度为2.2～2.4 mm、铁磁相尺寸和分布可控的Cu-20%Fe和Cu-30%Fe带材。通过金相与EBSD分析确定铸带形成了Cu相-富Fe相-Cu相的“三明治”层状复合结构，其中Cu-20%Fe铸带中的Fe相分布更为均匀，且EBSD分析结果表明凝固层中形成了大量的低能晶界，如Σ1和Σ3等。将Cu-20%Fe合金从2.4 mm冷轧至0.4 mm,在不同温度下进行热处理后继续冷轧至0.12 mm。结果表明：450℃热处理对轧板性能更好，导电率超过50%IACS,抗拉强度超过600 MPa,均匀伸长率达到7.5%,饱和磁化强度超过4.24×10～5 A/m。

为了分析杂多酸离子液体催化剂的催化性能，以Fe为中心杂原子、Mo为配位原子，制备了杂多酸阴离子，并将其与1-羟丙基-3-甲基咪唑溴盐通过离子交换反应制备功能化杂多酸离子液体催化剂([HO-（CH₂）₂-mim]₅[Ti（H₂O）FeMo₁₁O₃₉])。利用FT-IR、UV、XRD和TGA对所制催化剂进行结构表征与性能测试，通过正交试验优化工艺参数，探讨投料比、催化剂用量、酯交换反应温度和时间对其催化性能的影响。结果表明：所制催化剂结构正确，热性能良好，并具有较好催化效果。最佳工艺条件为：投料比2,催化剂质量分数1.0%,反应温度220℃,反应时间5 h,该条件下PES收率为75.32%。

往复压缩机供气与需求不匹配是导致能耗高的主要原因，进气阀气量无级调节技术是解决该问题的有效手段，其实现方式包括直线网状部分行程顶开式调节系统和旋转杯状全程可控式调节系统。直线网状部分行程顶开式调节系统可以实现对压缩气量的精准连续调节，本质为液压传动控制，但存在通流面积小、阻力损失大、撞击严重、执行系统复杂及故障点多等缺陷。旋转杯状全程可控式调节系统是一种新型气量无级调节技术，其本质为机电一体化，原理是通过伺服电机对杯状阀进行精准调控，具有通流面积大、阻力损失小、开阀无摩擦、关阀摩擦行程小及运动部件无撞击等优点。对2种调节系统的理论、结构、控制系统、能效进行了全面的综述，指出旋转杯状全程可控式调节系统是未来的发展方向，应从旋转杯状全程可控式调节系统的理论研究、结构优化、材料研制及智能系统开发等方面开展深入研究。

电流零区测量对标定评价断路器开断性能、改进断路器结构设计至关重要，设计一套高精度、便携、可靠、安全的零区测量系统一直是行业的追求，国内外研究者在测量方法和测量装置研制方面做了很多创新性工作。从高压断路器灭弧原理出发，梳理提出了零区测量的难点和关键点，综述了国内外研究者提出的测量方案及效果。综合考虑多维度产业需求，研制了一套便携性和动态特性好的零区测量系统，并在实际断路器产品试验中进行了验证。结果表明：该系统抗干扰性和重复性好，能够满足产品研发需求。结合零区测量系统研究及使用经验，提出了零区测量系统的未来展望，为后续交直流开关的研发提供参考。

钛酸钡（BaTiO₃）基正温度系数电阻（PTCR）陶瓷材料由于具有独特的电阻-温度特性，被广泛用于制作各种热敏电阻器件。随着电子材料及元器件无铅化的要求日益迫切，高居里温度BaTiO₃基PTCR陶瓷的无铅化是必然发展趋势。介绍了PTCR效应的物理机制、BaTiO₃基PTCR陶瓷材料的性能指标及其影响因素，综述了高居里温度无铅BaTiO₃基PTCR陶瓷材料的研究进展，讨论了提高无铅BaTiO₃基PTCR陶瓷材料性能的策略与途径，以促进这一领域的进一步发展。

针对当前复杂装备运维系统急需实现智能化转型的问题，提出了一种与深度学习技术相结合的复杂装备运维系统数字孪生框架，建立了基于深度学习的复杂装备运维系统数字孪生理论和应用框架。在理论层面，结合深度学习构建了多层次的运维系统数字孪生框架；在应用层面，基于“知识-数据-模型”并行驱动的形式，构建了运维系统全生命周期的数字孪生应用框架；在数据角度，提出了一种理论框架与NST模型结合的应用形式，并通过实验进行了验证。实验结果表明，针对动车组的非稳态时间序列数据，NST模型具有更好的预测效果。

构建以新能源为主体的新型电力系统，加速能源生产侧清洁替代和能源消费侧电能替代是我国能源体系转型以及实现“双碳”目标的关键举措。立足于电力与能源系统的发展进程，分析了新型电力系统建设的主要特征和技术路径。通过梳理从智能电网到新型电力系统的历史发展脉络，总结出以融合、互动、开放、消纳等为关键词的新型电力系统发展的主要特点。围绕能源-信息-社会融合、源-网-荷-储协同互动、能源市场开放共享、新能源高比例安全消纳等能源发展形势，重点阐述了我国电力与能源系统向安全高效、清洁低碳的能源体系转型的主要技术方向和实现路径，以期为我国新型电力系统建设的高标准落地提供参考。

【目的】在航空业的快速发展背景下，航空运输的规模与水平得到显著提升，航空运输成为经济活动中不可或缺的运输方式。然而，航空运输中的货物装载路径规划问题限制了运输效率与成本的优化。针对航空运输的运行效率提升和成本优化问题，提出了一种基于自适应遗传算法的航空运输装载路径优化算法。【方法】为了阐明航空运输的装载路径优化算法，分析航空运输装载的实际需求与路径规划平台的计算条件，探讨影响航空运输装载路径优化的运输成本因素。在此基础上，通过改进具有自适应功能的遗传算法，采用具有自适应功能的适应度函数、交叉概率和变异概率，避免了传统算法稳定性差和收敛速度慢的问题。该算法的核心在于动态调整交叉概率和变异概率，以适应种群的进化状态，从而提高算法的全局搜索能力和收敛速度。在研究过程中，详细描述了自适应遗传算法的编码方式、适应度函数的设定、交叉概率和变异概率的计算方法及控制原理，并提出装载路径优化算法的具体执行步骤。通过在MATLAB平台上使用编程方法取得算法的结果，并利用实际航运机场的配送数据进行仿真测试。【结果】仿真结果表明，与传统遗传算法、智能水滴算法和改进蚁群算法相比，基于自适应遗传算法的航空运输装载路径优化算法在运输效率和总体运输成本方面均有显著优势。航空运输装载路径优化算法能够有效降低航空运输装载的平均运输成本，同时提高运输效率。在实际航空运输装载过程中由于受复杂环境因素影响，飞机货舱尺寸限制、配送道路路况复杂等问题尚未在算法中得到深入考虑，表明算法仍有改进空间。【结论】综上所述，基于自适应遗传算法的航空运输装载路径规划算法引入具有自适应机制的改进遗传算法，使其在航空运输装载路径规划问题上表现出更好的全局搜索能力和收敛速度，为航空运输装载路径规划提供了一种新思路，同时也为航空物流领域提供重要的理论和实践价值。未来的研究将考虑更多实际运行环境因素，以进一步优化算法性能。

【目的】由于以锆钛酸铅为典型钙钛矿相的铁电薄膜材料具有优异的综合电学特性，被广泛应用于铁电存储器、薄膜电容器和微机电系统等领域。PZT铁电薄膜的电学性能为器件设计和制造中至关重要的因素，直接影响器件的使用寿命，而另一个不可忽视的问题是如何快速高效地制备出高性能PZT薄膜。在PZT薄膜高效制备过程中需要考虑影响薄膜电学性能的因素，从而满足不同器件对其性能的需求。微波退火可以有效降低铁电薄膜制备过程的加热温度或加热时间，是高效制备性能优异PZT铁电薄膜工艺中的常用手段。在微波退火过程中基板的选择和特性会对薄膜性能产生重要影响，因而需要进行深入研究。【方法】为了更有效地利用微波退火制备功能薄膜，通过研究不同Nb掺杂量的SrTiO₃（Nb:SrTiO₃）单晶基片在微波磁场中的加热行为，探讨了微波与材料间的相互作用。随后通过溶胶-凝胶法在具有不同Nb掺杂量的Nb:SrTiO₃基片上沉积了非晶态Pb(Zr₄₀Ti₆₀)O₃（PZT）薄膜，利用微波退火使其结晶，并研究了微波退火对PZT薄膜微结构与电学性能的影响。【结果】Nb:SrTiO₃基片的加热行为取决于其电导率、趋肤深度和厚度等因素。为保证导电率较高的单晶基片的加热温度，可以通过微波输出功率进行调控。随着Nb:SrTiO₃基片中Nb掺杂量的增加，基片在微波磁场中的加热温度和加热速率逐渐降低。受趋肤深度和厚度的影响，Nb质量分数为0.05%的基片在微波磁场中表现出最佳加热行为。微波可对材料内部的带电缺陷直接作用，减少了PZT薄膜的内部缺陷，从而实现PZT薄膜的快速结晶化。同时PZT薄膜对铁电畴的钉扎作用减弱，导致PZT薄膜呈现出饱和的P-E电滞回线，从而进一步提高PZT薄膜的极化强度。【结论】微波退火可在短时间内使铁电薄膜结晶成为钙钛矿相，实现PZT薄膜的高温快速制备，并提高PZT薄膜的电学性能，而且这一效果随微波功率的增大而更加明显。