土体的宏观性质主要受其微观结构和孔隙特征的影响。查明土体在冻融等外部条件影响下的微观演化规律对岩土工程研究具有重要意义。草炭土作为季节性冻土和特殊土,由于其腐殖质和植物纤维含量较高,具有较高的压缩性和较低的强度。因此,...土体的宏观性质主要受其微观结构和孔隙特征的影响。查明土体在冻融等外部条件影响下的微观演化规律对岩土工程研究具有重要意义。草炭土作为季节性冻土和特殊土,由于其腐殖质和植物纤维含量较高,具有较高的压缩性和较低的强度。因此,以草炭土为研究对象,通过土工试验、核磁共振(nuclear magnetic resonance,简称NMR)、X射线计算机断层扫描(computed tompography,简称CT)和扫描电子显微镜(scanning electron microscope,简称SEM)等方法研究了草炭土的微观结构、孔隙特征和冻融效应。基于岩土力学和核磁共振理论,完成CT切片和SEM的微观图像分割,以识别空气孔隙和储水孔隙。结合微观图像和成分分析,草炭土的微观结构揭示了有机质组分是能够容纳和传导水分的土壤基质。冻融后草炭土的孔径分布表现为中孔比例增加,孔隙总体数量显著增加。因此,量化微观参数表明冻融后草炭土的孔隙连通性增强,孔隙形状复杂程度降低,渗透性增强。通过对非饱和土理论计算的验证表明,核磁共振方法能够有效地表征冻融土渗透性的变化。研究成果可作为高有机质、高纤维含量土壤研究的基础,也可作为草炭土分布区工程建设的参数依据。展开更多
准确地预测锂离子电池荷电状态(state of charge,SOC)对电动汽车安全行驶和电池管理等具有重要的指导意义。为提高锂离子电池SOC预测精度,提出一种卷积神经网络CNN与Transformer模型结合的预测方法。该方法充分利用Transformer模型中多...准确地预测锂离子电池荷电状态(state of charge,SOC)对电动汽车安全行驶和电池管理等具有重要的指导意义。为提高锂离子电池SOC预测精度,提出一种卷积神经网络CNN与Transformer模型结合的预测方法。该方法充分利用Transformer模型中多头自注意力机制的优势,挖掘SOC与锂电池放电数据的复杂的映射关系以及SOC序列存在的长期依赖性,实现并行运算。同时结合CNN网络的特征提取优势,提取对当前时刻的SOC影响较大的深层放电特征。在动态工况数据集下的锂电池SOC预测实验表明,本工作预测方法在不同温度下预测的平均误差仅为0.57%,具有较高的预测精度和应用价值。展开更多
文摘土体的宏观性质主要受其微观结构和孔隙特征的影响。查明土体在冻融等外部条件影响下的微观演化规律对岩土工程研究具有重要意义。草炭土作为季节性冻土和特殊土,由于其腐殖质和植物纤维含量较高,具有较高的压缩性和较低的强度。因此,以草炭土为研究对象,通过土工试验、核磁共振(nuclear magnetic resonance,简称NMR)、X射线计算机断层扫描(computed tompography,简称CT)和扫描电子显微镜(scanning electron microscope,简称SEM)等方法研究了草炭土的微观结构、孔隙特征和冻融效应。基于岩土力学和核磁共振理论,完成CT切片和SEM的微观图像分割,以识别空气孔隙和储水孔隙。结合微观图像和成分分析,草炭土的微观结构揭示了有机质组分是能够容纳和传导水分的土壤基质。冻融后草炭土的孔径分布表现为中孔比例增加,孔隙总体数量显著增加。因此,量化微观参数表明冻融后草炭土的孔隙连通性增强,孔隙形状复杂程度降低,渗透性增强。通过对非饱和土理论计算的验证表明,核磁共振方法能够有效地表征冻融土渗透性的变化。研究成果可作为高有机质、高纤维含量土壤研究的基础,也可作为草炭土分布区工程建设的参数依据。
文摘准确地预测锂离子电池荷电状态(state of charge,SOC)对电动汽车安全行驶和电池管理等具有重要的指导意义。为提高锂离子电池SOC预测精度,提出一种卷积神经网络CNN与Transformer模型结合的预测方法。该方法充分利用Transformer模型中多头自注意力机制的优势,挖掘SOC与锂电池放电数据的复杂的映射关系以及SOC序列存在的长期依赖性,实现并行运算。同时结合CNN网络的特征提取优势,提取对当前时刻的SOC影响较大的深层放电特征。在动态工况数据集下的锂电池SOC预测实验表明,本工作预测方法在不同温度下预测的平均误差仅为0.57%,具有较高的预测精度和应用价值。
