●《中文核心期刊要目总览》核心期刊
● 中国科技核心期刊（中国科技论文与引文数据库）
● 中国知网(CNKI)
● 中国科学期刊数据库(CSPD)
● 美国《化学文摘》(CA)
● 美国《乌利希国际期刊指南》(Ulrichsweb)
● 美国《剑桥科学文摘》(CSA)
● 俄罗斯《文摘杂志》(AJ)
为测试锚杆对岩体的加固作用及评估锚固性能，国内外学者通过设计拉伸、剪切、拉剪组合静载及动载试验，对锚杆的静/动锚固性能开展了大量研究，形成了一系列测试技术和试验设备。文章综述了锚杆锚固性能试验方法与设备的发展现状，静载试验方面，重点介绍了岩体锚杆拉伸、剪切及拉剪组合试验的基本原理，讨论了锚杆静载试验设备功能，如裂隙岩体锚杆拉伸、剪切及拉-剪组合等应用场景；动载试验方面，介绍了动载拉伸(拉拔)及剪切试验方法与设备，重点探讨了裂隙岩体锚杆拉伸的自由落体冲击及动量转换冲击原理。研究讨论了现有锚杆静载试验在模拟拉-剪-扭复合载荷方面的局限性，以及动载试验在集成上述两类冲击方法时面临的技术挑战，指明未来应重点研发具备智能化控制、能够实现多因素(如应力、渗流、温度等)耦合加载的先进锚固试验设备，并重视静/动载锚固性能数据库的标准化建设，为锚杆性能研究提供新的技术支撑与设备保障。
深海能源土对自身赋存环境十分敏感，在动荷载作用下极易造成海底滑坡、海床失稳等海洋灾害的发生，因此研究深海能源土含气储层边坡的动力响应特性具有重要的现实意义。以实际海底边坡为研究背景，依托海底含水合物边坡模型，基于混合离散法建立海底边坡有限差分模型。研究了低黏土含量下深海能源土含气储层边坡在波浪荷载和地震荷载作用下的位移发展规律、剪应变演变和动孔增长特性。研究结果表明：在波浪荷载作用下，边坡最大位移及剪应变均大于地震荷载作用情况下，且滑动面形成贯通状态，表现为应变破坏模式；在地震荷载作用下，含气储层各点的动孔压均大于波浪荷载作用情况下，且滑动面并未形成贯通状态，使边坡更倾向于液化破坏。因此，在分析深海能源土含气储层边坡的安全性及稳定性时，应根据不同的动荷载作用形式，选用相匹配的破坏准则。
水下实景三维模型在海洋资源勘探、生态监测及海底考古等领域具有重要意义，其建模过程因水体对光线的复杂衰减和散射效应，面临重建模型颜色失真和精度下降的双重挑战。然而，3D高斯泼溅方法未针对水下光学特性进行优化，其缺乏颜色恢复机制的缺陷导致重建质量显著下降。针对该问题，本研究提出一种融合水下光传输模型与3D高斯泼溅的水下场景重建方法。该方法基于运动结构恢复(SfM)算法的场景估计，借助水下光传输模型解析光线传输的物理规律，实现介质影响在物体本征辐射上的去除，在3D高斯表征空间完成颜色和几何结构的精准重建。通过SeaThru-D3标准数据集实验结果表明，相较于3D高斯泼溅方法，本方法的峰值信噪比提升了3.0%,结构相似性提升了8.3%。该方法为底栖生境制图、珊瑚礁生物量监测等海洋工程应用提供了高保真三维重建解决方案。
多波束反向散射数据的中央异常会对声呐图像造成显著影响，现有方法在处理多波束强度数据时，通过频率实现精细化操作的研究不足。因此，本研究提出一种基于频率多尺度分解与自适应滤波组合处理方法。首先，对多波束强度数据进行预处理，选择适当的小波基函数对反向散射强度数据进行多尺度分解，获得高低频分量；其次，基于多Ping强度统计分析，明确中央异常区域范围；然后对低频分量进行双滤波策略，对高频分量采用自适应阈值进行细节增强；最后，通过重构高低频分量实现高质量声呐图像。实验结果表明，本方法将多波束中央区域强度标准差从7.8 dB降为1.8 dB,全区域标准差从23.1 dB降为19.4 dB。本方法通过高低频分量协同优化处理，在削弱中央异常的同时，有效保留细节信息，大幅提升了声呐图像质量，为多波束声呐图像的进一步应用提供了可靠的数据支撑。
城市路网是城市发展的重要基础设施，也是社会经济活动的重要载体。但现有遥感影像路网提取方法在应对高楼阴影、植被遮挡等复杂环境时往往效果不佳。为解决该问题，提出一种HR-DeepLabV3+深度学习模型，主干网络设计采用HRNetV2-W18(high-resolution networkW-18),用于保留高分辨率影像中的细节信息；解码器中设计了多层级融合的空洞空间金字塔结构，并添加多头注意力结构，提升对图像上下文信息的学习能力；损失函数中通过降低背景环境特征信息的权重，更加关注细小的道路目标，从而降低背景复杂环境因素的干扰。在公开数据集CHN6-CUG、DeepGlobe和SJZ Road上进行实验分析表明，该网络的I_(OU)精度分别达0.711、0.685和0.751,相比其他主流网络效果更稳健。
针对车载道路快速巡检系统中激光雷达相机外参标定过程复杂、稳定性差的问题，提出一种基于点云与影像迭代渐进加权配准的标定方法。首先，通过畸变校正提高影像几何精度，提取影像与激光点云的同名特征点并进行匹配；其次，基于共线条件构建参数解算模型，采用反比距离加权为同名特征点赋予初始权重；最后，在模型迭代求解过程中，引入Huber权函数动态调整特征点权重，结合线性渐进式更新策略融合初始权重与动态权重，实现相机外参的标定。实验结果表明，所提方法重投影误差在2 pixel内，在受粗差点干扰的情况下仍优于4 pixel,具有较高的准确性和鲁棒性。
以异佛尔酮二异氰酸酯(IPDI)与聚四氢呋喃多元醇(PTMEG)为原料，通过预聚反应合成具有一定分子量的预聚体，将二硫化物作为扩链剂，制备得到含有二硫键的自修复型聚氨酯材料(PU)。红外光谱和拉曼光谱结果证实了二硫键的存在。通过动态力学分析及拉伸测试探究二硫化物含量对聚氨酯弹性体阻尼性能和机械性能的影响，以及修复时间与温度对聚氨酯弹性体自修复性能的影响。结果表明，二硫键的成功引入为聚氨酯材料提供了良好的自修复性能，60℃处理2 h聚氨酯材料力学性能可恢复90%以上，且聚氨酯涂膜经80℃处理1 min表面划痕能够基本愈合。同时材料具有良好的阻尼及力学性能，随二硫化物含量提高，拉伸强度及阻尼因子均呈现先升高后降低的趋势，其中二硫化物质量分数为2.92%的聚氨酯材料拉伸强度能够达到4.61 MPa,阻尼因子最高为0.79,兼具阻尼与力学性能。
为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象，进一步提升预测模型对重要负荷特征的提取能力，本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计算能力的时域卷积网络为基础学习负荷数据特征，通过构建混合膨胀卷积层改进时域卷积网络残差块，利用不同膨胀系数的卷积自适应地捕获不同距离下全部负荷数据，避免信息不连续；同时，引入能够自适应调整卷积核大小的一维卷积改进传统卷积注意力模块，高效捕获负荷数据空间和通道两个维度的重要信息。基于实际电网负荷数据仿真实验表明，在短期负荷预测任务中，所提出的ECBAM-HTCN模型具有较高的预测精度和较好的稳定性。
在电商平台中，产品声誉是消费者做出购买决策的关键因素。为提升产品声誉，部分卖家会雇佣水军进行虚假评价。现有基于图的水军群组检测方法忽视了水军活动所表现出的在同一时间段内针对多个产品攻击的时间聚集性特征，且在识别水军群组时仅考虑一阶邻居的行为或文本特征相似性特征，未能有效挖掘高阶邻域信息中的水军协同造假特征。针对上述问题，本研究提出一种考虑时间特征与高低阶邻域特征的水军群组检测算法。首先，通过挖掘目标产品和水军活动活跃时段，捕获水军群组的时间特征；其次，在捕获具有时间特征的用户基础上，构建用户共评论网络；然后，通过高低阶邻域特征学习，捕获用户的高低阶邻域特征，从时间和结构两个维度刻画水军群体行为，生成节点嵌入；最后，利用密度聚类算法生成候选群组，并利用造假指标对群组进行净化。在AmazonBooks数据集上的实验结果表明，所提算法在检测精度上优于已有5种基线方法。
逻辑综合是集成电路设计的重要环节，在逻辑综合时乘法器单元需要自行设计。为优化有符号乘法器的电路延时并减小电路面积，提高乘法器的整体性能，本研究基于改进Radix-4 Booth算法设计了一种有符号乘法器。采用资源复用Booth编码器，将3位编码转换为2个控制信号，共同控制Booth选择器生成部分积，部分积的符号位则使用简单的电路统一扩展；采用进位保留加法器阵列对重组后的部分积进行压缩求和，缩短关键路径，减少电路面积。基于SMIC 28 nm工艺库，对采用改进算法设计的16×16 bit有符号乘法器进行逻辑等价性检查与逻辑综合，逻辑综合后网表的电路延时、电路面积与资源信息表明，该方法能较好地提升乘法器的电路性能。
离散时间随机线性二次(LQ)Stackelberg博弈的线性最优闭环策略的复杂性在于经典的最优控制方法已不再适用，即便是对于LQ Stackelberg博弈，其解也可能呈现非线性特性。在这种情况下，假设领导者和跟随者的闭环策略是历史和当前新息的线性组合，这一假设符合闭环信息模式的定义，因此这是合理的。通过运用矩阵极大值原理，得到了最优的线性闭环Stackelberg策略。本研究首次揭示最优的线性闭环解采用了Kalman滤波反馈的形式，对于未来研究Stackelberg策略中的信息非对称控制具有重要意义。
工业传感器信号本质上具有非欧几里得特性，现有深度学习方法难以充分挖掘信号数据的真实性，尤其在可变工况下。对此，本研究设计了一种基于多尺度特征融合的图卷积神经网络迁移学习(TL-MSGCNs)故障诊断方法。首先，从几何角度将原始数据转换为加权图，以挖掘节点间隐藏的拓扑关联性。然后，设计具有深层和浅层结构的图卷积神经网络提取多尺度特征并进行融合增强。最后，通过迁移学习策略缓解因操作环境变化、设备老化等导致的源域和目标域间的分布差异。实验结果表明，TL-MSGCNs方法在故障诊断中具有显著优势。
针对立井提升系统中现有滚轮罐耳磨损状态检测方法流程复杂且实时性差的问题，提出一种基于改进YOLOv5m的滚轮罐耳磨损状态实时检测方法。首先，采用YOLOv5m模型对滚轮罐耳进行识别与定位，并将完全交并比损失函数替换为高效交并比损失函数，以提高算法准确性和边界框纵横比的收敛速度；其次，基于生成的检测框提出一种滚轮罐耳尺寸测量方案，该方案在测量精度和消除透视投影误差方面均具有显著优势；然后，利用得到的滚轮罐耳尺寸信息判断其磨损状态；最后，将尺寸测量模块与磨损状态检测模块集成到YOLOv5m检测模型中，实现滚轮罐耳磨损状态的实时检测。实验结果表明，基于改进YOLOv5m的检测方法在滚轮罐耳数据集上检测精度达到99.14%,尺寸测量误差小于3 mm,在磨损状态检测性能方面，本方法检测正确率达到99.89%,且每张图像检测时间仅为2.15 s,满足实际工程应用需求。