1 武汉理工大学 资源与环境工程学院，武汉 430070
2 武汉理工大学 矿物资源加工与环境湖北省重点实验室，武汉 430070
3 武汉理工大学 资源与环境工程学院
4 五矿勘查开发有限公司，北京 100044
5 保利新联爆破工程集团有限公司，贵阳 550002
6 武汉理工大学 a.资源与环境工程学院
为了研究晶质石墨矿石试样在冲击荷载作用下的破碎能耗特征，采用 50 mm的分离式霍普金森压杆（SHPB）试验装置，设置气压间隔为0.1 MPa，0.2~0.6 MPa共5组冲击气压，进行不同加载速率条件下石墨矿石试样冲击压缩试验，并分析石墨矿石试样破碎能耗规律。试验结果表明：在冲击荷载作用下，石墨矿石试样的动态抗压强度与平均应变率具有较强的三阶多项式关系，且石墨矿石在冲击荷载作用下具有动态硬化作用，其动态抗压强度随着应变率的增大呈非线性增大，呈现明显的应变率效应; 石墨矿石试样破碎耗能与入射能具有显著的对数关系，随着入射能增大，试样破碎耗能也随之增大，但其试样破碎耗能所占比例随应变率增大逐渐由0.38下降至0.11; 随着平均应变率增大，石墨矿石试样破碎耗能密度呈非线性增长，具有较强的应变率效应; 石墨矿石试样的破碎平均粒径与破碎耗能密度具有显著的三阶多项式相关关系，随着石墨矿石试样耗能密度增加，石墨矿石试样破碎程度加剧，可以采用石墨矿石试样破碎块度平均粒径实现对石墨矿石试样破碎程度进行定量描述。
冲击荷载 破碎块度 破碎耗能 分离式霍普金森压杆（SHPB） impact load crushing fragment crushing energy dissipation split Hopkinson pressure bar(SHPB)
1 武汉理工大学 资源与环境工程学院, 武汉 430070
2 武汉市公安局 治安管理局, 武汉 430077
3 华新水泥股份有限公司, 武汉 430200
4 五矿勘查开发有限公司, 北京 100044
裂隙岩体爆破数值模拟过程中, 裂隙分布模型的真实性, 是影响数值模拟结果的关键因素之一, 现有节理裂隙构建方法难以实现三维分布上的复杂表征或是实现操作过于繁杂。为探索在LS-DYNA软件中构建三维分布上真实、复杂表征的节理裂隙模型简单可行的操作方法, 通过MATLAB软件对爆破数值模型K文件进行解析重组, 按照节理裂隙三维分布规律进行勾勒并赋予节理裂隙材料本构, 构建出符合节理裂隙分布规律的节理岩体三维精细化数值模型。以某露天石灰石矿山为实例, 开展节理裂隙三维分布规律统计分析并在台阶爆破数值模型中进行还原, 基于裂隙岩体精细化数值模型, 开展露天台阶爆破数值模拟试验和现场爆破试验对比研究。结果表明: 采用解析重组方法构建的数值节理模型与实际节理裂隙的误差小于13%; 节理裂隙面使岩体内的损伤分布规律发生了变化, 与完整岩体相比, 损伤范围增加了12.04%, 粒径处于0~100 mm的占比降低了8.11%; 爆破模拟得到的损伤结果与现场破碎效果接近, 统计粒径在0~100 mm之间的碎块的占比, 误差为4.16%。解析重组法构建三维节理裂隙, 可行、操作简便, 数值模拟结果接近实际。
裂隙岩体 裂隙分布规律 地质模型 爆破数值模拟 爆破试验 jointed rock mass joint distribution law geological model LS-DYNA LS-DYNA blasting simulation blasting test
1 陕西科技大学 电子信息与人工智能学院西安 710021
2 陕西循天广播技术有限公司咸阳 712000
设计了一种改进型射频功率源输出功率控制系统，解决了现有射频功率源使用中存在的输出功率稳定性与控制精度不足等问题，预期将应用于中国聚变工程实验堆（China Fusion Engineering Test Reactor，CFETR）负离子源中性束系统（Negative Ion Based Neutral Beam Injection System，NNBI）。采用ARM+CPLD双核设计的软、硬件分离控制结构，保障输出功率控制算法运行效率；采用数字化信号控制方法，实现输出功率的高精度控制；通过精确采样射频功率源实际输出功率和闭环功率控制方法设计，实现输出功率的高稳定性控制。对射频功率源样机进行输出功率控制系统模拟负载测试，结果表明：在额定输出功率为50 kW时，输出功率的控制精度高于0.1%、稳定性波动小于0.5%、人机交互软件功能完善。该方案预期可以搭配阻抗匹配网络满足CFETR NNBI射频功率源对输出功率控制的性能要求。
射频功率源 功率控制 双核控制 数字化控制 闭环控制 RF power source Power control Dual core control Digital control Closed-loop control
1 武汉理工大学,资源与环境工程学院,武汉 430070
2 矿物资源加工与环境湖北省重点实验室, 武汉 430070
3 五矿勘查开发有限公司, 北京 100044
4 保利新联爆破工程集团有限公司, 贵阳 550002
为探究石墨矿石品位与其动力学特性关联, 揭示石墨矿石品位对岩石动力学特性的影响规律, 选取1.57%、5.19%、10.79%、12.65%和19.50%五种品位的石墨矿石试样开展等幅冲击荷载作用下的SHPB试验研究, 分析试样峰值强度(σd)、动弹性模量(Ed)、峰值应变(εd)以及能耗密度(ASE)随石墨矿石品位的变化规律。研究结果表明：不同品位石墨矿石动力学特性的改变是石墨矿石矿物组成和石墨鳞片嵌布特征变化共同作用的结果; 随着石墨矿石品位的增加, 试样动力学特性发生了明显弱化, 但弱化程度存在限度, 具体表现为：σd、Ed和ASE与石墨矿石品位之间存在良好的负指数型函数拟合关系(相关性系数R2分别为0.977、0.930和0.973), 三者均随石墨矿石品位的增加而以愈渐平缓的趋势逐渐降低, 并最终趋于某稳定值; εd随石墨矿石品位的增加表现为初期近似线性增加, 品位达到12.65%时出现明显跃增, 之后开始缓慢减小的阶段性特征, 但εd减小的程度很小, 总体上可认为εd随石墨矿石品位增加仍呈现较好的弱幂函数递增规律(R2为0.810), 说明试样动力学特性随石墨矿石品位增加而弱化的总体趋势并未改变。
石墨矿 矿石品位 动力学特性 能耗密度 SHPB试验 graphite ore ore grade dynamic mechanical properties energy consumption density SHPB test
1 武汉理工大学，资源与环境工程学院，武汉 430070
2 武汉理工大学，土木工程与建筑学院，武汉 430070
3 汉理工大学，土木工程与建筑学院，武汉 430070
4 中国科学院 武汉岩土力学研究所岩土力学与工程国家重点实验室，武汉 430071
目前爆破扰动下隧道的动力响应解析解研究多为稳态，且主要集中在无衬砌隧道；而实际工程施工爆破扰动以瞬态波的形式传播，且大多隧道有衬砌。因此，论文以深埋圆形有衬砌隧道为研究对象，采用波函数展开法和梯形求积，开展平面爆破P波扰动下的隧道瞬态动力响应解析解研究：通过分析平面简谐P波入射时衬砌和围岩中的波场，考虑深埋隧道衬砌与围岩相互作用的边界条件，确定隧道周围的稳态响应；在稳态解的基础上运用梯形求积，求出平面爆破P波扰动下深埋圆形衬砌隧道动力响应问题的瞬态解析解，进而分析隧道衬砌与围岩接触面和隧道内的动应力集中系数、径向和环向振动速度的动态响应情况。研究结果表明：本文解析结果与FLAC及CASRock数值结果一致，验证了本文方法的可行性以及正确性；动力扰动过程中隧道两帮出现拉应力集中，顶底板主要出现压应力集中，隧道两侧的径向振动速度要显著大于隧道顶部，环向振动速度随着爆破荷载的加卸载先增大后减小至零。解析结果可以为深埋隧道的支护提供理论基础。
爆破P波 瞬态响应 圆形衬砌隧道 波函数展开法 blasting P-wave transient response wave function expansion method circular lining tunnel CASRock CASRock
1 武汉理工大学,资源与环境工程学院,武汉 430070
2 矿物资源加工与环境湖北省重点实验室, 武汉 430070
3 武汉理工大学,安全科学与应急管理学院, 武汉 430070
针对小样本条件下使用机器学习方法预测岩石爆破块度存在的数据利用率不足, 预测精度存在浮动较大的问题。将留一法(LOO)与极限梯度提升(XGboost)算法结合, 利用Python 3.7构建LOO-XGboost岩石爆破块度预测模型, 选取31组爆破数据进行LOO-XGboost模型训练与预测, 通过调用不同参数, 得到模型的最优内置参数如下：求解方式为树模型, 学习率为0.30, 决策树数量为50, 决策树最大迭代深度为3, 叶子节点最小样本数为3, 随机采样比例为0.8。将预测结果与同条件下的支持向量机回归(SVR)、BP神经网络(BPNN)、随机森林(RF)模型以及10折交叉验证下的XGboost模型进行对比, 对比结果为LOO-XGboost模型预测精度明显高于其他4种模型, 其相关系数、均方根误差、平均绝对误差分别为0.9128、0.0587、0.0342。结果表明：LOO-XGboost模型既保证了小样本情况下的数据利用率, 又提高了预测精度, 适合应用于岩石爆破块度预测。
岩石块度 LOO-XGboost模型 小样本预测 模型对比 rock fragmentation LOO-XGboost model small sample prediction model comparison Python 3.7 Python 3.7
1 中国科学院光电探测技术研究室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法。考虑到常用的特征提取网络参数量庞大，过多的下采样可能导致小目标消失，同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟。因此，根据数据集中所有目标尺寸的分布情况(即：先验知识)，首先提出了一种基于动态选择机制的轻量化特征提取模块，它允许每个神经元依据目标的不同尺度自适应地分配用于检测的感受野大小并快速从头训练模型。其次，不同尺度特征所反应的信息量各不相同且各有侧重，因此提出了基于自适应特征加权融合的FPN (feature pyramid networks)模块，它利用分组卷积的方式对所有特征通道分组且组间互不影响，从而增加图像特征表达的准确性。另外，深度学习需要大量数据驱动，由于遥感小目标数据集匮乏，自建了一个遥感飞机小目标数据集，并对DOTA数据集中的飞机和小汽车目标做处理，使其尺寸分布满足小目标检测的任务。实验结果表明，与大多数主流检测方法对比，本文方法在DOTA和自建数据集上取得了更好的结果。
1 中国科学院光电探测技术研究室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
与高质量可见光图像相比，红外图像在行人检测任务中往往存在较高的虚警率。其主要原因在于红外图像受成像分辨率及光谱特性限制，缺乏清晰的纹理特征，同时部分样本的特征质量较差，干扰网络的正常学习。本文提出基于多任务学习框架的红外行人检测算法，其在多尺度检测框架的基础上，做出以下改进: 1) 引入显著性检测任务作为协同分支与目标检测网络构成多任务学习框架，以共同学习的方式侧面强化检测器对强显著区域及其边缘信息的关注。 2) 通过将样本显著性强度引入分类损失函数，抑制噪声样本的学习权重。在公开 KAIST数据集上的检测结果证实，本文的算法相较于基准算法 RetinaNet能够降低对数平均丢失率 (MR-2)4.43%。
红外行人检测 多任务学习 显著性检测 thermal pedestrian detection multi-task learning saliency detection
1 中国科学院光电技术研究所，四川 成都 610209
2 中国科学院大学，北京 100049
为了得到置信度更高的超分辨率先验模型，实现重建结果在噪声和细节之间的平衡，建立了基于混合稀疏表达框架下的高斯?洛伦兹混合先验模型。研究了该先验模型在超分算法中的应用优势和具体的应用方案。首先，根据先验信息的类型介绍了一些超分辨率算法的优势和问题。接着，提出对图像不同分量的统计特点进行单独建模的应用方法。然后，在分析了混合稀疏框架、高斯吉布斯先验和洛伦兹先验的基础上，说明了基于群稀疏框架下的高斯?洛伦兹混合先验的超分辨率算法。最后，介绍了具体实现环节和最终迭代方案。实验结果表明，本文基本完成了在重建过程中保持细节的同时抑制噪声的改进目标，可以用于更多复杂环境的超分辨率重建要求。
超分辨率算法 先验模型 高斯?洛伦兹 混合稀疏表达 super-resolution algorithm prior model Gauss-Lorenz model mixed sparse representation
