1 北京工业大学材料与制造学部,工业大数据应用技术国家工程实验室,北京 100124
2 北京工业大学材料与制造学部,新型功能材料教育部重点实验室,北京 100124
3 武汉理工大学,硅酸盐建筑材料国家重点实验室,武汉 430070
基于实验研究的混凝土材料耐久性评价周期长、成本高、效率低,传统经验公式对耐久性的预测精度有限且无法根据性能反推混凝土的配合比设计,因此开发新型高效的材料质量控制和性能预测工具已是当务之急。通过梳理建立机器学习模型的流程,总结常用算法的基本工作原理和优势,归纳基于机器学习的各耐久性指标预测算法,探讨其应用效果和发展方向,为机器学习技术在混凝土领域的深度开发和应用提供了依据。
混凝土 耐久性 机器学习 算法 预测 concrete durability machine learning algorithm prediction
研制了一种基于可调F-P滤波器的线性波长扫描窄线宽光纤激光器。该激光器采用环形腔结构, 以高增益掺Er3+光纤(Er30-4/125)作为增益介质, 以保偏掺Er3+光纤(EDF08-PM)作为可饱和吸收体抑制跳模, 同时结合F-P滤波器选频, 获得了单频窄线宽的激光输出。通过线性调节F-P滤波器的驱动电压, 实现了对激光器波长的线性扫描。在两只975nm单模激光器的双向泵浦下, 实验中测得激光器阈值为15mW, 最大输出功率为24.3mW, 3dB线宽约为5.2kHz。当F-P滤波器在6.1~10.2V的线性电压驱动下, 激光器波长的线性扫描范围为1542.404~1558.836nm。
线性波长扫描 窄线宽 光纤激光器 可调F-P滤波器 linear wavelength-scanning narrow linewidth fiber laser tunable F-P cavity filter