复杂应力路径下海相结构性软土力学特征试验

为揭示结构性软土层基坑开挖以及盾构施工过程中周围土体面临的复杂应力路径状态,设计不同应力路径三轴试验以探究结构性软土在开挖和卸载过程中的强度以及变形特征。选用大阪湾天然结构性软土为参照目标,人工制备海相高液限、大孔隙以及相似结构性变形特征的软土,克服了天然结构性原状软土取样困难以及试样性状离散性大等问题,并对批量制备的结构性软土试样开展CTC(CTE),RTC(RTE)和PTC(PTE)6种不同应力路径下的三轴剪切试验,深入分析基坑开挖以及盾构施工2类典型施工路径对结构性软土力学性能的影响。研究结果表明:1)结构性软土在不同应力路径下的力学特性差异显著,且应力应变曲线都存在软化现象,RTC(RTE),CTC(CTE)和PTC(PTE)的峰值强度依次增大,三轴拉伸仅为压缩强度的60%~70%;2)基坑被动区卸载路径下变形和强度显著降低,盾构同步注浆施工路径下峰值强度较高但存在脆性破坏风险;3)结构性软土归一化模量的变化体现了土体渐进破坏过程,且不同应力路径下的归一化模量与固结围压相关;4)不同路径对土体黏聚力变化明显,开挖卸载路径下土体抗剪强度降低了80%,说明不同应力路径对结构性软土的强度和变形特征都存在明显劣化作用。研究结果对软土地基中以变形控制为主的基坑开挖和盾构施工具有较好的指导意义。

融合SCADA数据的风电机组齿轮箱状态评估

为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。

吡格列酮保护糖尿病大鼠肾缺血再灌注损伤的实验研究

目的本研究旨在探讨PPAR-γ激活剂吡格列酮对糖尿病大鼠肾缺血再灌注损伤(ischemiareperfusion injury,IRI)的影响。方法糖尿病大鼠模型采用腹腔注射STZ法建立。通过双侧肾动脉夹闭45 min后恢复血流灌注建立糖尿病大鼠肾IRI模型,实验组糖尿病大鼠术前一周给予吡格列酮(每日10 mg/kg)。术后24 h检测肾功能(血清肌酐和尿素氮)、肾组织病理学、肾组织bcl-2、bax以及caspase-3、caspase-8等蛋白的表达,并且通过TUNEL法检测肾细胞凋亡情况。结果吡格列酮治疗可以明显降低糖尿病大鼠肾IRI后血清肌酐和尿素氮水平,减轻肾组织中肾细胞的损伤和肾细胞的凋亡,可以升高肾组织中bcl-2蛋白表达,降低bax蛋白表达,而且吡格列酮治疗可以抑制肾组织中caspase-3和caspase-8蛋白剪切片段的表达。结论吡格列酮可以通过抑制肾细胞的凋亡保护糖尿病大鼠肾IRI。

基于树莓派的农田表土层土壤容重检测系统研究

设计了一种基于树莓派的表层土壤容重检测系统,利用易于获取的土壤表面图像特征对表层土壤容重进行预测。提取图像的Tamura纹理特征以及图像的分形维数特征。经过验证,Tamura纹理特征中的粗糙度、对比度、方向度以及图像分形维数特征与土壤容重的相关性较高,相关系数分别为-0.754、-0.799、-0.806、-0.849,因而选用这4个参数作为预测模型输入。分别采用SVM回归模型和GRNN回归模型以及基于SVM、GRNN的Bagging集成模型对土壤容重进行预测。基于SVM、GRNN的Bagging集成模型预测结果同环刀法得到的结果进行相关性分析,决定系数R^(2)达到0.8641,预测结果的平均绝对误差(MAE)达到了0.0316 g/cm^(3),相对单一SVM回归模型和单一GRNN回归模型具有更好的预测结果。基于树莓派的农田表土层土壤容重检测系统的田间实时测量结果显示测量的平均绝对误差(MAE)为0.0412 g/cm^(3),满足了田间精准、快速检测的要求。

基于CatBoost算法与图谱特征融合的土壤全氮含量预测

针对高光谱技术应用于土壤养分定量检测中忽略彩色图像外部特征与土壤养分的内在关系的问题,结合土壤的光谱信息与图像特征构建一种图谱特征融合的土壤全氮含量预测模型,探究图谱特征融合对于土壤全氮含量的预测能力。通过实验室高光谱成像仪获取土壤样品的高光谱图像,从高光谱图像提取土壤的光谱信息与图像特征。使用无信息变量消除算法(Uniformative variable elimination,UVE)和竞争性自适应重加权采样算法(Competitive adaptive reweighted sampling,CARS)的联合算法对光谱信息进行特征波长的选择,选择后的特征波长作为土壤光谱信息;通过相关性分析选择与土壤全氮含量相关性较高的图像特征。将CatBoost(Categorical Boosting)算法应用到土壤全氮含量预测中,分别对基于单一光谱信息、单一图像特征和图谱特征融合对土壤全氮含量进行预测并比较。结果表明,UVE-CARS联合算法选取的特征波长为942、1045、1199、1305、1449、1536、1600 nm,与含氮基团的倍频吸收相吻合。与土壤全氮含量相关性较高的图像特征为角二阶矩、能量、惯性矩、灰度均值和熵。通过CatBoost算法建立的基于单一光谱信息特征波长的模型最终预测土壤全氮含量R^(2)为0.8329,RMSE为0.2033 g/kg;基于图像特征建立的模型最终预测土壤全氮含量R^(2)为0.8017,RMSE为0.2197 g/kg;基于图谱特征融合建立的模型最终预测土壤全氮含量R^(2)为0.8668,RMSE为0.1602 g/kg,预测精度均高于单一光谱特征和单一图像特征的预测精度,与基于单一光谱特征和单一图像特征相比,基于高光谱图谱特征融合的土壤全氮含量预测模型效果较好,为土壤全氮含量的预测研究提出一种新的方法。

基于超限学习机的风电机组齿轮箱油温趋势预测研究

为减少风电机组齿轮箱故障,提出一种基于数据预处理的超限学习机(ELM)风电机组齿轮箱油温预测方法。鉴于SCADA系统中数据信息质量的不确定性和冗余性,首先通过平滑处理去除噪声,再由相关性分析和信息熵计算,得到复合要求的模型输入变量数据,此数据预处理方法确保了对最终预测贡献的确定性,最后利用ELM预测模型进行齿轮箱油温预测。通过预测结果分析对比,此模型在保证预测精度的同时大幅降低了计算的复杂度,验证了所提算法的优越性。

土壤粒度对基于近红外离散波长土壤全氮预测精度影响

土壤粒度是对土壤近红外光谱造成严重干扰的主要因素之一。通常在样本前处理阶段采用研磨和过筛土壤来降低土壤粒度干扰,在数据处理阶段通过对连续光谱微分法等数学方法消除土壤粒度干扰。但是对于近红外波段离散波长的建模,至今没有有效的方法消除土壤粒度干扰。为此,提出了土壤粒度修正法以解决土壤粒度干扰消除难题。首先建立土壤粒度修正模型,将农田采集的标准土壤在实验室烘干消除水分后,进行土样配置,得到4个土壤粒度(2.0,0.9,0.45,0.2 mm)和6个全氮浓度等级(0,0.04,0.08,0.12,0.16,0.2 g·kg^(-1))的96个土壤样本。采用MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集土壤样本近红外光谱,计算四个不同粒度(每个粒度包含24个土壤样本)和全部土壤样本在每个波长处(850~2500 nm)所有样本间吸光度的光谱标准偏差,分析得到土壤粒度的特征波段为1361和1870 nm。采用特征波段吸光度比值作为单一输入变量建立SVM土壤粒度分类模型,土壤粒度整体分类准确率为93.8%,表明对土壤粒度进行分类是可行的。选择本研究团队开发的基于近红外波段离散波长(1070,1130,1245,1375,1550,1680 nm)吸光度的车载土壤全氮检测仪对提出的土壤粒度修正模型进行验证。结果表明修正后粒度为2.0,0.9和0.45 mm的吸光度和原始土壤吸光度分别降低了62%,74%,111%和61%。表明土壤粒度修正法可以显著减小土壤粒度干扰。最后采用BPNN建立不同吸光度的全氮模型,相较于原始吸光度模型,修正后的土壤吸光度模型R^(2) v提高了25%。表明提出的土壤粒度修正法可以显著减小土壤粒度对近红外光谱离散波长吸光度的干扰,提高车载土壤全氮检测仪的测量精度。

根据PCA-GA-Elman的风机齿轮箱轴承温度预测

针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm,GA)及Elman神经网络结合的预测模型。该模型通过主成分分析对高维复杂原始变量进行降维,主成分(PC)作为经GA优化的Elman神经网络的输入。新方法充分考虑轴承温度发展趋势中的随机波动成分,挖掘历史数据变化规律。结果表明:新方法对轴承温度发展中的随机波动趋势拟合效果较好,稳定性、准确性均优于文中其他方法,能够有效实现轴承温度的精确预测。

基于光谱学原理的便携式土壤有机质检测仪设计与实验

为快速无损获取土壤有机质含量信息,基于光谱学原理设计了一款便携式土壤有机质含量检测仪。检测仪主要由机械部分、光路系统和控制部分组成,其中机械部分为检测仪提供平台支撑,光路部分由光源、蓝宝石玻璃、滤光片和光电探测器组成,控制系统实现对土壤测量信号的采集和处理。便携式土壤有机质检测仪工作时,光源发出光照射到待测土壤表面,漫反射光经过滤光片滤波后由光电转换器实现光信号转换成电信号,再经信号处理单元计算出各个敏感波长处的反射率,通过测量光谱反射率检测土壤有机质含量。采集了北京市中国农业大学上庄实验站土壤的光谱数据和土壤有机质含量实测值,经过光谱数据预处理后,对比了CARS、MCUVE、MWPLS和随机蛙跳4种波长筛选算法对土壤光谱的处理结果,建立了土壤有机质含量的偏最小二乘和随机森林预测模型。结果表明,基于CARS算法挑选出的4个特征波长建立的随机森林模型预测精度最好,建模集R^(2)为0.923,预测集R^(2)为0.888。将CARS-RF模型嵌入有机质检测仪系统,实验结果表明检测仪测量值与标准值的相关系数达到0.891。开发的检测仪精度较高,可以实现快速检测土壤有机质含量。

基于竞争失效的风电机组齿轮箱轴承剩余寿命分析

提出考虑退化失效和突发失效之间存在竞争失效的风电机组齿轮箱轴承可靠性评估方法,结合风电场SCADA实时监控数据,将轴承监控温度、振动数据通过主成分分析方法融合,以描述轴承退化程度。考虑风电机组齿轮箱轴承的特殊性,采用改进的比例危险模型,基于Wiener退化过程和Weibull突发失效过程,建立竞争失效可靠性评估模型。通过实例分析,对比退化失效和突发失效竞争模型、不相关模型及独立退化失效、突发失效模型的剩余寿命,验证了竞争模型的可靠性。