期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
石漠化山区露石岩面流对岩-土界面土壤氮磷淋溶与输入作用的研究
1
作者 杨威 彭旭东 +2 位作者 戴全厚 刘婷婷 许胜兵 《土壤学报》 CAS CSCD 北大核心 2024年第1期86-97,共12页
基岩出露的石漠化区露石岩面在承接降水(含穿透雨)后易形成岩面流,并携带岩面有机或无机物质输送至岩周土壤中,对岩-土界面土壤养分变化具有重要影响。为探明岩面流对岩-土界面土壤氮磷的淋溶与输入影响,选取基岩明显出露的休耕地(1年... 基岩出露的石漠化区露石岩面在承接降水(含穿透雨)后易形成岩面流,并携带岩面有机或无机物质输送至岩周土壤中,对岩-土界面土壤养分变化具有重要影响。为探明岩面流对岩-土界面土壤氮磷的淋溶与输入影响,选取基岩明显出露的休耕地(1年岩面流作用)、退耕灌草地(5年岩面流作用)和坡耕地(无/少岩面流作用)3种样地,并分别选择外凸、平直和内凹3种特殊的岩面形状,研究了距岩面不同水平距离及土层的岩-土界面及非岩-土界面土壤的全氮和全磷变化特征。结果表明:岩面流对0~10 cm表层岩-土界面土壤氮磷产生输入或淋溶作用,对10~20 cm层岩-土界面土壤氮磷作用不明显。不同岩面形状形成的岩面流对岩-土界面土壤氮磷的淋溶与输入作用强度依次为:内凹型>平直型>外凸型。其中,在1年岩面流作用的休耕地中,内凹型岩面形成的岩面流对岩-土界面土壤氮素的影响主要表现为淋溶,而平直型和外凸型岩面表现为输入作用;不同形状岩面流对岩-土界面土壤磷素的影响均表现为淋溶。然而,在植被生长较好的退耕灌草地中,5年岩面流作用下不同形状岩面流对岩-土界面土壤氮磷的影响主要表现为输入。研究结果可为深入认识出露岩石对喀斯特生态系统土壤特性的影响提供科学依据。 展开更多
关键词 岩面流 露石形状 氮磷 淋溶与输入 岩-土界面
下载PDF
厚大矿体分段空场嗣后充填采场结构参数优化研究 被引量:16
2
作者 刘培正 张传信 +1 位作者 胡永泉 寇永渊 《金属矿山》 CAS 北大核心 2009年第11期10-13,123,共5页
采用合理的采场结构参数是控制地压危害实现矿体安全高效开采的重要措施。针对吴庄铁矿岩体条件,采用FLAC3D三维有限差分分析软件对24种不同方案的采场围岩应力、位移变化规律及塑性区分布情况进行了计算分析,得出顶板拉应力是影响该矿... 采用合理的采场结构参数是控制地压危害实现矿体安全高效开采的重要措施。针对吴庄铁矿岩体条件,采用FLAC3D三维有限差分分析软件对24种不同方案的采场围岩应力、位移变化规律及塑性区分布情况进行了计算分析,得出顶板拉应力是影响该矿采场稳定性的重要因素。将顶板岩层所受的最大拉应力作为衡量采场稳定性的指标,绘出了采场跨度与顶板拉应力、采场长度与顶板拉应力关系曲线以及两者对顶板拉应力的联合影响曲面。在顶板厚度一定的情况下,采场顶板拉应力随着采场跨度的增大而增大,且增加幅度越来越大;随着采场长度增加顶板拉应力增加的幅度趋缓,特别是当采场长度增加到一定长度时,顶板拉应力趋于稳定。得到结论:采场稳定性不仅与顶板暴露面大小有关,暴露面形状对其影响也是至关重要的。优化采场顶板暴露面积形状是控制地压的重要手段之一,采用长条形顶板暴露面,能提高采场生产能力和保证回采的安全性。因此,对于该矿提出了"大盘区、小跨度"的设计理念。 展开更多
关键词 位移变化规律塑性区 顶板拉应力 暴露面形状
下载PDF
平面型箱体零件粗基准表面预加工的必要性研究
3
作者 张春梅 郭学周 《煤矿机械》 北大核心 2005年第6期80-82,共3页
箱体零件是机器或部件的基础零件和基准零件,它把有关零件连接成一个整体,使这些零件保持正确的相对位置,彼此协调地工作。从分析夹具夹紧误差的角度重点分析箱体零件与夹具接触表面形貌对零件夹紧误差的影响,并通过分析阐述了箱体零件... 箱体零件是机器或部件的基础零件和基准零件,它把有关零件连接成一个整体,使这些零件保持正确的相对位置,彼此协调地工作。从分析夹具夹紧误差的角度重点分析箱体零件与夹具接触表面形貌对零件夹紧误差的影响,并通过分析阐述了箱体零件粗基准表面预加工的必要性。 展开更多
关键词 箱体零件 接触表面形貌 夹具 夹紧误差
下载PDF
基于深度学习的型钢表面多形态微小缺陷检测算法 被引量:5
4
作者 刘亚姣 于海涛 +2 位作者 王江 于利峰 张春晖 《计算机应用》 CSCD 北大核心 2022年第8期2601-2608,共8页
为了解决由于型钢表面缺陷形态多样、微小缺陷众多所带来的检测效率低与检测精度差的问题,提出一种基于可变形卷积与多尺度−密集特征金字塔的型钢表面缺陷检测算法--Steel-YOLOv3。首先,使用可变形卷积代替Darknet53网络部分残差单元的... 为了解决由于型钢表面缺陷形态多样、微小缺陷众多所带来的检测效率低与检测精度差的问题,提出一种基于可变形卷积与多尺度−密集特征金字塔的型钢表面缺陷检测算法--Steel-YOLOv3。首先,使用可变形卷积代替Darknet53网络部分残差单元的卷积层,从而强化特征提取网络对型钢表面多类型缺陷的特征学习能力;其次,设计了多尺度−密集特征金字塔模块:在原有YOLOv3算法的3层预测尺度上增加1层更浅层的预测尺度,再对多尺度特征图进行跨层密集连接,从而增强对密集微小缺陷的表征能力;最后,针对型钢缺陷尺寸分布特点,使用K-means维度聚类方法优化先验框尺寸并将先验框平均分配到4个对应预测尺度上。实验结果表明:Steel-YOLOv3算法具有89.24%的检测平均精度均值(mAP),与Faster R-CNN(Faster Region-based Convolutional Neural Network)、SSD(Single Shot MultiBox Detector)、YOLOv3和YOLOv5算法相比分别提高了3.51%、26.46%、12.63%和5.71%,且所提算法显著提升了微小剥落缺陷的检出率。另外,所提算法的每秒检测图像数量达到25.62张,满足实时检测的要求,可实际应用于型钢表面缺陷的在线检测。 展开更多
关键词 型钢 表面缺陷检测 多形态微小缺陷 深度学习 YOLOv3
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部