2019年第2期（全文）.pdf

《华侨大学学报（自然科学版）》第七届编辑委员会犜犺犲犛犲狏犲狀狋犺犈犱犻狋狅狉犻犪犾犆狅犿犿犻狋狋犲犲狅犳犑狅狌狉狀犪犾狅犳犎狌犪狇犻犪狅犝狀犻狏犲狉狊犻狋狔（犖犪狋狌狉犪犾犛犮犻犲狀犮犲）主任（犇犻狉犲犮狋狅狉狅犳犈犱犻狋狅狉犻犪犾犆狅犿犿犻狋狋犲犲）吴季怀（ＷＵＪｉｈｕａｉ）副主任（犞犻犮犲犇犻狉犲犮狋狅狉狅犳犈犱犻狋狅狉犻犪犾犆狅犿犿犻狋狋犲犲）陈国华（黄仲一（ＨＵＡＮＧＺｈｏｎｇｙＣＨＥＮＧｕｏｈｕａ）ｉ）编委（犕犲犿犫犲狉狊狅犳犈犱犻狋狅狉犻犪犾犆狅犿犿犻狋狋犲犲）（按姓氏笔画为序）刁勇（王士斌（ＷＡＮＧＳｈＤＩＡＯＹｏｎｇ）ｉｂｉｎ）刘 ? （江开勇（ＬＩＵＧｏｎｇ）ＪＩＡＮＧＫａｉｙｏｎｇ）孙涛（肖美添（ＳＵＮＴａｏ）ＸＩＡＯＭｅｉｔｉａｎ）吴季怀（ＷＵＪ宋秋玲（ｉｈｕａｉ）ＳＯＮＧＱｉｕｌｉｎｇ）张认成（ＺＨＡＮＧＲｅｎｃｈｅｎｇ）陈国华（ＣＨＥＮＧｕｏｈｕａ）苑宝玲（周树峰（ＹＵＡＮＢａｏｌｉｎｇ）ＺＨＯＵＳｈｕｆｅｎｇ）郑力新（徐西鹏（ＺＨＥＮＧＬｉｘｉｎ）ＸＵＸｉｐｅｎｇ）郭子雄（黄仲一（ＨＵＡＮＧＺｈｏｎｇｙＧＵＯＺｉｘｉｏｎｇ）ｉ）黄华林（ＨＵＡＮＧＨｕａ葛悦禾（ｌｉｎ）ＧＥＹｕｅｈｅ）蒲继雄（蔡绍滨（ＰＵＪｉｘｉｏｎｇ）ＣＡＩＳｈａｏｂｉｎ）主编（犈犱犻狋狅狉犻狀犆犺犻犲犳）黄仲一（ＨＵＡＮＧＺｈｏｎｇｙｉ）华侨大学学报（自然２０１９年３月科学版）总第１６６期目第４０卷第２期次闭环空气悬架系统的车身高度与姿态控制 !!!!!!!!!!!!!!!!!!!!!!!!! 李海燕，张锋，汪涵，罗顺安（１４１）西安公共交通系统的网络特性和鲁棒性分析 !!!!!!!!!!!!!!!!!!!! 孙军艳，牛亚儒，吴冰莹，都成明，韩雯（１４８）火灾下钢?混凝土组合楼盖的声发射监测及分析 !!!!!!!!!!!!!!!!!!!! 张建春，张大山，董毓利，王卫华，卢鑫（１５６）复合结构生态透水砖设计及性能分析 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 王海峰，郭钟瀚（１６４）爆破振动震源荷载函数的确定 !!!!!!!!!!!!!!!!!!!!!!!!!!! 刘小鸣，陈士海，胡帅伟（１７２）高强冷弯矩形截面钢管混凝土柱偏压性能试验 !!!!!!!!!!!!!!!! 黄泳水，张继承，饶玉龙，李勇，申兴月，吕宇莎（１７９）排水路面沥青混合料的连通空隙影响分析 !!!!!!!!!!!!!!!!!!!!!!!!!!!!! 李翔，蔡旭，肖天佑（１８６）多因素对聚合物水泥基混凝土抗折强度的影响 !!!!!!!!!!!!!!!!!!!!!!!!!!!!! 苗福生，李媛，李星（１９２）碱催化过氧化氢氧化法对偶氮染料酸橙７的降解性能 !!!!!!!!!!!!!!!! 刘淑坡，王黛瑶，王梦云，邹景，杨志敏，周真明（２０１）不同散热末端耦合运行调节方法 !!!!!!!!!!!!!!!!!!!!!!!!!!!! 马佳慧，王美萍，田琦（２０９）抗癌药物马赛替尼的合成工艺优化 !!!!!!!!!!!!!!!!!!!! 张嘉颖，裘京晓，黄程勇，吴振，王立强（２１５）利用干涉测量技术的染液均匀性方法 !!!!!!!!!!!!!!!!!!!!!!!! 梅小华，李平，金福江，李扬森（２２１）ＬＣＬ型并网逆变器的自适应开关频率控制 !!!!!!!!!!!!!!!!!!!!!!!!!!!!! 潘健，李坤，廖冬初（２２６）新型换流变压器铁心谐波磁通抑制与损耗计算 !!!!!!!!!!!!!!!!!!!!!! 邵鹏飞，徐锡烽，李勇，陈浩，肖华（２３２）有限状态机的多ＡＧＶ路径优化策略 !!!!!!!!!!!!!!!!!!!!!!!!!!! 王淑青，毛月祥，袁晓辉（２３９）采用深度学习的快速超分辨率图像重建方法 !!!!!!!!!!!!!!!!!!!!!!! 张圣祥，郑力新，朱建清，潘书万（２４５）对抗长短时记忆网络的跨语言文本情感分类方法 !!!!!!!!!!!!!!!!!!!!!!!!!!!! 党莉，陈锻生，张洪博（２５１）集聚扩散视角下福建省高新技术产业时空转移及其影响因子分析 !!!!!!!!!!!!!!!!!!!!!!!!!!!! 涂平，赵唯为，梁娟珠（２５７）Ｓｐａｒｋ平台下ＫＮＮ?ＡＬＳ模型推荐算法 !!!!!!!!!!!!!!!!!!!!!!!!!!!! 邹小波，王佳斌，詹敏（２６４）变步长ＢＬＳＴＭ集成学习股票预测 !!!!!!!!!!!!!!!!!!!!!!!!!!!! 王子癑，谢维波，李斌（２６９）上半平面的带权Ｂｅｒｌｏｃｈ空间ｇｍａｎ投影与Ｂ !!!!!!!!!!!!!!!!!!!!!!!!!!!! 李西振，陈行堤，王洁（２７７）期刊基本参数：ＣＮ３５  １０７９／Ｎ１９８０ｂＡ４１４０ｚｈＰ ￥１０．００１０００２１２０１９  ０３ｎ犑犗犝犚犖犃犔犗犉犎犝犃犙犐犃犗犝犖犐犞犈犚犛犐犜犢（ＮＡＴＵＲＡＬＳＣＩＥＮＣＥ）犞狅犾．４０犖狅．２犛狌犿１６６犕犪狉．２０１９犆犗犖犜犈犖犜犛ＨｅｉｔａｎｄＬｅｖｅｌｉｎｇＣｏｎｔｒｏｌｏｆＣｌｏｓｅｄｒＳｕｓｐｅｎｓｉｏｎＳｙｓｔｅｍ ?ＬｏｏｐＡｉｇｈ !!!!!!!!!!!!! ＬＩＨａｉ ′ ａｎ（１４１）ｙａｎ，ＺＨＡＮＧＦｅｎｇ，ＷＡＮＧＨａｎ，ＬＵＯＳｈｕｎＲｅｓｅａｒｃｈｏｎＣｏｍｐｌｅｘＮｅｔｗｏｒｋＣｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄＲｏｂｕｓｔｎｅｓｓｏｆＸｉ ′ ａｎＣｉｔｌｉｃｙＰｕｂＴｒａｎｓｐｏｒｔＳｙｓｔｅｍ !!!!!!! ＳＵＮＪｕｎｙａｎ，ＮＩＵＹａｒｕ，ＷＵＢｉｎｇｙｉｎｇ，ＤＵＣｈｅｎｇｍｉｎｇ，ＨＡＮＷｅｎ（１４８）ＡｃｏｕｓｔｉｃＥｍｉｓｓｉｏｎＭｏｎｉｔｏｒｉｎｇａｎｄＡｎａｌｉｓｏｆＳｔｅｅｌｒｅｔｅＣｏｍｐｏｓｉｔｅＦｌｏｏｒＵｎｄｅｒＦｉｒｅ ?Ｃｏｎｃｙｓ !!!! ＺＨＡＮＧＪｉａｎｃｈｕｎ，ＺＨＡＮＧＤａｓｈａｎ，ＤＯＮＧＹｕｌｉ，ＷＡＮＧＷｅｉｈｕａ，ＬＵＸｉｎ（１５６）ＤｅｓｉｒｆｏｒｍａｎｃｅｏｆＥｃｏｌｏｇｉｃａｌＰｅｒｍｅａｂｌｅＢｒｉｃｋＷｉｔｈＣｏｍｐｏｓｉｔｅＳｔｒｕｃｔｕｒｅｇｎａｎｄＰｅ !!!!!!!!!!!!!!!!!!!!!!! ＷＡＮＧＨａｉｆｅｎｇ，ＧＵＯＺｈｏｎｇｈａｎ（１６４）ＤｅｔｅｒｍｉｎａｔｉｏｎｏｆＢｌａｓｔｉｎｇＶｉｂｒａｔｉｏｎＳｏｕｒｃｅＬｏａｄＦｕｎｃｔｉｏｎ !!!!!!!!!!!!!!!!!! ＬＩＵＸｉａｏｍｉｎｇ，ＣＨＥＮＳｈｉｈａｉ，ＨＵＳｈｕａｉｗｅｉ（１７２）ＥｘｐｅｒｉｍｅｎｔａｌＳｔｕｄｙｏｎＥｃｃｅｎｔｒｉｃａｌｌｅｓｓｅｄＰｅｒｆｏｒｍａｎｃｅｏｆＨｉｔｒｅｎｇｔｈ ?Ｃｏｍｐｒ ?ＳｙｇｈＣｏｌｄｒｍｅｄＲｅｃｔａｎｇｕｌａｒｃｔｉｏｎＣＦＳＴＣｏｌｕｍｎｓ ?Ｆｏ ?Ｓｅ !!!!!!!!!!!!!! ＨＵＡＮＧＹｏｎｇｓｈｕｉ，ＺＨＡＮＧＪｉｃｈｅｎｇ，ＲＡＯＹｕｌｏｎｇ，ＬＩＹｏｎｇ，ＳＨＥＮＸｉｎｇｙｕｅ，Ｌ Ｙｕｓｈａ（１７９）ＡｎａｌｉｓｏｆＣｏｎｎｅｃｔｅｄＶｏｉｄＥｆｆｅｃｔｏｎＤｒａｉｎａｇｅＰａｖｅｍｅｎｔＡｓｐｈａｌｔＭｉｘｔｕｒｅｙｓ !!!!!!!!!!!!!!!!!!!!!! ＬＩＸｉａｎｇ，ＣＡＩＸｕ，ＸＩＡＯＴｉａｎｙｏｕ（１８６）ＩｎｆｌｕｅｎｃｅｏｆＭｕｌｔｉｃｔｏｒｓｏｎＦｌｅｘｕｒａｌＳｔｒｅｎｇｔｈｏｆＰｏｌｒＣｅｍｅｎｔｓｅｄＣｏｎｃｒｅｔｅ ?Ｆａ ?Ｂａｙｍｅ !!!!!!!!!!!!!!!!!!!!!! ＭＩＡＯＦｕｓｈｅｎｇ，ＬＩＹｕａｎ，ＬＩＸｉｎｇ（１９２）ＥｆｆｅｃｔｉｖｅＤｅｇｒａｄａｔｉｏｎｏｆＡｃｉｄＯｒａｎｇｅ７ｂｙＡｌｋａｌｉｔａｌｅｄＨｙｄｒｏｇｅｎＰｅｒｏｘｉｄｅ ?Ｃａｙｚ !!!!!!!!!!!!!!!! ＬＩＵＳｈｕｐｏ，ＷＡＮＧＤａｉｙａｏ，ＷＡＮＧＭｅｎｇｙｕｎ，ＺＯＵＪｉｎｇ，ＹＡＮＧＺｈｉｍｉｎ，ＺＨＯＵＺｈｅｎｍｉｎｇ（２０１）ＣｏｕｐｌｉｎｇＯｐｅｒａｔｉｏｎＲｅｇｕｌａｔｉｏｎＭｅｔｈｏｄｏｆＭｕｌｔｉｌｉｎｇＴｅｒｍｉｎａｌ ?Ｃｏｏ !!!!!!!!!!!!!!!!!!!! ＭＡＪｉａｈｕｉ，ＷＡＮＧＭｅｉｉｎｇ，ＴＩＡＮＱｉ（２０９）ｐＩｍｐｒｏｖｅｄＳｙｎｔｈｅｓｉｓｏｆＡｎｔｉｅｒＤｒｕｇＭａｓｉｔｉｎｉｂ ?Ｃａｎｃ !!!!!!!!!!!!! ＺＨＡＮＧＪｉａｙｉｎｇ，ＱＩＵＪｉｎｇｘｉａｏ，ＨＵＡＮＧＣｈｅｎｇｙｏｎｇ，ＷＵＺｈｅｎ，ＷＡＮＧＬｉｉａｎｇ（２１５）ｑＨｏｍｏｇｅｎｅｉｔｓｔｉｎｇｏｆＵｎｉｆｏｒｍＤｅｇｒｅｅｏｆＤｙｅｉｎｇＳｏｌｕｔｉｏｎＵｓｉｎｇＭｅａｓｕｒｅｍｅｎｔｙＴｅＩｎｔｅｒｆｅｒｅｎｃｅ !!!!!!!!!!!!!!!! ＭＥＩＸｉａｏｈｕａ，ＬＩＰｉｎｇ，ＪＩＮＦｕｉａｎｇ，ＬＩＹａｎｇｓｅｎ（２２１）ｊＡｄａｐｔｉｖｅＳｗｉｔｃｈｉｎｇＦｒｅｑｕｅｎｃｔｒｏｌｏｆＬＣＬＧｒｉｄｃｔｅｄＩｎｖｅｒｔｅｒ ?ＣｏｎｎｅｙＣｏｎ !!!!!!!!!!!!!!!!!!!!!! ＰＡＮＪｉａｎ，ＬＩＫｕｎ，ＬＩＡＯＤｏｎｇｃｈｕ（２２６）ＣｏｍｐｕｔａｔｉｏｎｏｆＳｕｐｐｒｅｓｓｉｏｎａｎｄＬｏｓｓｏｆＣｏｒｅＨａｒｍｏｎｉｃＭａｇｎｅｔｉｃＦｌｕｘｏｆＮｅｗＣｏｎｖｅｒｔｅｒＴｒａｎｓｆｏｒｍｅｒ !!!!!!!!! ＳＨＡＯＰｅｎｇｆｅｉ，ＸＵＸｉｆｅｎｇ，ＬＩＹｏｎｇ，ＣＨＥＮＨａｏ，ＸＩＡＯＨｕａ（２３２）ＭｕｌｔｉｔｈＯｐｔｉｍｉｚａｔｉｏｎＳｔｒａｔｅｇｙＢａｓｅｄｏｎＦｉｎｉｔｅＳｔａｔｅＭａｃｈｉｎｅｓ ?ＡＧＶＰａ !!!!!!!!!!!!!!! ＷＡＮＧＳｈｕｑｉｎｇ，ＭＡＯＹｕｅｘｉａｎｇ，ＹＵＡＮＸｉａｏｈｕｉ（２３９）ＦａｓｔＳｕｐｅｒｓｏｌｕｔｉｏｎＩｍａｇｅＲｅｃｏｎｓｔｒｕｃｔｉｏｎＭｅｔｈｏｄＵｓｉｎｇＤｅｅｐＬｅａｒｎｉｎｇ ?Ｒｅ !!!!!!!! ＺＨＡＮＧＳｈｅｎｇｘｉａｎｇ，ＺＨＥＮＧＬｉｘｉｎ，ＺＨＵＪｉａｎｑｉｎｇ，ＰＡＮＳｈｕｗａｎ（２４５）ＣｒｏｓｓｉｎｇｕａｌＳｅｎｔｉｍｅｎｔＣｌａｓｓｉｆｉｃａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＡｄｖｅｒｓａｒｉａｌＬｏｎｇＳｈｏｒｔＴｅｒｍ ?ＬＭｅｍｏｒｔｗｏｒｋａｌｙＮｅ !!!!!!!!!!!!!!!! ＤＡＮＧＬｉ，ＣＨＥＮＤｕａｎｓｈｅｎｇ，ＺＨＡＮＧＨｏｎｇｂｏ（２５１）ＡｎａｌｉｓｏｆＳｐａｃｅａｎｓｆｅｒａｎｄＩｎｆｌｕｅｎｃｅＦａｃｔｏｒｓｏｆＨｉｃｈＩｎｄｕｓｔｒｎＦｕｉａｎ ?ＴｉｍｅＴｒ ?ＴｅｙｓｇｈｙｉｊＰｒｏｖｉｎｃｅＦｒｏｍＰｅｒｓｐｅｃｔｉｖｅｏｆＡｇｇｌｏｍｅｒａｔｉｏｎａｎｄＤｉｆｆｕｓｉｏｎ !!!!!!!!!!!!!!!!!! ＴＵＰｉｎｇ，ＺＨＡＯＷｅｉｗｅｉ，ＬＩＡＮＧＪｕａｎｚｈｕ（２５７）ＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｒｉｔｈｍｏｆＫＮＮ?ＡＬＳＭｏｄｅｌＢａｓｅｄｏｎＳｐａｒｋＰｌａｔｆｏｒｍｇｏ !!!!!!!!!!!!!!!!!!! ＺＯＵＸｉａｏｂｏ，ＷＡＮＧＪｉａｂｉｎ，ＺＨＡＮＭｉｎ（２６４）ＶａｒｉａｂｌｅＳｔｅｐＢＬＳＴＭＥｎｓｅｍｂｌｅＬｅａｒｎｉｎｇｆｏｒＳｔｏｃｋＰｒｅｄｉｃｔｉｏｎ !!!!!!!!!!!!!!!!!!!!!! ＷＡＮＧＺｉｉｂｏ，ＬＩＢｉｎ（２６９）ｙｕｅ，ＸＩＥＷｅＢｌｏｃｈＳｐａｃｅａｎｄＮｏｒｍｏｆＢｅｒｏｅｃｔｉｏｎｏｎＵｐｐｅｒＨａｌｆＰｌａｎｅｇｍａｎＰｒｊ !!!!!!!!!!!!!!!!!!!! ＬＩＸｉｚｈｅｎ，ＣＨＥＮＸｉｎｇｄｉ，ＷＡＮＧＪｉｅ（２７７）犛犲狉犻犪犾犘犪狉犪犿犲狋犲狉狊：ＣＮ３５  １０７９／Ｎ１９８０ｂＡ４１４０ｚｈＰ ￥１０．００１０００２１２０１９  ０３ｎ第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０８００７ ? 闭环空气悬架系统的车身高度与姿态控制李海燕，张锋，汪涵，罗顺安（华侨大学机电及自动化学院，福建厦门３６１０２１）摘要：针对传统车身高度调节方法导致的闭环空气悬架系统较大俯仰角问题，提出两种不同车身步进控制算法，得到各个空气弹簧的目标高度．利用比例?积分?微分（ＰＩＤ）控制器对电磁阀的电流信号占空比进行调节．将提出的两种控制算法在ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ进行实现，并与ＡＭＥＳｉｍ平台上建立的空气悬架模型进行联合仿真．仿真结果表明：两种算法都能减小车身高度控制过程中造成的俯仰角，且第二种步进控制方法的效果更优．关键词：空气悬架；步进控制；车高控制；姿态控制；ＡＭＥＳｉｍ中图分类号：Ｕ４６３．３３文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１４１０７ ? ? ? 犎犲犻狋犪狀犱犔犲狏犲犾犻狀犵犆狅狀狋狉狅犾狅犳犆犾狅狊犲犱狅狆 ?犔狅犵犺犃犻狉犛狌狊狀狊犻狅狀犛狔狊狋犲犿狆犲ＬＩＨａｉ ′ ａｎｙａｎ，ＺＨＡＮＧＦｅｎｇ，ＷＡＮＧＨａｎ，ＬＵＯＳｈｕｎ（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｔｏｄｅａｌｗｉｔｈｔｈｅｐｒｏｂｌｅｍａｂｏｕｔａｌａｒｉｔｃｈａｎｇｌｅｃａｕｓｅｄｂｙｕｓｉｎｇｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｈｅｉｔａｄｕｓｔ  ｇｅｐｇｈｊｌｏｏｐａｉｒｓｕｓｐｅｎｓｉｏｎｓｙｓｔｅｍ，ｔｗｏｄｉｆｆｅｒｅｎｔｓｔｅｐｃｏｎｔｒｏｌａｌｒｉｔｈｍｓｗｅｒｅｐｒｅｓｅｎｔｅｄｔｏｍｅｎｔｍｅｔｈｏｄｉｎａｃｌｏｓｅｄ ? ｇｏｄｅｔｅｒｍｉｎｅｔｈｅｔａｒｔｈｅｉｔｏｆｅｖｅｒｉｒｓｐｒｉｎｇ，ａｎｄｔｈｅｎａｐｒｏｐｏｒｔｉｏｎａｌｉｎｔｅｇｒａｌｄｅｒｉｖａｔｉｖｅ（ＰＩＤ）ｃｏｎｔｒｏｌｌｅｒｗａｓ ? ? ｇｅｇｈｙａｕｓｅｄｔｏａｄｕｓｔｔｈｅｄｕｔａｔｉｏｏｆｖａｌｖｅｓ ′ｅｌｅｃｔｒｉｃｃｕｒｒｅｎｔｓｉｌｓ．ＴｈｅｐｒｏｐｏｓｅｄａｌｒｉｔｈｍｓｗｅｒｅｉｍｐｌｅｍｅｎｔｅｄｉｎｊｙｒｇｎａｇｏｔｈｅＭＡＴＬＡＢ／ＳｉｍｕｌｉｎｋａｎｄｔｈｅｎｃｏｓｉｍｕｌａｔｅｄｗｉｔｈｔｈｅａｉｒｓｕｓｐｅｎｓｉｏｎｍｏｄｅｌｂｕｉｌｔｏｎｔｈｅＡＭＥＳｉｍｐｌａｔｆｏｒｍ． ? Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｂｏｔｈｏｆｔｗｏａｌｒｉｔｈｍｓｈａｖｅａｎｏｂｖｉｏｕｓｅｆｆｅｃｔｏｎｔｈｅｒｅｄｕｃｔｉｏｎｏｆｐｉｔｃｈａｎ  ｇｏｌｅ，ａｎｄｔｈｅｓｅｃｏｎｄｓｔｅｐｃｏｎｔｒｏｌａｌｒｉｔｈｍｐｅｒｆｏｒｍｓｂｅｔｔｅｒ．ｇｇｏ犓犲狉犱狊：ａｉｒｓｕｓｐｅｎｓｉｏｎ；ｓｔｅｐｃｏｎｔｒｏｌ；ｈｅｉｔｃｏｎｔｒｏｌ；ｌｅｖｅｌｉｎｇｃｏｎｔｒｏｌ；ＡＭＥＳｉｍｇｈ狔狑狅空气弹簧具有质量轻、噪声小、固有频率低、自带阻尼、高度可调等一系列优点，因此被广泛应用于汽车行业中，同时，电子控制空气悬架（ＥＣＡＳ）车高调节的控制理论和控制性能的仿真分析也是国内外［］［］学者关注的焦点．Ｓａｎｋａｒａｎａｒａｙａｎａｎ等１提出一种适应汽车载荷的车身高度变化系统．Ｈｉｒｏｓｅ等２在丰田车上实现车身高度、空气弹簧和阻尼的集成控制，实验证明该方法不仅提高汽车的操纵稳定性还改［］善乘客的乘坐舒适性．Ｔａｎｉｉ等３提出使用机械系统动力学自动分析（ＡＤＡＭＳ）对车身高度自适应ｇｕｃｈ仿真模拟．于微波等［４］采用模糊控制调节空气悬架车身高度，实验表明模糊控制方法具有良好收稿日期：２０１８０８０８ ? ? 通信作者：张锋（１９７９?），男，讲师，博士，主要从事齿轮动力学、振动主动控制、压电智能材料的研究．Ｅ?ｍａｉｌ：ａｌ  ｗａｙｓｉｎｇ＠１２６．ｃｏｍ．ｑ基金项目：国家自然科学基金资助项目（５１４０５１６９）；福建省自然科学基金面上资助项目（２０１５Ｊ０１６３６）；华侨大学研究生科研创新基金资助项目（１７０１３０８００１４）华侨大学学报（自然科学版）１４２２０１９年［］系统进行的稳定性．Ｓｕｎ等５提出一种混合逻辑动态控制方法调节ＥＣＡＳ的车身高度和姿态，实验表明该方法具有一定的控制作用．闭环控制空气系统为了节省成本和减小布置空间，往往采用较小的压缩机和储气罐［６?７］，因此，不能同时对４个空气弹簧同时进行充气．传统的控制方法是先对前轮两个空气弹簧进行充气，当实际高度到达目标高度时，再对后轮两个空气弹簧进行充气［８?９］，但是这会导致在车高调节［］过程中产生较大的俯仰角．Ｋｉｍ等１０采用滑模控制算法实现车身高度的控制，并且采用步进控制对车［］身高度调整过程中俯仰角的变化进行控制．ＥＣＡＳ系统涉及到机、电、气等多种领域１１?１３，目前针对［］ＥＣＡＳ的建模大都采用ＭＡＴＬＡＢ等数学软件进行，对于ＥＣＡＳ系统中存在的充放气时滞后性１４、气［］流流动等明显的非线性特性都不能较好地模拟．本文在ＡＭＥＳｉｍ软件上搭建空气悬架的模型１５?１６，针对车高控制过程中产生较大的俯仰角问题，提出两种步进控制方法，以得到每一步的各个空气弹簧的目标高度．１空气悬架系统建模车高控制的空气悬架系统分为开环空气悬架系统和闭环空气悬架系统，文中所研究的是闭环空气悬架系统，其车高调节系统，如图１所示．该系统主要包括储气罐、压缩机、空气弹簧和电磁阀等．图１中：犣ｓ，犻（犻＝１，２，３，４）分别为４个车辆悬架角的位移；犿ｓ，犻（犻＝１，２，３，４）分别为４个车辆悬架角的质量；犿ｕ，犻（犻＝１，２，３，４）分别为４个轮胎的质量；犣ｕ，犻（犻＝１，２，３，４）分别为４个轮胎的位移；犘ｐ为充放气换向阀到空气弹簧电磁阀之间管道的压力；犘Ｈ为充气源的图１车高调节原理图压力；犘Ｌ为放气源的压力； ｓ为换向阀的开启大小，Ｆｉ１Ｖｅｈｉｃｌｅｈｅｉｔａｄｕｓｔｍｅｎｔｓｃｈｅｍａｔｉｃｇ．ｇｈｊ当ｓ＞０时，充气电磁阀打开，当ｓ＜０时，放气电磁阀打开；犻＝１，２，３，４）分别为４个空气弹簧电磁 ｓ，犻（阀的开启大小．为便于实验研究，文中做出４点假设：１）各个电磁阀的特性相同；２）气体为理想气体，其流动过程中产生的动能可以忽略不计；３）空气弹簧在车身高度变化过程中，其有效面积的变化可忽略不计，因此可简化为一个可变容积的气室和一个可移动缸体的组合；４）研究的是空气悬架高度控制，因此将轮胎看成一个刚体，可忽略轮胎的变形．综合以上假设，可得到空气悬架在车高调节过程中的动态方程为狀犚犜狆ｓ，犻犃ｓ，犻狕ｓ，犻，  犘ｓ，犻＝ ｓ，犻狇ｓ，犻－犚犜犞ｓ，犻（）（１）狀犚犜  犘ｐ＝（ｓ狇ｐ－ ∑ｓ，犻狇ｓ，犻），犞ｐ犻＝１（２）４狕̈ ＝１（犉ｓ，１＋犉ｓ，２＋犉ｓ，３＋犉ｓ，４），犕ｓ（３） θ̈ ＝犫（犉ｓ，１－犉ｓ，２＋犉ｓ，３－犉ｓ，４），犐θ （４） ¨ ＝１（ φ 犐犉ｓ，１犔ａ＋犉ｓ，２犔ａ－犉ｓ，３犔ｂ－犉ｓ，４犔ｂ）．（５） φ 式（１）～（５）中：犫为左狇ｐ为通过充放气电磁阀进入到充放气换向阀到空气弹簧电磁阀之间管道的流量；右车轮的距离；犔ａ为车辆质心到前轴的距离；犔ｂ为车辆质心到后轴的距离；犞ｓ，犻（犻＝１，２，３，４）分别为空气弹簧的体积；犘ｓ，犻（犻＝１，２，３，４）分别为４个空气弹簧的压力；犻＝１，２，３，４）分别为进入４个空气弹狇ｓ，犻（簧的气体的流量；犉ｓ，犻（犻＝１，２，３，４）分别为４个空气弹簧的垂直力．各个空气弹簧的体积为犞ｓ，犻＝犃ｓ，犻（狕ａｓ０，犻＋狕ａｓ，犻）．（６）式（６）中：犃ｓ，犻为空气弹簧的有效面积，其变化忽略不计；狕ａｓ０，犻为空气弹簧的初始高度；狕ａｓ，犻为空气弹簧的变化高度，狕ａｓ，犻＝（狕ｓ，犻－狕ｕ，犻），狕ｕ，犻为车轮的垂直位移．通过电磁阀的流量（犳ｑ）为犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李海燕，等：闭环空气悬架系统的车身高度与姿态控制狀＋１烄犘ｕ２狀－１，狀狊狀＋１犚犜犘ｕ，犘ｄ）＝烅槡犳ｑ（２犘ｄ（狊犘ｄ－犘ｕ），烆犚犜槡式（７）中：狊为电磁阀的有效面积；犫为临界压力比．槡（）槡０＜犫＜１４３犘ｄ ≤犫，犘ｕ（７）犘ｄ＜１．犘ｕ进入空气弹簧的流量（狇ｓ，犻）和气源到空气弹簧管道的流量（狇ｐ）分别为烄犳ｑ（犘ｐ，犘ｓ，犻），狇ｓ，犻＝烅犘ｓ，犻，犘ｐ），－犳ｑ（烆犘ｐ＞１，犘ｓ，犻犘ｐ ≤ １；犘ｓ，犻狇ｐ＝犘Ｈ，犘ｐ），犳ｑ（犘ｐ，犘Ｌ），－犳ｑ（｛ ｓ＞０，（８） ｓ＜０．２控制器的设计２．１车高控制器当实际高度值大于目标高度值时，系统就对空气弹簧进行放气；当实际高度值小于目标高度值时，系统就对空气弹簧进行充气．电磁阀将会频繁动作，车身高度也不稳定，这对电磁阀的使用寿命和汽车的操纵稳定性和乘坐舒适性有极大的不利．因此，为了解决车身高度在控制过程中的超调现象和电磁阀频繁动作问题，采用鲁棒性较好的比例?积分?微分（ｏｐｏｒｔｉｏｎａｌｉｎｔｅｇｒａｌｒｉｖａ  ? ?ｄｅｐｒＰＩＤ）控制对车身高度对电磁阀控制电流ｔｉｖｅ，信号的占空比进行控制．该ＰＩＤ控制的原理图，如图２所示．图２车身高度ＰＩＤ控制原理图设各个空气弹簧电磁阀占空比为δｓ，犻（犻＝Ｆｉ２ＶｅｈｉｃｌｅｈｅｉｔＰＩＤｃｏｎｔｒｏｌｓｃｈｅｍａｔｉｃｇ．ｇｈ１，２，３，４），充气换向阀的电流信号占空比为δｓ，其中， δｓ＞０表示充气电磁阀打开， δｓ＜０表示放气电磁阀打开．该ＰＩＤ的控制算法为狌（狋）＝犓ｐ犲（狋）＋犓ｉ犲（狋）＋犓ｄ 犲（狋）．（９） ∫ 式（９）中：狌（狋）是ＰＩＤ控制器输出的占空比信号；犲（狋）为目标高度与实际高度的差值；犓ｐ，犓ｉ，犓ｄ分别是ＰＩＤ控制器的比例系数、积分系数和微分系数．２．２车身俯仰角控制器为了节省闭环控制空气悬架系统成本和减小尺寸，使用的是较小功率的压缩机和较小容量的储气罐．因此，在汽车高度上升中，一次只能对两个空气弹簧进行充气．很多地方采用先对前轮两个空气弹簧进行充气，使其到达目标高度后，再对后轮进行充气的方法，但这样会导致在高度控制过程中产生较大的俯仰角，大大降低汽车的操纵稳定性和乘坐舒适性．文中采用两种步进控制，如图３所示．第一种步进控制方法是先对后轮升高 Δ 狋，等到后轮高度达到目标高度时，再对前轮升高 Δ 狋，等到前轮达到目标高度时，再对后轮升高 Δ 狋，一直循环进行，直至前轮和后轮都到达目标高度犜．此时理论的俯仰角幅值（ θ）为狋 Δ （．１０）犔ａ＋犔ｂ定义状态逻辑变量犪犻（犻＝１，…，６）和与第犼步目标高度有关的逻辑变量犫犻（犻＝１，…，６），它们的值分０ ≤θ ≤ 别为［犪１＝１］ ［狕ｓ，狉＜犜Ｒ，犼］，［犪２＝１］ ［狕ｓ，犳＜犜Ｆ，犼］，烌［犪３＝１］ ［犜Ｆ，犼＜犜Ｒ，犼］，［犪４＝１］ ［犜Ｒ，犼＜犜Ｆ，犼］，烍（１１）［［犪５＝１］ ［犜Ｒ，犼＜犜１］，犪６＝１］ ［犜Ｆ，犼＜犜１］．烎［犫１＝１］ ［犜Ｒ，犼＝犜Ｒ，（犼－１）］，［犫２＝１］ ［犜Ｒ，犼＝犜Ｒ，（犼－１）＋Δ 狋］，［犫３＝１］ ［犜Ｒ，犼＝犜］，｝［犫４＝１］ ［犜Ｆ，犼＝犜Ｆ，（犼－１）］，［犫５＝１］ ［犜Ｆ，犼＝犜Ｆ，（犼－１）＋Δ 狋］，［犫６＝１］ ［犜Ｆ，犼＝犜］．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（１２）华侨大学学报（自然科学版）１４４（ａ）第一种步进控制２０１９年（ｂ）第二种步进控制图３不同步进控制原理图Ｆｉ３Ｄｉｆｆｅｒｅｎｔｓｔｅｐｃｏｎｔｒｏｌｐｒｉｎｃｉｌｅｓｃｈｅｍａｔｉｃｇ．ｐ式（１１），（１２）中：犜Ｆ，犼为第犼步前轮的目标高度；犜Ｒ，犼为第犼步后轮的目标高度；狕ｓ，犳为前轮悬架实际高度１１的算术平均和，狕ｓ，犳＝（狕ｓ，１＋狕ｓ，２）；狕ｓ，狉为后轮悬架实际高度的算术平均和，狕ｓ，狉＝（狕ｓ，３＋狕ｓ，４）；犜１为２２目标高度与步长 Δ 狋的差值，犜１＝犜－Δ 狋．定义辅助逻辑变量犪７＝犫２ ∨犫３，犪８＝犫５ ∨犫６，则可得到与电磁阀控制有关的逻辑变量值：犫１＝犪７，犫２＝犪犫３＝犪犫４＝犪８，犫５＝犪犫６＝犪珔１ ∧犪珔２ ∧犪珔３ ∧犪珔４ ∧犪５，珔１ ∧犪珔２ ∧犪珔３ ∧犪珔４ ∧犪珔５，珔１ ∧犪珔２ ∧犪３ ∧犪珔４ ∧犪６，珔１ ∧犪珔２ ∧犪３ ∧犪珔４ ∧ 犪狋，等到后轮高度到达目标高度时，再对前轮升高２Δ 狋，等到后轮珔６．第二种步进控制方法先对后轮升高 Δ 到达目标高度时，再对前轮升高 Δ 狋，一直循环进行，直至前轮和后轮都到达目标高度．理论俯仰角为狋狋 Δ Δ ．－ ≤θ ≤ 犔ａ＋犔ｂ犔ａ＋犔ｂ（１３）定义与第犼步状态逻辑变量犪９，犪１０和与前后轮目标高度有关的逻辑变量犱犻（犻＝１，…，７），有［［犪９＝１］ ［犜Ｒ，犼＜犜２］，犪１０＝１］ ［犜Ｆ，犼＜犜２］，［犱１＝１］ ［犜Ｒ，犼＝犜Ｒ，（犼－１）］，［犱２＝１］ ［犜Ｒ，犼＝犜Ｒ，（犼－１）＋Δ 狋］，烌［犱３＝１］ ［犜Ｒ，犼＝犜＋２Δ 狋］，［犱４＝１］ ［犜Ｒ，犼＝犜］，［犱５＝１］ ［犜Ｆ，犼＝犜Ｆ，（犼－１）］，（１４）烍［犱６＝１］ ［犜Ｆ，犼＝犜Ｆ，（犼－１）＋２Δ 狋］，［犱７＝１］ ［犜Ｆ，犼＝犜］．烎定义辅助逻辑变量犪１１＝犱２ ∨犱３ ∨犱４，犪１２＝犱７ ∨犱８，则可得到与电磁阀控制有关的逻辑变量值为犫１＝犪１１，犫２＝犪珔 ∧１犪珔２ ∧犪珔３ ∧犪珔４ ∧ 犪９，犫４＝犪珔１ ∧犪珔２ ∧ 犪３ ∧犪珔４ ∧犪珔９，犫５＝犪１２，犫３＝犪珔１ ∧犪珔２ ∧ 犪３ ∧犪珔４ ∧ 犪９，烌犫６＝犪珔１ ∧犪珔２ ∧犪珔３ ∧ 犪４ ∧ 犪１０，烍犫７＝犪珔１ ∧犪珔２ ∧犪珔３ ∧ 犪４ ∧犪珔１０．（１５）烎３仿真实验与结果分析３．１仿真实验为了更好地模拟空气悬架充放气的动态过程，采用ＡＭＥＳｉｍ对汽车悬架进行建模分析．在搭建模型时，选择一个可变容积气室和可移动缸体表示一个空气弹簧［１７］．空气弹簧在仿真时忽略其横截面积的变化，其位移通过可移动缸体的缸体位移来表示，压强通过可变移动缸体的压强表示，空气弹簧的初始压强用一个恒压源表示．充放气电磁阀由换向阀表示，当控制器输出的电流超过正的电磁阀接通电流时，气源变为充气源；否则，气源变为放气源．空气弹簧的充放气状态则由空气弹簧电磁阀决定．将以上几个部分连接，即可组成空气悬架系统．汽车的质心的垂直位移（狕），俯仰角和侧倾角（ｉｍ平台输出的悬架位移狕ｓ，犻（犻＝１，２，３， ）用ＡＭＥＳ４）可表示为犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李海燕，等：闭环空气悬架系统的车身高度与姿态控制狕＝犔犫（狕ｓ，１＋狕ｓ，２）＋犔ａ（狕ｓ，３＋狕ｓ，４），烌犔ａ＋犔ｂ θ＝－狕ｓ，１－狕ｓ，２＋狕ｓ，３＋狕ｓ，４，２（犔ａ＋犔ｂ）１４５（１６）烍狕ｓ，１－狕ｓ，２＋狕ｓ，３－狕ｓ，４．４犫烎式（１６）中：俯仰角为前倾时取正值；侧倾角为右倾时取正值．将在ＡＭＥＳｉｍ平台上建好的空气悬架模型和在Ｓｉｍｕｌｉｎｋ平台上写好的控制算法进行联合仿真， ＝在ＡＭＥＳｉｍ平台上的联合仿真结构，如图４所示．图４联合仿真结构Ｆｉ４Ｃｏｓｉｍｕｌａｔｉｏｎｓｔｒｕｃｔｕｒｅ ? ｇ．仿真时空气悬架系统的参数取值，如表１所示．表１联合仿真主要参数Ｔａｂ．１参数汽车簧载质量／ｋｇ汽车后轴距离／ｍｍ数值１７６０１６３８空气弹簧初始压力／Ｐａ５００００换向阀有效面积／ｍｍ２２０储气罐初始压力／Ｐａ１０００００Ｍａｉｎｃｏｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓ ? 参数－１单组悬架减振器阻尼系数／Ｎ·（ｍ·ｓ）汽车轮距／ｍｍ数值参数数值８０００汽车前轴距离／ｍｍ空气弹簧气缸直径／ｍｍ１０６２空气弹簧电磁阀有效面积／ｍｍ２换向阀阀流动系数１５５５１００空气弹簧电磁阀流动系数２００．０５储气罐容积／０．０８Ｌ６压缩机工作时转速／ｒ·ｍｉｎ－１２３００３．２仿真结果分析为验证两种步进控制方法下的控制效果，假设汽车以速度为６０ｍ·ｓ－１在Ｃ级路面上行驶，按照表１进行参数设置．然后，利用ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ软件对ＡＭＥＳｉｍ平台建立的闭环空气悬架进行联合仿真．设置目标高度为０．１ｍ，分别采用第一种步进控制和第二种步进控制方法，步长 Δ 狋分别为０．１０，０．０５，０．０３ｍ，可得到不同步进控制的质心高度，俯仰角，分别如图５，６所示．（ａ）第一种步进控制（ｂ）第二种步进控制图５不同步进控制质心高度Ｆｉ５Ｖｅｈｉｃｌｅｈｅｉｔｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｔｅｐｃｏｎｔｒｏｌｇ．ｇｈ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１４６（ａ）第一种步进控制２０１９年（ｂ）第二种步进控制图６不同步进控制的俯仰角Ｆｉ６Ｐｉｔｃｈａｎｇｌｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｔｅｐｃｏｎｔｒｏｌｇ．由图５，６可知：在步进控制时，狋越小，控制精度越高，车高控制过程中造成的俯仰角数值也小，但 Δ 是相对应的，达到目标高度需要的时间也越久，相对步长为０．１ｍ．即传统的方法先使汽车后轮的空气悬架高度上升到目标高度时，再对另一端空气弹簧进行充气，使其高度上升，步进控制后的车身高度达到目标高度所需的时间变长，但高度调节过程中俯仰角的幅值却大大下降．在文中仿真实验中，传统控制俯仰角幅值为２．２４ °，进行第一种步进控制时，步长设置为０．０５ｍ，俯仰角幅值降为１．２１ °，步长设置为０．０３ｍ，俯仰角幅值降为０．６８ °．仿真实验证明，两种步进控制对于车高调节过程中俯仰角的控制有一定作用．两种步进控制的质心高度及俯仰角对比图，如图７，８所示．图７，８中：步长 Δ 狋为０．０３ｍ．由图７，８可知：在步长相同的情况下，第一种步进控制和第二种步进控制的俯仰角幅值相差不大，大致为０．６０ °；第一种步进控制俯仰角在车高调节过程中全为正，第二种步进控制俯仰角有正有负；第二种步进控制到达目标高度的时间为第１８ｓ，第一种步进控制则为３２ｓ，时间明显长于第一种步进控制时间．综上分析，应选择步长 Δ 狋为０．０３ｍ的第二种步进控制作为控制俯仰角的控制方法．图７两种步进控制的质心高度对比图８两种步进控制的俯仰角对比Ｆｉ７Ｃｏｍｐａｒｉｓｏｎｏｆｃｅｎｔｒｏｉｄｈｅｉｔｓｇ．ｇｈＦｉ８Ｃｏｍｐａｒｉｓｏｎｏｆｐｉｔｃｈａｎｇｌｅｇ．ｕｎｄｅｒｃｏｎｔｒｏｌｏｆｔｗｏｍｅｔｈｏｄｓｕｎｄｅｒｃｏｎｔｒｏｌｏｆｔｗｏｍｅｔｈｏｄｓ４结论针对带有较小压缩机和储气罐的闭环空气悬架系统传统车身高度调节存在的俯仰角过大问题，提出两种车身俯仰角步进控制方法，通过建立带有空气悬架的整车模型的两个非线性数学模型，然后在ＡＭＥＳｉｍ平台上建立空气悬架模型．将Ｓｉｍｕｌｉｎｋ编写好的控制算法与搭建好的空气悬架模型进行联合仿真．１）提出的两种步进控制算法相比于传统控制算法，俯仰角的幅值有降低，且步长越小，控制精度越高，造成的俯仰角幅值越小，但相应的到达目标高度的时间也越长．２）在相同步长情况下，两种步进控制算法在车高调节过程中造成的俯仰角幅值基本相同，但第二犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李海燕，等：闭环空气悬架系统的车身高度与姿态控制１４７种步进控制中实际高度到达目标高度的时间比第一种步进控制时间短．参考文献：［１］ＳＡＮＫＡＲＡＮＡＲＡＹＡＮＡＮＶ，ＥＭＥＫＬＩＭＥ，ＧＩＬＶＥＮＣＢＡ，犲狋犪犾．Ｓｅｍｉａｃｔｉｖｅｓｕｓｐｅｎｓｉｏｎｃｏｎｔｒｏｌｏｆａｌｉｔｃｏｍ ｇｈｍｅｒｃｉａｌＶｅｈｉｃｌｅ［Ｊ］．ＩＥＥＥ／ＡＳＭＥＴｒａｎｓａｃｔｉｏｎｓｏｎＭｅｃｈａｔｒｏｎｉｃｓ，２００８，１３（５）：５９８６０４．ＤＯＩ：１０．１１０９／ＩＣＣＡＳ．２００７． ? ４４０６９７１．［２］ＨＩＲＯＳＥＭ，ＭＡＴＳＵＳＨＩＧＥＳ，ＢＵＭＡＳ，犲狋犪犾．Ｔｏｙｏｔａｅｌｅｃｔｒｏｎｉｃｍｏｄｕｌａｔｅｄａｉｒｓｕｓｐｅｎｓｉｏｎｓｙｓｔｅｍｆｏｒｔｈｅ１９８６ｓｏａｒｅｒ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ，１９８８，３５（２）：１９３２００．ＤＯＩ：１０．１１０９／４１．１９２６４９． ? ［３］ＴＡＮＩＧＵＣＨＩＳ，ＹＯＲＩＦＵＪＩＴ，ＨＡＭＡＤＡＴ．Ａｎａｌｓｉｓａｎｄｏｐｔｉｍｉｚａｔｉｏｎｏｆｆｒｏｎｔｓｕｓｐｅｎｓｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｂａｓｅｄｏｎｙ１３６５ＡＤＡＭＳ［Ｊ］．ＭｏｄｅｒｎＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，２０１３，３２（３）：４３４７．ＤＯＩ：１０．１１１１／２２３０．１９９４．ｔｂ０２６８９．ｘ ? ? ｊ．［４］于微波，张立柱，李楠．基于汽车空气悬架系统的车高模糊控制研究［Ｊ］．仪器仪表用户，２００６，１３（２）：６８．ＤＯＩ：１０． ? ｉｓｓｎ．１６７１１０４１．２００６．０２．００４．３９６９／ ? ｊ．［５］ＳＵＮＸｉａｏｑｉａｎｇ，ＣＡＩＹｉｎｇｆｅｎｇ，ＣＨＡＯＣｈｕｎｙｕａｎ，犲狋犪犾．Ｖｅｈｉｃｌｅｈｅｉｔａｎｄｌｅｖｅｌｉｎｇｃｏｎｔｒｏｌｏｆｅｌｅｃｔｒｏｎｉｃａｌｌｏｎ  ｇｈｙｃｔｒｏｌｌｅｄａｉｒｓｕｓｐｅｎｓｉｏｎｕｓｉｎｇｍｉｘｅｄｌｏｇｉｃａｌｄｙｎａｍｉｃａｌａｐｐｒｏａｃｈ［Ｊ］．ＳｃｉｅｎｃｅＣｈｉｎａＴｅｃｈｎｏｌｏｇｉｃａｌＳｃｉｅｎｃｅｓ，２０１６，５９（１２）：１１１．ＤＯＩ：１０．１００７／ｓ１１４３１０１５０９８４ ? ? ? ? ｙ．［６］江洪，钱宽，邱亚东，等．气路闭环空气悬架系统能量损耗建模及分析［Ｊ］．中国机械工程，２０１４，２５（２３）：３２３９３２４４． ? ＤＯＩ：０．ｉｓｓｎ．１００４３９６９／１３２Ｘ．２０１４．２３．０２２． ? ｊ．［７］何二宝，杜群贵．闭环空气悬架系统车高调节建模与能耗分析［Ｊ］．机械设计与制造，２０１２（５）：４５４７．ＤＯＩ：１０．３９６９／ ? ３９９７．２０１２．０５．０１７．ｉｓｓｎ．１００１ ? ｊ．［８］江洪，杨勇福，王玉杰，等．气路闭环互联空气悬架车高控制与能耗特性试验［Ｊ］．中南大学学报（自然科学版），２０１７，４８（１）：２７０２７６．ＤＯＩ：１０．１１８１７／７２０７．２０１７．０１．０３６．ｉｓｓｎ．１６７２ ? ? ｊ．［９］杨阳阳．气路闭环空气悬架系统车身高度调节系统研究［Ｊ］．现代经济信息，２０１６（１２）：３４９?３５０．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１８２８Ｘ．２０１６．１８．２８９． ? ［１０］ＫＩＭＨ，ＬＥＥＨ．Ｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌａｌｒｉｔｈｍｆｏｒａｆｏｕｒｏｒｎｅｒｃｌｏｓｅｄ? ｌｏｏｐａｉｒｓｕｓｐｅｎｓｉｏｎｓｙｓｔｅｍ［Ｊ］．ＩＥＥＥ ? ?ｃｇｏ２０１１，５８（１０）：４８６６４８７９．ＤＯＩ：１０．１１０９／ＴＩＥ．２０１１．２１２３８５２．ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ， ? ［１１］林添良，杨杰，刘强，等．新型液压挖掘机回转驱动系统仿真［Ｊ］．华侨大学学报（自然科学版），２０１３，３４（３）：２４７? ２５２．ＤＯＩ：１０．１１８３０／ｉｓｓｎ．１０００５０１３．２０１３．０３．０２４７． ? ［１２］宋意，杨建红，房怀英，等．立轴冲击式破碎机除尘的数值模拟与仿真分析［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（１）：１４１９．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０４０４８． ? ? ［１３］陈黎卿，林建飞，汤池潜，等．电控空气悬架系统参数的多目标优化［Ｊ］．机械科学与技术，２０１７，３６（３）：４６２ ?４６８．ＤＯＩ：１０．１３４３３／８７２８．２０１７．０３２２．ｃｎｋｉ．１００３ ? ｊ．［１４］严天一，李聪聪，ＣＨＯＸＨ，等．基于模型的电控空气悬架系统控制策略与实车试验［Ｊ］．农业机械学报，２０１７，４８（ｉｓｓｎ．１０００５）：３８５３８９．ＤＯＩ：１０．６０４１／１２９８．２０１７．０５．０４９． ? ? ｊ．［１５］李元鹏，郭疆，孙继明．基于ＡＭＥＳｉｍ的整车主动悬架建模仿真研究［Ｊ］．液压气动与密封，２０１７，３７（７）：１６?１９．１０．３９６９／０８１３．２０１７．０７．００５．ｉｓｓｎ．１００８ＤＯＩ： ? ｊ．［１６］张昆，习文辉，邓文华，等．基于ＣａｒＳｉｍ?Ｓｉｍｕｌｉｎｋ联合仿真的整车半主动悬架模糊控制仿真研究［Ｊ］．昆明理工大学学报（自然科学版），ｃｎｋｉ．５３２０１５（１）：３９４４．ＤＯＩ：１０．１６１１２／１２２３／ｎ．２０１５．０１．００８． ? ? ｊ．［１７］戚壮，李芾，黄运华，等．基于ＡＭＥＳｉｍ平台的轨道车辆空气弹簧系统气动力学仿真模型研究［Ｊ］．中国铁道科学，ｉｓｓｎ．１００１２０１３，３４（３）：７９８６．ＤＯＩ：１０．３９６９／４６３２．２０１３．０３．１３． ? ? ｊ．（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：崔长彩）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０４０８３ ? 西安公共交通系统的网络特性和鲁棒性分析孙军艳１，牛亚儒１，吴冰莹１，都成明１，韩雯２（１．陕西科技大学机电工程学院，陕西西安７１００２１；２．西安思源学院商学院，陕西西安７１００３８）摘要：基于复杂网络理论，构建西安市公交、地铁及两者综合构成的复合网络的Ｓｐａｃｅ犔模型，对比分析３类网络的统计特性，并从蓄意攻击和随机攻击两方面对３类网络的鲁棒性进行对比评价．结果表明：３类网络均不属于小世界网络，网络效率较低；地铁网的度近似服从泊松分布，公交网和复合网络的度服从幂律分布；地铁网的度和介数具有较强的正相关性，公交网则基本没有相关性，复合网络具有较弱的相关性；３类网络对随机攻击具有较好的鲁棒性，对蓄意攻击表现出较大的脆弱性．关键词：公共交通系统；复杂网络；鲁棒性；Ｓｐａｃｅ犔模型；西安市中图分类号：Ｕ４９１．１７（４１）文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１４８０８ ? ? ? 犚犲狊犲犪狉犮犺狅狀犆狅犿狆犾犲狓犖犲狋狑狅狉犽犆犺犪狉犪犮狋犲狉犻狊狋犻犮狊犪狀犱犚狅犫狌狊狋狀犲狊狊狅犳犡犻 ′ 犪狀犆犻狋犾犻犮犜狉犪狀狊狉狋犛狔狊狋犲犿狔犘狌犫狆狅ＳＵＮＪｕｎｙａｎ１，ＮＩＵＹａｒｕ１，ＷＵＢｉｎｇｙｉｎｇ１，ＤＵＣｈｅｎｇｍｉｎｇ１，ＨＡＮＷｅｎ２（１．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉ ′ ａｎ７１００２１，Ｃｈｉｎａ；ｙｏ２．ＳｃｈｏｏｌｏｆＢｕｓｉｎｅｓｓ，Ｘｉ ′ ａｎＳｉｉｖｅｒｓｉｔ ′ ａｎ７１００３８，Ｃｈｉｎａ）ｙｕａｎＵｎｙ，Ｘｉ犃犫狊狋狉犪犮狋：ＴｈｅＳｐａｃｅ犔ｍｏｄｅｌｏｆｓｕｂｗａｙｎｅｔｗｏｒｋ，ｂｕｓｎｅｔｗｏｒｋａｎｄｂｕｓｎｔｅｒｄｅｐｅｎｄｅｎｔｎｅｔｗｏｒｋｏｆ ?ｓｕｂｗａｙｉＸｉ ′ ａｎＣｉｔｒｅｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｃｏｍｐｌｅｘｎｅｔｗｏｒｋｔｈｅｏｒｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｒｅｅｎｅｔ  ｙｗｅｙ．Ｔｈｅｓｗｏｒｋｓｗｅｒｅａｎａｌｚｅｄ．Ｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｔｈｒｅｅｎｅｔｗｏｒｋｓｗｅｒｅｃｏｍｐａｒｅｄａｎｄｅｖａｌｕａｔｅｄｆｒｏｍｔｗｏａｓｐｅｃｔｓ：ｄｅｌｉｂ  ｙｅｒａｔｅａｔｔａｃｋａｎｄｒａｎｄｏｍａｔｔａｃｋ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｒｅｅｎｅｔｗｏｒｋｓｉｓｌｏｗａｎｄｔｈｅｙｄｏｎ ′ ｔｂｅｌｏｎｇｔｏｓｍａｌｌｒｌｄｎｅｔｗｏｒｋ．Ｔｈｅｄｅｇｒｅｅｏｆｓｕｂｗａｙｎｅｔｗｏｒｋｉｓａｐｐｒｏｘｉｍａｔｅｌｉｓｓｏｎｄｉｓｔｒｉｂｕｔｉｏｎ，ａｎｄｔｈｅ ?ｗｏｙｐｏｌａｗｄｉｓｔｒｉｂｕｔｉｏｎ．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｄｅｇｒｅｅｏｆｂｕｓｎｅｔｗｏｒｋａｎｄｉｎｔｅｒｄｅｐｅｎｄｅｎｔｎｅｔｗｏｒｋｃｏｎｆｏｒｍｔｏｐｏｗｅｒ ? ｄｅｇｒｅｅａｎｄｂｅｔｗｅｅｎｎｅｓｓｏｆｔｈｅｓｕｂｗａｙｎｅｔｗｏｒｋｈａｓａｓｔｒｏｎｇｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎ，ｔｈｅｉｎｔｅｒｄｅｐｅｎｄｅｎｔｎｅｔｗｏｒｋｈａｓａｗｅａｋｃｏｒｒｅｌａｔｉｏｎ，ａｎｄｔｈｅｂｕｓｎｅｔｗｏｒｋｉｓｂａｓｉｃａｌｌｏｒｒｅｌａｔｉｏｎ．Ｔｈｒｅｅｎｅｔｗｏｒｋｓｈａｖｅｇｏｏｄｒｏｂｕｓｔｎｅｓｓｙｎｏｃｔｏｒａｎｄｏｍａｔｔａｃｋｓ，ａｎｄｓｈｏｗｓｅｒｉｏｕｓｖｕｌｎｅｒａｂｉｌｉｔｏｄｅｌｉｂｅｒａｔｅａｔｔａｃｋｓ．ｙｔｌｉｃｔｒａｎｓｐｏｒｔｓｙｓｔｅｍ；ｃ犓犲狉犱狊：ｐｕｂｏｍｐｌｅｘｎｅｔｗｏｒｋ；ｒｏｂｕｓｔｎｅｓｓ；Ｓｐａｃｅ犔ｍｏｄｅｌ；Ｘｉ ′ ａｎＣｉｔｙ狔狑狅收稿日期：２０１８０４２５ ? ? 通信作者：孙军艳（１９７８ ?），女，副教授，博士，主要从事供应链与物流系统的规划与优化、复杂系统的建模与仿真，以及物流信息资源管理与信息系统的研究．Ｅｉｌ：ｓｕｎｕｎｙａｎ＠ｓｕｓｔ．ｅｄｕ．ｃｎ． ?ｍａｊ基金项目：国家自然科学基金资助项目（１１０７２１９２）；陕西省科技计划项目（２０１３Ｋ０７０８）；陕西省工业科技攻关项 ? 目（２０１８ＧＹ? ０２６）；陕西科技大学博士科研启动基金资助项目（２０１８ＢＪ１２）；国家级大学生创新创业训练 ? 计划项目（１２１４５）第２期孙军艳，等：西安公共交通系统的网络特性和鲁棒性分析１４９公共交通系统是由大量的停靠站点、运营线路构成的复杂网络．公共交通网络站点间的连接密度（度分布）、站点间的运行时间（网络效率）、枢纽站点的影响评估（介数）等网络特性，以及站点因突发事件停止工作后系统的运行能力（鲁棒性）同人们的日常生活息息相关，是人们关注和研究公共交通的热［］点．Ｄｅｒｒｉｂｌｅ等１分析了世界上３３个城市地铁的网络特性，指出小规模网络建立换乘站，大规模网络在城市外围建设中转站可有效提高网络的鲁棒性．Ｗａｎｇ等［２］设计１０个指标综合评价地铁网络的整体鲁［］棒性，研究表明东京地铁网的鲁棒性最好．Ｙａｎｇ等３以北京地铁网络为例，探讨随机故障和恶意攻击时地铁网络的鲁棒性．曾小舟等［４］对中国国内航空网络结构进行实证分析，发现中国航空网络是一个小世界网络，在介数与度的分布呈正相关趋势下，会出现较大的波动性．叶彭姚［５］研究发现我国城市道路网的拓扑结构具有较小的平均距离和较大的聚类系数，其度分布服从幂律分布，具有小世界网络和无标度网络的特性．余曼等［６］基于Ｓｐａｃｅ犔和Ｓｐａｃｅ犘研究地铁网络的小世界、无标度及指数分布特性．鲍登等［７］研究地铁?公交复合网络的鲁棒性．目前的公共交通网络研究［１?１０］多是针对某一类网络（如公交网、地铁网、航空网）进行分析，却鲜有对各类网络进行综合比对分析．西安市作为世界历史文化名城、“一带一路”重要门户和节点城市、国家重点建设的现代化生态化国际化大都市，未来将在国家发展中担负更大责任、发挥更大作用．因此，有必要从宏观角度对西安的公共交通系统进行分析，提出改善思路，以适应城市未来的发展要求．本文调研西安市内１５４条公交线路和６条地铁线路（２０２０年规划线路）的运营情况，构建西安市公交网（ｂｕｓｎｅｔｗｏｒｋ，ＢＮ）、地铁网（ｓｕｂｗａｙｎｅｔｗｏｒｋ，ＳＮ）及两者综合构成的复合网络（ｉｎｔｅｒｄｅｐｅｎｄｅｎｔｎｅｔｗｏｒｋ，ＩＮ）３类网络模型，并对３类网络的静态网络特性、度与介数的相关性，以及网络的鲁棒性进行对比分析，以期为西安市公共交通网络的科学管理与优化提供理论依据．１模型的构建采用Ｓｐａｃｅ犔建模方法，将公共交通网络的站点定义为网络的节点，若相邻的两个站点间有一条线路经过，则这两个节点间就存在一条连边．通过调研西安市的１５４条公交线路及其１００４个站点、６条地铁线路及其１２９个站点，绘制地铁网络、公交网络及公共交通网络的线路图，如图１～３所示．通过Ｐａ  ｅｋ软件绘出３类网络的拓扑图，如图４～６所示．ｊ图１地铁网线路图图２公交网线路图图３复合网络线路图Ｆｉ１ＤｉａｇｒａｍｏｆＳＮｇ．Ｆｉ２ＤｉａｇｒａｍｏｆＢＮｇ．Ｆｉ３ＤｉａｇｒａｍｏｆＩＮｇ．图４地铁网拓扑图５公交网拓扑图图６复合网络拓扑图Ｆｉ４ＴｏｐｏｌｏｇｙｏｆＳＮｇ．Ｆｉ５ＴｏｐｏｌｏｇｙｏｆＢＮｇ．Ｆｉ６ＴｏｐｏｌｏｇｙｏｆＩＮｇ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１５０２０１９年２网络特性２．１交通网络统计特性通过Ｐａｅｋ软件和Ｒ软件编程计算复合网络及其网的统计特性，如表１所示．由表１可知：３类网ｊ络均有较大的平均路径长度、较大的网络直径、较低的网络效率和非常小的平均集聚系数，说明３类网络均不属于小世界网络．表１３类公共交通网络的统计特性Ｔａｂ．１Ｓｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｒｅｅｎｅｔｗｏｒｋｓ网络类型节点数边数平均度介数集聚系数平均路径长度直径网络效率度分布地铁网络１２９２７０２．１５５０．０８２０１１．４１８３５０．１３３近似泊松分布公交网络１００４２３３８２．６５３０．０１８０．０９０１９．３５８６００．０７３幂律分布复合网络１０４１２４９１２．７８２０．１０５０．１０５１４．５８８４９０．０９０幂律分布２．２度或累积度分布网络中节点的度值反映的是节点在网络中的重要程度，３类网络的度或累计度分布，如图７～９所示．图７～９中：犽为节点；犘犽为概率．由图７～９可知：地铁网的度分布非常稀疏，近似于泊松分布形态．公交网及复合网络的累积度分布（ｃｕｍｕｌａｔｉｖｅｄｅｇｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎ，ＣＤＤ）近似为一条直线，符合幂律分 ∞ 布，即犘犽＝－（ γ－１） ∑犘（狓）∝犽，幂指数 γ 分别等于３．０７９，２．７０８，属于无标度网络．狓＝犽图７地铁网络度分布图８公交网络累积度分布图９复合网络累积度分布图Ｆｉ７ＤｅｇｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＳＮｇ．Ｆｉ８ＣＤＤｏｆＢＮｇ．Ｆｉ９ＣＤＤｏｆＩＮｇ．２．３介数分布节点介数反映节点在整个网络的作用和影响力，介数分布（ＢＤ）如图１０～１２所示．图１０～１２中：犼为节点；犅为节点介数．图１０地铁网介数分布图１１公交网介数分布图１２复合网络介数分布Ｆｉ１０ＢＤｏｆＳＮｇ．Ｆｉ１１ＢＤｏｆＢＮｇ．Ｆｉ１２ＢＤｏｆＩＮｇ．由图１０～１２可知：地铁网节点的介数分布较分散，大多分布在区间［０，０．２）范围内，节点的重要性相对比较均匀；公交网和复合网介数分布则较集中，且数值偏小，多数节点介数分布在［０，０．０５）之间，这犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期孙军艳，等：西安公共交通系统的网络特性和鲁棒性分析１５１主要是因为公交网和复合网的规模较大，累积度分布均服从幂律分布，介数较大的少数节点对网络有重要的影响．２．４集聚系数分析集聚系数描述的是网络局部的社团结构，因地铁网中相邻站点之间只能有一条线路经过，故地铁网的平均集聚系数为０．公交网与复合网络平均集聚系数分别为０．０９０和０．１０５，数值均很小（表１）．公交网、复合网络集聚，如图１３，１４所示．图１３，１４中：犻为节点；犆是集聚系数．由图１３，１４可知：公交网和复合网络的多数节点集聚系数很小，个别节点拥有较大的聚集系数，具有较少的社团结构．图１３公交网集聚系数分布图１４复合网络集聚系数分布Ｆｉ１３ＣｌｕｓｔｅｒｃｏｅｆｆｉｃｉｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｏｆＢＮｇ．Ｆｉ１４ＣｌｕｓｔｅｒｃｏｅｆｆｉｃｉｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｏｆＩＮｇ．２．５网络最短路径和效率分析平均最短路径长度（犔）是网络中所有节点对之间最短路径长度的平均值，它描述了网络中节点间的平均分离程度．通过Ｒ软件编程计算，结合表１可知：３类网络的最短路径基本符合泊松分布．网络中大部分节点路径较长，网络效率较低，其直方图如图１５～１７所示．图１５～１７中：犳为频数．图１５地铁网犔分布图图１６公交网犔分布图Ｆｉ１５犔ｄｉｓｔｒｉｂｕｔｉｏｎｏｆＳＮｇ．Ｆｉ１６犔ｄｉｓｔｒｉｂｕｔｉｏｎｏｆＢＮｇ．图１７复合网络犔分布图Ｆｉ１７犔ｄｉｓｔｒｉｂｕｔｉｏｎｏｆＩＮｇ．由图１５～１７可知：地铁网的平均最短路径长度为１１．４２，即一个乘客乘坐地铁平均需要坐１１站左右才能到达目的地，且最大直径犇为３５；公交网的平均最短路径长度为１９．３６，即一个乘客乘坐公交车平均需要乘坐１９站左右才能到达目的地，最大直径为６０；复合网络的平均最短路径长度为１４．５９，即一个乘客以地铁?公交混合交通方式出行时，平均需要乘坐１４站左右才能到达目的地，最大直径为４９．００．相对而言，地铁网的平均最短距离最小，复合网次之，公交网最大．这是因为公交网比地铁网的覆盖范围更大，节点更加密集所致．在两个站点之间，复合网络在公交网的基础上增加了地铁网络，比公交网络拥有更多的路径选择，平均最短路径缩短，效率有表２地铁网度值前１０的节点所提升．Ｔａｂ．２Ｔｏｐ１０ｄｅｇｒｅｅｏｆＳＮ３节点度介数相关性３．１地铁网度介数相关性地铁网度和介数较大的节点统计，如表２，３所示．由表２，３可知：度值最高的１０个节点排序站名１北大街２五路口３排序站名度值４６南稍门４４７小寨４金花路４８大雁塔４４行政中心４９李家村４５钟楼１０大差市４犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．度值４华侨大学学报（自然科学版）１５２２０１９年的度值均为４，且这１０个节点均是换乘节点，因此，它们在地铁网络中具有较高的重要性；介数较大的节点，其度值往往也偏大，这在一定程度上也体现出地铁网络中节点介数与度值呈正相关性，度较大，经过该节点的线路多，介数大，经过该点的最短路径多，地铁网换乘节点的设置较合理．北大街节点的度和介数都最大，说明此节点在地铁网络中重要性最高．表３地铁网中介数前１０的节点Ｔａｂ．３Ｔｏｐ１０ｂｅｔｗｅｅｎｎｅｓｓｏｆＳＮ排序站名度值介数排序站名度值介数１北大街４０．３４４６小寨４０．２５６２钟楼４０．２９５７金花路４０．２４７３大雁塔４０．２７０８咸宁路４０．２２１４五路口４０．２６０９青龙寺４０．２２０５高新路１０大差市４０．２０１４０．２５７表４公交网中度值前１０的节点３．２公交网度介数相关性公交网度和介数较大的节点统计，如表４，Ｔａｂ．４Ｔｏｐ１０ｄｅｇｒｅｅｏｆＢＮ５所示．由表４，５可知：排名前１０的度与介数中，仅有两个节点相同，说明公交网的度和介数排序站名度值排序站名度值１火车站１１６万寿路７基本没有相关性；度?介数的非相关性说明度大２北门８７西门７３民乐园８８韩森寨７４东门９沙坡７５文艺路１０沣惠南路７的节点没有充分被应用，经过该节点的线路可以适当的减少，而需增加介数大的节点的经过８８线路；另外，公交网中，火车站节点度和介数值都最大，说明了火车站节点在公交网中的重要程度．表５公交网节点介数前１０的节点Ｔａｂ．５Ｔｏｐ１０ｂｅｔｗｅｅｎｎｅｓｓｏｆＢＮ排序站名１火车站度值２南稍门４３朝阳门６４黄雁村５５大差市１１６介数排序站名度值介数６小雁塔５０．１５０６０．１９３０７南门６０．１４６６０．１６３８８西站４０．１３５９０．１６１８９大华４０．１３４４１０北门８０．１２４９０．２３０３０．１５４４３．３复合网络度介数相关性复合网络度和介排名前１０的节点的统计，如表６，７所示．由表６，７可知：排名前１０的度与介数中，有５个节点相同，且介数大的度值也较大，度表６复合网络度排名前１０的节点和介数有一定的相关性，说明复合网络可以Ｔａｂ．６Ｔｏｐ１０ｄｅｇｒｅｅｏｆＩＮ部分解决公交网中存在的部分度值大的节点排序站名度值排序站名度值利用率不高、而部分介数大的节点超载的问１火车站１２６青龙寺９题；复合网络中介数和度均比较大的节点是２北大街９７大雁塔９３万寿路９８公交六公司８４劳动南路９北门８５沣惠南路１０金花路８北大街，说明经过北大街站的路径最多、最短路径数目也最多，北大街站潜在客流密度最９９大，重要性最高．表７复合网络中介数排名前１０的节点Ｔａｂ．７Ｔｏｐ１０ｏｆｂｅｔｗｅｅｎｎｅｓｓｏｆＩＮ排序站名度值介数排序站名度值介数１北大街９０．２７７８６北关６０．１９４８２３４５小寨高新路钟楼大雁塔８８７９０．２４９８０．２４１４０．２２９５０．２０４８７８９１０龙首村金花路公交六公司青龙寺６８８９０．１９３５０．１９１００．１８６７０．１７９１犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期孙军艳，等：西安公共交通系统的网络特性和鲁棒性分析１５３４随机攻击与蓄意攻击模式下网络的鲁棒性鲁棒性是指网络在发生意外或受到攻击时，网络维持原功能的能力，即网络抵抗故障的能力．采用随机攻击与蓄意攻击两种方式分析网络的鲁棒性能．随机攻击是指随机删除网络中的节点，且与其相邻节点之间的连边一起被删除；蓄意攻击是将网络中度值较大的节点，按比例依次删除，且与其相邻节点之间的连边同样被删除．４．１网络最大连通子图率的变化网络的连通率犛表示网络受到攻击后，最大连通子图的节点数占原始网络节点数的比例．即犛＝犖′／犖．其中：犖表示原始网络的总节点数；犖′表示网络受到攻击后的最大连通子图的节点数．３类网络在随机攻击与蓄意攻击下犛的变化情况，如图１８，１９所示．图１８，１９中： η 为攻击节点比例．由图１８，１９可知：随机攻击模式下，公共交通网络及其网络的犛下降情况比较缓和，当攻击比例达到５０％时，公共交通网络及其网络的犛值分别为７．５％，４．５％，６．５％，相对较小，网络整体分解成了很多很小规模的网络或离散节点，基本完全瘫痪；蓄意攻击模式下３类网络的犛值呈急剧下降状态，仅攻击节点比例为１０％时，犛值分别为１１．７％，２８．９％，２９．４％，基本接近瘫痪；攻击节点比例为２０％时，犛值分别为８．４％，５．７％，４．３％，基本完全瘫痪．以犛作为衡量指标，３类网络的鲁棒性能相当．图１８随机攻击下犛的变化图１９蓄意攻击下犛的变化Ｆｉ１８Ｃｈａｎｇｅｏｆ犛ｕｎｄｅｒｒａｎｄｏｍａｔｔａｃｋｇ．Ｆｉ１９Ｃｈａｎｇｅｏｆ犛ｕｎｄｅｒｄｅｌｉｂｅｒａｔｅａｔｔａｃｋｇ．４．２最大连通子图平均路径长度的变化对于受攻击后的整个网络，在不考虑孤立节点和其他连通子图，仅考虑最大连通子图，将所有节点对的最短路径取平均值，求其变化，网络平均路径长度表达式为犖犔＝犖１ · ∑ ∑犱犻，犼．犖（犖－１）犻＝１犼＝１３类网络最大连通子图平均距离在随机攻击与蓄意攻击模式下的变化情况，如图２０，２１所示．由图２０，２１可知：在随机攻击模式下，当攻击节点数量少于２０％时，３类网络的犔值的变化比较缓和，当攻击节点数量介于２０％～６０％之间时，犔值迅速下降，当攻击节点数量大于６０％时，最大连通子图规模锐减，犔值达到最小值５～６之间；在蓄意攻击模式下，复合网络和公交网的鲁棒性相似，当攻击节点数量图２０随机攻击下犔的变化Ｆｉ２０Ｃｈａｎｇｅｏｆ犔ｕｎｄｅｒｒａｎｄｏｍａｔｔａｃｋｇ．图２１蓄意攻击下犔的变化Ｆｉ２１Ｃｈａｎｇｅｏｆ犔ｕｎｄｅｒｄｅｌｉｂｅｒａｔｅａｔｔａｃｋｇ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１５４２０１９年少于１０％时，犔值反而增大，当攻击节点数量介于１０％～２０％之间时，犔值迅速下降，当攻击节点数量大于２０％之间时，犔值在６～７左右；对于地铁网，当攻击节点小于２０％时，犔值迅速下降，大于２０％时，最大连通子图规模大大减小，犔值从３．０到１．９缓慢下降．因此，以犔作为衡量指标，地铁网络的鲁棒性较强，复合网络次之，公交网较弱．４．３网络全局效率的变化网络全局效率指网络中所有节点对之间的最短距离的倒数的平均值．网络中孤立节点与其他节点的效率为０．全局效率表达式为犖犖１ · ∑ ∑ （１／犱犻，犼）．（犖犖－１）犻＝１犼＝１在随机攻击与蓄意攻击下３类网络犈的变化情况，如图２２，２３所示．由图２２，２３可知：在随机攻击犈＝模式下，３类网络的犈呈缓慢下降的状态，当攻击比例为５０％时，犈分别为２．７％，０．７％，０．８％，数值非常小，表明公共交通网络及其网络效率非常低，基本处于瘫痪状态；在蓄意攻击模式下，公共交通网络及其犈随攻击比例骤降，当攻击比例为２０％时，其犈分别为２．３％，０．５％，０．４％，网络已经瘫痪．图２２随机攻击下犈的变化图２３蓄意攻击下网络犈的变化Ｆｉ２２Ｃｈａｎｇｅｏｆ犈ｕｎｄｅｒｒａｎｄｏｍａｔｔａｃｋｇ．Ｆｉ２３Ｃｈａｎｇｅｏｆ犈ｕｎｄｅｒｄｅｌｉｂｅｒａｔｅａｔｔａｃｋｇ．对３类网络的鲁棒性进行比较，如表８所示．由表８可知：３类网络对于随机攻击都具有较好的鲁棒性；对于蓄意攻击表现出了较大的脆弱性，地铁网的鲁棒性较强，复合网络次之，公交网较弱．表８两种攻击模式下网络的鲁棒性比较Ｔａｂ．８Ｃｏｍｐａｒｉｓｏｎｏｆｒｏｂｕｓｔｎｅｓｓｐａｒａｍｅｔｅｒｓｉｎｔｗｏａｔｔａｃｋｍｏｄｅｓ网络类型最大连通子图率犛平均路径长度犔全局效率犈随机攻击排序蓄意攻击排序随机攻击排序蓄意攻击排序随机攻击排序蓄意攻击排序地铁网络３相当１１１１公交网络２相当３３３３公共交通网络１相当２２２２５结论基于Ｓｐａｃｅ犔建模方法，对比分析了西安市地铁、公交及其综合构成的复合网络的统计特性，以及度和介数的相关性并给出了相关建议，研究了３类网络的鲁棒性能，得到以下３个结论１）３类网络都具有较大的平均路径长度与极小的集聚系数，不符合小世界特征．这表明西安公共交通系统整体质量还有待提高，需要增加相关的站点和外围环线，以改善网络的运行效率．２）地铁网介数和度值呈正相关性，转乘站的设计较合理．公交网的介数和度值基本没有相关性，应优化网络结构，增加介数大且度小节点的途径线路，避免线路紧张和拥挤．对度大而介数小的节点，可适当的减少公交线路，提高站点的利用率．该结论为西安公共交通系统线路的合理规划提供了理论参考．３）西安地铁网的度分布近似于泊松分布；公交网和复合网络的累积度分布符合幂律分布，属于无标度网络．３类网络对于随机攻击具有较好的鲁棒性，对蓄意攻击表现出明显的脆弱性．相对而言，地铁网鲁棒性较强，复合网络次之，公交网较弱．建议新增或调整公交线路时，加强度小节点的建设，改变网犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期孙军艳，等：西安公共交通系统的网络特性和鲁棒性分析１５５络节点的度分布形态，或尽量减少幂指数，以提高蓄意攻击时西安公共交通系统的鲁棒性．参考文献：［１］ＤＥＲＲＩＢＬＥＳ，ＫＥＮＮＥＤＹＣ．Ｔｈｅｃｏｍｐｌｅｘｉｔｏｂｕｓｔｎｅｓｓｏｆｍｅｔｒｏｎｅｔｗｏｒｋ［Ｊ］．ＰｈｙｓｉｃａＡ：ＳｔａｔｉｓｔｉｃａｌＭｅｃｈａｎｉｃｓｙａｎｄｒａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｓ，２０１０，３８９（１７）：３６７８３６９１．ＤＯＩ：１０．１０１６／ｓａ．２０１０．０４．００８． ? ｊ．ｐｈｙ［２］ＷＡＮＧＸｉａｎｇｒｏｎｇ，ＫＯＣＹ，ＤｅｒｒｉｂｌｅＳ，犲狋犪犾．Ｍｕｌｔｉｒｉｔｅｒｉａｒｏｂｕｓｔｎｅｓｓａｎａｌｓｉｓｏｆｍｅｔｒｏｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｙｓｉｃａＡ： ?ｃｙＳｔａｔｉｓｔｉｃａｌＭｅｃｈａｎｉｃｓａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｓ，２０１７，４７４（１５）：１９３１．ＤＯＩ：１０．１０１６／ｓａ．２０１７．０１．０７２． ? ｊ．ｐｈｙ［３］ＹＡＮＧＹｕｈａｏ，ＬＩＵＹｏｎｇｘｕｅ，ＺＨＯＵＭｉｎｘｉ，犲狋犪犾．ＲｏｂｕｓｔｎｅｓｓａｓｓｅｓｓｍｅｎｔｏｆｕｒｂａｎｒａｉｌｔｒａｎｓｉｔｂａｓｅｄｏｎｃｏｍｐｌｅｘｎｅｔｗｏｒｋｔｈｅｏｒａｓｅｓｔｕｄｙｏｆｔｈｅＢｅｉｉｎｇｓｕｂｗａｙ［Ｊ］．Ｓａｆｅｔｉｅｎｃｅ，２０１５，７９：１４９?１６２．ＤＯＩ：１０．１０１６／ｓｓｃｉ．ｙ：ＡｃｊｙＳｃｊ．２０１５．０６．００６．［４］曾小舟，唐笑笑，江可申．基于复杂网络理论的中国航空网络结构实证研究［Ｊ］．交通运输系统工程与信息，２０１１，１１（ｉｓｓｎ．１００９６）：１７５１８１．ＤＯＩ：１０．３９６９／６７４４．２０１１．０６．０２７． ? ? ｊ．［５］叶彭姚．城市道路网拓扑结构的复杂网络特性研究［Ｊ］．交通运输工程与信息学报，２０１２，１０（１）：１３?１９．ＤＯＩ：１０．ｉｓｓｎ．１００９３９６９／６７４４．２０１１．０６．０２７． ? ｊ．［６］余曼，王高峡，李亮．基于ＮｏｄｅＸＬ的城市地铁网络仿真与结构分析［Ｊ］．城市轨道交通研究，２０１６，１９（１０）：９１ ?９６，１００７１０９．ＤＯＩ：１０．１６０３７／８６９ｘ．２０１６．１０．０２０． ? ｊ．［７］鲍登，高超，张自力．基于复杂网络的公交?地铁复合网络鲁棒性分析［Ｊ］．西南师范大学学报（自然科学版），２０１７，４２（５）：２２２７．ＤＯＩ：１０．１３７１８／ｃｎｋｉ．ｘｓｘｂ．２０１７．０５．００４． ? ｊ．［８］何胜学，范炳权．从公交线网的生成机理看复杂网络的多样性［Ｊ］．系统工程学报，２００７，２２（６）：５９９?６０６．ＤＯＩ：１０．５７８１．２００７．０６．００７．ｉｓｓｎ．１０００３９６９／ ? ｊ．［９］李英，周伟，郭世进．上海公共交通网络复杂性分析［Ｊ］．系统工程，２００７，２５（１）：３８ＤＯＩ：１０．３９６９／ｉｓｓｎ．１００１ ?４１． ? ｊ．４０９８．２００７．０１．００７．［ｉｓｓｎ．１０］汪涛，方志耕，吴卉．城市地铁网络的复杂性分析［Ｊ］．军事交通学院学报，２００８（３）：２４ＤＯＩ：１０．３９６９／ ?２８．ｊ．１６７４２１９２．２００８．０２．００６． ? ［１１］张建华．地铁复杂网络的连通脆弱性研究［Ｄ］．武汉：华中科技大学，２０１２．［１２］王云琴．基于复杂网络理论的城市轨道交通网络连通可靠性研究［Ｄ］．北京：北京交通大学，２００８．［１３］周晓炯．南京市区公交地铁加权复合网络模型及鲁棒性分析［Ｄ］．南京：南京邮电大学，２０１６．［１４］徐凤，朱金福，苗建军．基于复杂网络的空铁复合网络的鲁棒性研究［Ｊ］．复杂系统与复杂性科学，２０１５，１２（１）：２６ ? ３１．ＤＯＩ：１０．１３３０６／１６７２３８１３．２０１５．０１．００６． ? ｊ．［１５］杜斐，黄宏伟，张东明，等．上海轨道交通网络的复杂网络特性及鲁棒性研究［Ｊ］．武汉大学学报（工学版），２０１６，４９（５）：７０１７０７．ＤＯＩ：１０．１４１８８／８８４４．２０１６０５０１０．１６７１ ? ? ? ? ｊ．［１６］赵国锋，苑少伟，慈玉生．城市路网的复杂网络特性和鲁棒性研究［Ｊ］．公路交通科技，２０１６，３３（１）：１１９１２４．ＤＯＩ： ? ｉｓｓｎ．１００２１０．３９６９／０２６８．２０１６．０１．０１８． ? ｊ．（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：崔长彩）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０９０４１ ? 火灾下钢?混凝土组合楼盖的声发射监测及分析张建春，张大山，董毓利，王卫华，卢鑫（华侨大学土木工程学院，福建厦门３６１０２１）摘要：为研究火灾下钢?混凝土组合楼盖的损伤机理，利用声发射技术对组合楼盖不同位置处的声发射信号进行监测．通过声发射系统采集的振铃计数、幅值、能量和持续时间等基本参数，结合试验宏观现象，对声发射进行振铃计数分析、ＲＡ?ＡＦ关联分析和犫值?能量分析．研究表明：根据振铃计数信号，可判断构件的裂缝开展密集程度及内力变化，在降温阶段，次梁会对钢筋混凝土板产生剪切裂缝，使结构产生二次破坏；ＲＡ?ＡＦ关联分析能准确地判断出组合楼盖的失效模式，可根据其失效模式进行相应的内力分析；犫值?能量分析可反映出试件破坏时的能量变化及试件的损伤程度，并推断出构件是否达到相应的破坏状态．关键词：组合楼盖；声发射；损伤监测；火灾试验；ＲＡ?ＡＦ分析；犫值?能量分析中图分类号：ＴＵ３７５．２文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１５６０８ ? ? ? 犃犮狅狌狊狋犻犮犈犿犻狊狊犻狅狀犕狅狀犻狋狅狉犻狀犵犪狀犱犃狀犪犾狊犻狊狅犳狔犛狋犲犲犾狉犲狋犲犆狅犿狆狅狊犻狋犲犉犾狅狅狉犝狀犱犲狉犉犻狉犲 ?犆狅狀犮ＺＨＡＮＧＪｉａｎｃｈｕｎ，ＺＨＡＮＧＤａｓｈａｎ，ＤＯＮＧＹｕｌｉ，ＷＡＮＧＷｅｉｈｕａ，ＬＵＸｉｎ（ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｔｏｓｔｕｄｙｔｈｅｄａｍａｇｅｍｅｃｈａｎｉｓｍｏｆｓｔｅｅｌｃｏｎｃｒｅｔｅｃｏｍｐｏｓｉｔｅｆｌｏｏｒｕｎｄｅｒｆｉｒｅ，ａｎａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎ ? ｔｅｃｈｎｏｌｏｇｙｗａｓｕｓｅｄｔｏｍｏｎｉｔｏｒｔｈｅａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｓｉｌｓａｔｄｉｆｆｅｒｅｎｔｐｏｓｉｔｉｏｎｓｏｆｔｈｅｃｏｍｐｏｓｉｔｅｆｌｏｏｒ．Ｔｈｅｇｎａｂａｓｉｃｐａｒａｍｅｔｅｒｓｓｕｃｈａｓｒｉｎｇｉｎｇｃｏｕｎｔ，ａｍｐｌｉｔｕｄｅ，ｅｎｅｒｒａｔｉｏｎｃｏｌｌｅｃｔｅｄｂｙｔｈｅａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｓｙｓ  ｇｙａｎｄｄｕｔｅｍ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｍａｃｒｏｓｃｏｐｉｃｐｈｅｎｏｍｅｎｏｎ，ｒｉｎｇｉｎｇｃｏｕｎｔａｎａｌｓｉｓ，ＲＡ?ＡＦｃｏｒｒｅｌａｔｉｏｎａ  ｙｎａｌｓｉｓａｎｄ犫ｖａｌｕｅｅｎｅｒｌｓｉｓｗｅｒｅｃｏｎｄｕｃｔｅｄｆｏｒａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔａｃｃｏｒｄｉｎｇｔｏ ? ｙｇｙａｎａｙｔｈｅｒｉｎｇｉｎｇｃｏｕｎｔｓｉｌ，ｔｈｅｃｒａｃｋｓｏｆｔｈｅｍｅｍｂｅｒｓａｎｄｉｎｔｅｒｎａｌｆｏｒｃｅｃｈａｎｇｅｓｃａｎｂｅｊｕｄｇｅｄ；ｉｎｔｈｅｃｏｏｌｉｎｇｇｎａｓｔａｇｅ，ｔｈｅｓｅｃｏｎｄａｒａｍｓｐｒｏｄｕｃｅｓｓｈｅａｒｃｒａｃｋｓｏｎｔｈｅｒｅｉｎｆｏｒｃｅｄｃｏｎｃｒｅｔｅｓｌａｂｓ，ｃａｕｓｉｎｇｓｅｃｏｎｄａｒｙｂｅｙｄａｍａｇｅｔｏｔｈｅｓｔｒｕｃｔｕｒｅ；ＲＡ?ＡＦｃｏｒｒｅｌａｔｉｏｎａｎａｌｓｉｓｃａｎａｃｃｕｒａｔｅｌｔｅｒｍｉｎｅｔｈｅｆａｉｌｕｒｅｍｏｄｅｏｆｔｈｅｃｏｍｐｏｓｉｔｅｆｌｏｏｒ，ｙｙｄｅａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｉｎｔｅｒｎａｌｆｏｒｃｅｃａｎｂｅａｎａｌｚｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｆａｉｌｕｒｅｍｏｄｅ；ｔｈｅ犫ｖａｌｕｅｅｎｅｒｌｓｉｓ ? ｙｇｙａｎａｙｃａｎｒｅｆｌｅｃｔｔｈｅｅｎｅｒｆｔｈｅｓｐｅｃｉｍｅｎａｎｄｔｈｅｄａｍａｇｅｄｅｇｒｅｅｏｆｔｈｅｓｐｅｃｉｍｅｎ，ａｎｄｉｎｆｅｒｗｈｅｔｈｅｒｔｈｅｍ ｇｙｃｈａｎｇｅｏ收稿日期：２０１８０９２２ ? ? 通信作者：张大山（１９８１Ｅ?ｍａｉｌ：ｚｈａｎｇｄｓ＠ｈｑｕ． ?），男，副教授，博士，主要从事建筑结构极端条件下力学性能的研究．ｅｄｕ．ｃｎ．基金项目：国家自然科学基金资助项目（５１３０８２３３，５１７７８２５０）；福建省泉州市科技计划项目（２０１７Ｔ００２）；华侨大学科研基金资助项目（２０１４ＫＪＴＤ０５，ＺＱＮＰＹ３１４）；华侨大学研究生科研创新能力培育计划资助项目（１７０１１０８６００７）第２期张建春，等：火灾下钢?混凝土组合楼盖的声发射监测及分析１５７ｅｍｂｅｒｈａｓｒｅａｃｈｅｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｄａｍａｇｅｓｔａｔｕｓ．犓犲狉犱狊：ｃｏｍｂｉｎａｔｉｏｎｆｌｏｏｒ；ａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎ；ｄａｍａｇｅｍｏｎｉｔｏｒｉｎｇ；ｆｉｒｅｔｅｓｔ；ＲＡ?ＡＦａｎａｌｓｉｓ；犫ｖａｌｕｅｅｎｅｒ  ? ｙｇｙａ狔狑狅ｎａｌｓｉｓｙ［］由于声发射（ＡＥ）１信号随着力、温度等变化而变化，且声发射信号来自于材料或构件缺陷本身，因此，根据声发射信号可判断构件破坏的严重性［２］．通过对声发射基本参数的分析，可以对试验过程进行监测和对构件极限承载状态进行判定．根据声发射信号的特性，可以评价缺陷的危害程度、结构的完整性和残余变形程度．在钢结构和混凝土结构领域，国内外学者已对声发射技术进行了大量的试验和理论［］研究．Ａｌｉｒｅｚａ３通过研究钢筋混凝土剪力墙，设计并验证自动损伤评估的监测系统，根据声发射和有效算法判定结构的安全性．张瑞等［４］阐述采用声发射监测混凝土中钢筋锈蚀的必要性和有效性，认为在锈蚀过程中，各声发射源的特征是混凝土中钢筋锈损定量评估的基础．葛若东等［５］对足尺钢筋混凝土简支梁进行声发射试验研究，根据声发射信号的特点和能量平均频率关联图，分析简支梁破坏过程中的平均频率分布范围及变化特点．门进杰等［６］利用声发射技术对钢筋混凝土构件损伤进行定量检测，阐述基于矩张量理论的声发射检测技术原理，利用矩张量理论推导反演裂缝机制（裂缝位置、类型和走向）的定量表达式．张美琴等［７］通过对花岗岩进行锯切试验，将声发射均方值（ＡＥＲＭＳ）作为特征值，并对实验［］结果进行分析，结果表明，花岗石的抗压强度越高，ＡＥＲＭＳ值越大．李彬等８对Ｑ３４５Ｒ型进行钢蠕变声发射监测实验，得出蠕变损伤过程的声发射活动与蠕变曲线相类似的阶段性特征．胡国华等［９］利用数理统计学，分析计数率数据变化规律，采用声发射计数率的离散系数对疲劳裂纹扩展过程进行识别，并［］得出Ｑ３４５Ｂ型钢材声发射计数率的离散系数与应力强度因子幅值的关系．Ｏｚａｗａ等１０在火灾发生时，研究声发射对高强度混凝土爆炸性剥落的机理，并分析内部温度和蒸气压的测量值与微裂纹产生的ＡＥ事件之间的关系，发现在ＡＥ事件中，爆炸性失效过程的状态可用犫值分析来研究破坏过程．文献［１１  １３］利用声发射技术对整体结构中钢筋混凝土双向板进行损伤监测，探讨受火过程中，板的声发射事件数、能量率和犫值的变化情况，并分析各个参数与板的裂缝开展、炉温及竖向位移的对应关系．综上所述，声发射技术在建筑结构中的应用大多局限于常温环境下，而对于火灾高温环境下的结构工作性能、失效模式预测等方面的应用较少．在建筑结构中，钢混凝土组合楼盖不但自身有相对较高的承载力和弯曲刚度，对结构的整体性与侧向刚度也有较大贡献［１４］．因此，本文基于声发射技术开展钢混凝土组合楼盖火灾试验研究，将试验宏观现象与声发射信号相结合，进行声发射基本参数分析、ＲＡＡＦ关联分析和犫值能量分析，并对组合楼盖破坏过程中的相应规律与联系进行研究．１试验概况１．１试件设计根据《混凝土结构设计规范》［１５］《组合楼板设计与施工规范》［１６］和实际使用到的楼板的轴线尺寸情况进行钢?混凝土组合楼盖设计．组合楼盖板底沿长向跨中处设置次梁（钢梁），与短向边梁焊接连接，钢柱之间设置框架梁进行约束，模拟出的整体结构实际受力状态，如图１所示．图１（ａ）中：构件轴线尺寸为５６００ｍｍ×３６００ｍｍ；板厚为１５０ｍｍ；钢筋布置为双层双向；ＨＲＢ４００型热轧带肋钢筋直径为８ｍｍ；间距为１５０ｍｍ；组合楼盖的钢筋混凝土板采用Ｃ３０商品混凝土；混凝土的保护层厚度为３０ｍｍ；试件钢柱型号为ＨＷ２５０ｍｍ×２５０ｍｍ×９ｍｍ×１４ｍｍ；主梁和次梁型号为ＨＮ２５０ｍｍ×１２５ｍｍ×６ｂ）中：混凝土立方体抗压强度犳ｃｕ，ｍ为４２．５１ＭＰａ；混凝土含水率狑为１．９４％；钢筋抗ｍｍ×９ｍｍ．图１（拉强度犳ｓｔ为５９５ＭＰａ；钢筋伸长率 δ 为１９．１０％；钢筋弹性模量犈ｓ为０．２０５ＴＰａ；钢筋屈服强度犳ｙ为４３０ＭＰａ．１．２加载制度依据建筑结构荷载规范［１６］，对钢筋混凝土板施加２．０ｋＰａ的均布荷载，放置质量为２０ｋｇ的铸铁加载块进行模拟．千斤顶位于柱角顶端，千斤顶加载为板角处固定约束荷载（犣ｂ＝３００ｋＮ）（图１（ｂ））．为模拟实际结构中钢?混凝土组合楼盖的受力性能，在各柱端使用千斤顶施加恒定荷载值，该荷载值由上部结构所传递的荷载设计值确定．文中只有次梁受火，且未做防火处理，边梁和钢柱未受火．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１５８（ａ）组合楼盖尺寸及配筋图（单位：ｍｍ）２０１９年（ｂ）组合楼盖试验加载图图１组合楼盖尺寸、配筋及加载图Ｆｉ１Ｃｏｍｂｉｎａｔｉｏｎｆｌｏｏｒｓｉｚｅ，ｒｅｉｎｆｏｒｃｅｍｅｎｔａｎｄｌｏａｄｉｎｇｄｉａｇｒａｍｇ．１．３升温曲线炉温采用ＩＳＯ８３４国际标准升温曲线，其表达式为θｇ－θｇ（０）＝３４５ｌ８狋＋１），试验升温系统，如图ｇ（２所示．图２中：狋为时间；炉内四周均布置Ｓ型铠装热电偶，温度测量范围为０～１２００ ℃．由 θ 为炉温；图２（ａ）可知：实际升温曲线与ＩＳＯ８３４标准升温曲线拟合良好．（ａ）炉温?时间曲线（ｂ）火灾试验炉图２试验升温系统Ｆｉ２Ｈｅａｔｉｎｇｓｙｓｔｅｍｏｆｔｅｓｔｇ．１．４声发射仪器及传感器布置声发射监测系统为Ｍｉｃｒｏ ?Ⅱ 型多通道数字声发射系统，采集卡为ＰＣＩ ?Ｅ采集卡，声发射系统参数设置如下：传感器为Ｒ６ ?Ａ谐振式；采样频率为２０～１００ｋＨｚ；门槛为４０ｄＢ；前置放大器为４０ｄＢ；波形的采样率（ＭＳＰＳ）为１；波形点数为１０２４；传感器个数为１５．在火灾的作用下，考虑到钢筋混凝土板的开裂、钢与混凝土间的相互作用等均会对声发射信号的产生、传播等造成影响，故板面布置１５个声发射传感器，用来记录不同位置的声发射信号，声发射测点布置及工作原理，如图３所示．（ａ）声发射测点布置图（ｂ）声发射工作原理图３声发射测点布置及工作原理Ｆｉ３Ａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｍｅａｓｕｒｉｎｇｐｏｉｎｔａｒｒａｎｇｅｍｅｎｔａｎｄｗｏｒｋｉｎｇｐｒｉｎｃｉｌｅｇ．ｐ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张建春，等：火灾下钢?混凝土组合楼盖的声发射监测及分析１５９２试验现象组合楼盖破坏图，如图４所示．由图４（ｂ）可知：升温试验过程中，在板角处出现的斜裂缝与板边约呈４５ °；随着试验的进行，挠度不断增大，材料性能逐渐降低，斜裂缝不断出现，间距约为１５０ｍｍ；同时，板角区域混凝土在短边和长边支承钢梁向外翘曲过程中，对板角区域混凝土产生拉裂破坏，形成明显的主裂缝，与板中区域椭圆形裂缝形成经典屈服线模式．由图４（ｃ）可知：钢梁所受最高温度为１１８１ ℃ ，受火时间为３００ｍｉｎ，钢梁表面形成炭黑色四氧化三铁，并出现剥落现象，在实际工程中，应对钢梁采取防火措施，提高组合楼盖的极限承载能力；钢梁跨中处残余的变形较小，未出现屈曲现象，仅在梁端受火边缘出现下翼缘屈曲．钢梁与组合楼盖在整个试验阶段（升温段和降温段）出现轻微相对滑移现象，说明两者基本能够协同工作，共同提高组合楼盖的承载能力；同时，楼盖边梁（短向）随挠度的增加而出现扭转时，对钢梁产生受拉作用，减缓楼盖挠度下降，延长内力重分布时间，从而提高极限承载能力．（ａ）板面裂缝实景图（ｂ）板面裂缝分布（ｃ）钢梁破坏图图４组合楼盖破坏图（单位：ｍｍ）Ｆｉ４Ｄａｍａｇｅｏｆｃｏｍｂｉｎａｔｉｏｎｆｌｏｏｒｄａｍａｇｅｍａｐ（ｕｎｉｔ：ｍｍ）ｇ．３振铃计数分析１）钢?混凝土组合楼盖为复合材料构件，结构形式复杂，为各向异性介质．声发射波形在组合结构内传播时，会发生能量减弱、模式转换等，加之在不同介质中，不同模式的波具有不同的传播速度，所以，在时差定位时，其准确性受到许多限制．２）钢筋混凝土板内裂缝开展多为突发型信号，持续时间较短，数据处理较繁琐．综合以上两个原因，声源定位采用区域定位法［１］．振铃计数（狀）表征参数分析法是描述和报告声发射数量的常用方法，可反映构件性能的变化．根据试验现象及数据处理得知，组合楼盖在相同位置不同测点处，破坏现象基本相同．故选取板角（测点１）、长边跨中（测点７）、跨中（测点８）和短边跨中（测点１４）典型测点进行分析（图３（ａ）），从而可全面分析组合楼盖的损伤机理，如图５所示．测点１处，裂缝以斜裂缝为主，是板面的主要裂缝区．由图５（ａ）可知：试件升温初期，由于混凝土的热 " 性，钢梁与混凝土板存在较大的温度梯度，加之此处负弯矩较大，７ｍｉｎ时，振铃计数便达到峰值，此阶段裂缝开展最密集；１２５ｍｉｎ后，振铃计数保持不变，Ｋａｉｓｅｒ效应较明显，说明此处无新的裂缝出现或已出现的裂缝停止扩展，截面内力处于平衡阶段．由图５（ｂ）可知：振铃计数在试验过程中出现３个峰值点，分别为犃，犅和犆，且峰值依次减小；犃点时，计数值较高，说明在预加载阶段，此处裂缝正在形成；犅点处出现的峰值阶段对应于平面外位移增速减缓阶段，此时，板内钢筋受拉，板面混凝土开裂，形成塑性绞模式；由于边梁倾斜角度逐渐减小，带动犆点处横向裂缝形成，使计数值继续升高．由图５（ｃ）可知：试验过程中，板面跨中处无明显裂缝出现，板底出现密集网格状裂缝；与其他３处的测点不同，升温初期板面无明显裂缝，计数峰值较低（犃点）；１００ｍｉｎ左右时，计数达到峰值（犅点），此时，板底钢梁和混凝土温度较高，材料性能迅速降低，同时，在正弯矩作用下，混凝土受拉破坏，形成密集微裂缝；停火后，炉内温度和板底次梁（钢梁）温度迅速降低，混凝土由于热惰性，温度继续上升；次梁在收缩时，板内栓钉对混凝土和钢筋产生剪切破坏，使振铃计数再次升高．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１６０２０１９年测点１４位于组合楼盖短边跨中，此处为板面斜裂缝和横向裂缝交接处，受火阶段振铃计数?时间曲线与图５（ａ）类似．由图５（ｄ）可知：计数峰值为测点１的７１．５％，这是由于在测点１４处，板底裂缝几乎未出现，而测点１处在跨中钢梁和短边支承梁相互作用下，板底裂缝开展较为密集，与短边基本呈９０ °分布，间距约为１５０ｍｍ．（ａ）测点１（ｂ）测点７（ｃ）测点８（ｄ）测点１４图５振铃计数?时间曲线图Ｆｉ５Ｒｉｎｇｉｎｇｃｏｕｎｔｔｉｍｅｃｕｒｖｅ ? ｇ．综上所述，根据振铃计数的峰值变化和试验宏观现象，钢?混凝土组合楼盖在不同部位的内力变化差异较大；在跨中和长边跨中处，内力变化较丰富，温度效应较明显；在升温初期，内力在板角和短跨跨中处较大．４犚犃?犃犉关联分析声发射信号在钢?混凝土组合楼盖内传播时，受多种因素影响，很难通过一个声发射参数进行分析，因此，需要通过多个声发射参数或多个参数关联分析，以准确判定组合楼盖的破坏状态和损伤模式．在混凝土的失效模式中，声发射参数ＲＡ?ＡＦ关联分析已得到广泛应用［１７?１９］．通过对参数ＲＡ与ＡＦ关联分析，可定性判断结构损伤失效模式．参数ＡＦ定义为声发射撞击振铃计数与持续时间的比值，参数ＲＡ定义为声发射事件上升时间与幅值的比值［２０］，ＲＡ?ＡＦ关联分析包括整个试验阶段（升温段和降温段）．通过振铃计数分析，可以确定裂缝开展的密集程度，但不能确定结构损伤失效模式，如是否为剪切破坏还是张拉破坏，通过ＲＡ?ＡＦ关联分析可得出其失效模式．ＲＡ?ＡＦ关联分析，如图６所示．根据组合楼盖受力分析可知，测点１处的板面主要承受负弯矩，混凝土主要出现拉裂破坏．结合试验宏观现象，由图６（ａ）可知：板面主要为张拉裂缝，此时，ＡＦ值多集中在０．０２００～０．０３２５ｋＨｚ之间，张拉裂缝出现时间早于剪切裂缝，后期出现零星剪切裂缝是因为降温段在次梁和边梁共同作用下，板面出现垂直于斜裂缝的剪切裂缝（图４（ｂ））．由图６（ｂ）可知：前期主要承受张拉破坏，ＡＦ值主要在０．０２００～０．０４００ｋＨｚ之间，后期主要承受剪切破坏，ＲＡ值主要集中在２～７μｓ·Ｖ－１之间；随着构件挠度逐渐增大，板角处的斜裂缝逐渐往板内扩展，纵向钢筋拉力逐渐增大，使混凝土产生剪切破坏，从而出现平行于次梁的横向裂缝．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张建春，等：火灾下钢?混凝土组合楼盖的声发射监测及分析１６１由图６（ｃ）可知：张拉破坏和剪切破坏区分较为明显，ＲＡ值集中在０～１７５μｓ·Ｖ－１之间，说明此处受到的剪切力较大，升温初期，跨中挠度增长较快，在外荷载产生的正弯矩作用下，板底混凝土产生受拉破坏；随着试验的进行，跨中挠度进一步增大，次梁上剪力连接件（栓钉）对混凝土产生剪切破坏，ＲＡ值进一步增大．由图６（ｄ）可知：在张拉阶段，变化趋势较为集中，斜裂缝基本为贯穿斜裂缝，剪切区域声发射信号较弱，栓钉对混凝土的剪切破坏不明显．（ａ）测点１（ｂ）测点７（ｃ）测点８（ｄ）测点１４图６ＲＡ?ＡＦ关联分析图Ｆｉ６ＲＡ?ＡＦｃｏｒｒｅｌａｔｉｏｎａｎａｌｓｉｓｃｈａｒｔｇ．ｙ通过ＲＡ?ＡＦ关联分析可知：不同位置处的钢筋混凝土板面，其失效模式不同，在板角和短跨跨中处，易发生张拉破坏；在长跨跨中处，易产生剪切破坏；在跨中处，易形成不利于试件承载的拉剪破坏．根据其失效模式可大致判定组合楼盖的内力变化，为后续理论分析提供数据支持．５犫值能量分析犫值最初是表征地震频度与震级关系的重要参数，在地震分析中起到重要作用．随着声发射技术的进步与推广，目前犫值也广泛应用于火灾下建筑结构声发射信号的分析［２１］．其事件数（犖）与幅值（犃）的关系式为（ｌ１）ｇ犖＝犪－犫·ｌｇ犃．式（１）中：犪为常数；犫值为在火灾作用下，钢?混凝土组合楼盖混凝土板面裂缝的扩展程度．当板面裂缝开裂幅度较大时，幅度较大的信号成分比例较大，声发射犫值较小；当板面裂缝开裂幅度较小时，幅度较小的信号成分比例较大，则声发射犫值较大．声发射能量分析可评价和衡量裂缝开裂和混凝土内部损伤的程度．结合犫值分析和能量分析的各自优点，能够准确地判断试件破坏时的能量变化及开裂幅度，从而可进一步研究试件极限破坏状态．犫值与能量随时间的变化，如图７所示．图７中：犈为能量．由图７（ａ）可知：在升温初期，测点１处犫值迅速下降，主要裂缝出现时，释放较大的能量，犫值转折处为新裂缝出现或大裂缝开展；１００ｍｉｎ后，犫值逐渐增大，说明此处组合楼盖截面内力趋于平衡；偶尔犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１６２２０１９年有新裂缝出现，但能量值较低；临近停火时，钢柱处出现贯通裂缝，犫值又迅速下降．由图７（ｂ）可知：测点７与测点１处变化趋势基本相同，但测点７升温前期，犫值变化幅度较小，说明柱角处内力变化比边梁处复杂．由图７（ｃ）可知：测点８在跨中处受次梁影响较大，升温初期，裂缝开展释放的能量大于测点１和７处的裂缝开展释放的能量．这是由于跨中处温度梯度最大，在附加弯矩和正弯矩共同作用下，使板底产生张拉裂缝．由图７（ｄ）可知：测点１４在升温初期，犫值变化较小，但能量较高，说明在次梁和边梁共同作用下，内力变化产生的能量值较大，应引起重视．由图７（ａ）～（ｄ）还可知：在降温段，由于混凝土板荷载不变，截面平均温度继续升高，弹性模量继续下降，但仍有新裂缝出现；测点１，７，１４处的犫值变化相对较大，变化幅度为７４％～８１％，产生的能量较小；测点８处的犫值变化相对较小，为１５％，但产生的能量较大．说明次梁对火灾后组合楼盖的截面内力变化的影响较大，在降温段，往往会出现结构的破坏．（ａ）测点１（ｂ）测点７（ｃ）测点８（ｄ）测点１４图７犫值?能量?时间曲线Ｆｉ７犫ｖａｌｕｅｅｎｅｒｔｉｍｅｃｕｒｖｅ ? ? ｇ．ｇｙ综上所述，犫值?能量分析能够准确地判定试件裂缝开展的能量变化，组合楼盖周边负弯矩区在升温初期损伤最严重；跨中处正弯矩区在降温段损伤最严重；板周边形成塑性绞线模式后，产生受拉薄膜效应．由于受拉薄膜效应有助于提高组合楼盖的极限承载能力，导致挠度下降减缓，以及板面新裂缝和裂缝开展较缓慢，从而使犫值较平缓，能量值较低．６结论利用声发射技术对火灾下钢?混凝土组合楼盖进行损伤监测，通过对声发射信号采集和分析，结合试验结果对火灾下组合楼盖的失效模式和破坏状态进行研究，得出以下３点主要结论．１）利用声发射技术可准确对火灾下钢?混凝土组合楼盖进行损伤监测，根据声发射参数中的振铃计数的变化趋势，判断构件的裂缝开展密集程度及内力变化，确定应力集中区域．２）由ＲＡ?ＡＦ关联分析可知，不同位置的钢筋混凝土板面，其失效模式不同，跨中处次梁对火灾后犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张建春，等：火灾下钢?混凝土组合楼盖的声发射监测及分析１６３组合楼盖的截面内力变化影响较大，产生的剪切破坏对构件的承载影响不利．在工程实践中，性能化的设计应考虑此影响．３）钢?混凝土组合楼盖在外部荷载影响下，通过犫值?能量分析能够反映出组合楼盖破坏时的局部能量变化，推断出构件是否达到相应的破坏状态，这对防止结构失稳、内部损伤等具有重要的借鉴意义．参考文献：［１］阳能军，姚春江，袁晓静，等．基于声发射的材料损伤检测技术［Ｍ］．北京：北京航空航天大学出版社，２０１６．［２］秦四清，李造鼎，张倬元，等．岩石声发射计数概论［Ｍ］．成都：西南交通大学出版社，１９９３．［３］ＡＬＩＲＥＺＡＦ．Ａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｍｏｎｉｔｏｒｉｎｇｏｆａｒｅｉｎｆｏｒｃｅｄｃｏｎｃｒｅｔｅｓｈｅａｒｗａｌｌｂｙ犫ｖａｌｕｅ：Ｂａｓｅｄｏｕｔｌｉｅｒａｎａｌｓｉｓ［Ｊ］． ? ｙＳｔｒｕｃｔｕｒａｌＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，２０１２，１２（１）：３１３．ＤＯＩ：１０．１１７７／１４７５９２１７１２４６１１６２． ? ［４］张瑞，徐港，蒋赏，等．钢筋混凝土结构锈损状态的声发射监测［Ｊ］．混凝土，２０１７，１０（１）：３４?３９．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２３５５０．２０１７．０１．０１０． ? ［５］葛若东，刘茂军，吕海波．钢筋混凝土梁破坏过程的声发射特征试验研究［Ｊ］．广西大学学报，２０１１，３６（１）：１６０１６５． ? １０．１３６２４／ｃｎｋｉ．ｉｓｓｎ．１００１７４４５．２０１１．０１．０１８．ＤＯＩ： ? ｊ．［６］门进杰，赵茜，朱乐，等．基于矩张量的钢筋混凝土构件损伤声发射检测方法［Ｊ］．防灾减灾工程学报，２０１７，３７（５）：８２２８２８．ＤＯＩ：１０．１３４０９／ｃｎｋｉ．ｄｐｍｅ．２０１７．０５．０１９． ? ｊ．ｊ［７］张美琴，高振，吴海融，等．花岗石锯切过程声发射信号特征的实验［Ｊ］．华侨大学学报（自然科学版），２０１５，３６（６）：６１５６１９．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１５．０６．０６１５． ? ? ［８］李彬，张颖，温泽明，等．Ｑ３４５Ｒ钢蠕变过程声发射特性实验研究［Ｊ］．实验力学，２０１７，３２（２）：２３２?２３８．ＤＯＩ：１０．７５２０／１００１４８８８１６１２１． ? ? ? ［９］胡国华，丁真真，朱泉水，等．基于声发射的Ｑ３４５Ｂ钢失稳断裂模式识别［Ｊ］．无损检测，２０１８，４０（２）：１５１９．ＤＯＩ：１０． ? ｃ２０１８０２００４．１１９７３／ｗｓｊ［１０］ＯＺＡＷＡＭ，ＵＣＨＩＤＡＳ，ＫＡＭＡＤＡＴ，犲狋犪犾．Ｓｔｕｄｙｏｆｍｅｃｈａｎｉｓｍｓｏｆｅｘｐｌｏｓｉｖｅｓｐａｌｌｉｎｇｉｎｈｉｓｔｒｅｎｇｔｈｃｏｎｃｒｅｔｅ ? ｇｈＪ］．ＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＢｕｉｌｄｉｎｇＭａｔｅｒｉａｌｓ，２０１２，３７（６）：６２１６２８．ＤＯＩ：ａｔｈｉｅｍｐｅｒａｔｕｒｅｓｕｓｉｎｇａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎ［ ? ｇｈｔ１０．１０１６／ｃｏｎｂｕｉｌｄｍａｔ．２０１２．０６．０７０．ｊ．［１１］杨志年．不同边界约束条件的混凝土双向板抗火性能研究［Ｄ］．哈尔滨：哈尔滨工业大学，２０１２．［１２］朱崇绩．足尺钢筋混凝土双向板抗火性能研究［Ｄ］．哈尔滨：哈尔滨工业大学，２０１２．［１３］ＺＨＵＣｈｏｎｇｉ，ＤＯＮＧＹｕｌｉ，ＸＩＥＱｕｎ．Ｒｅａｌｔｉｍｅｍｏｎｉｔｏｒｉｎｇｏｆｔｈｅｆｕｌｌｓｃａｌｅｆｌａｔｅｌａｔｅｆｌｏｏｒｓｕｂｅｃｔｅｄｔｏｆｉｒｅｂｙａ  ? ? ?ｐｊｊＪ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０１６（３１）：２２９２３４．ＤＯＩ：１０．２９９１／ｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎａｎｄｅｎｅｒａｔｅａｎａｌｓｉｓ［ ? ｇｙｒｙｉｃｃｔｅ１６．２０１６．３８． ? ［１４］潘立．混凝土梁板楼盖中次梁设计方法研究［Ｊ］．建筑结构，２０１０，４０（１０）：８２?８５．ＤＯＩ：１０．１９７０１／ｚ２０１０．１０．ｊ．ｊｊｇ．０２１．［１５］中冶建筑研究总院有限公司．组合楼板设计与施工规范：ＣＥＣＳ２７３－２０１０［Ｓ］．北京：中国计划出版社，２０１０．［１６］中华人民共和国建设部，中华人民共和国国家质量监督检验检疫总局．建筑结构荷载规范：ＧＢ５０００９－２０１２［Ｓ］．北京：中国建筑工业出版社，２０１２．［１７］ＳＯＵＬＩＯＴＩＤ，ＢＡＲＫＯＵＬＡＮＭ，ＰＡＩＰＥＴＩＳＡ，犲狋犪犾．ＡｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｂｅｈａｖｉｏｒｏｆｓｔｅｅｌｆｉｂｒｅｒｅｉｎｆｏｒｃｅｄｃｏｎｃｒｅｔｅＪ］．ＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＢｕｉｌｄｉｎｇＭａｔｅｒｉａｌｓ，２００９，２３（１２）：３５３２?３５３６．ＤＯＩ：１０．１０１６／ｃｏｎｂｕｉｌｄｍａｔ．ｕｎｄｅｒｂｅｎｄｉｎｇ［ｊ．２００９．０６．０４２．［１８］ＡＧＧＥＬＩＳＤＧ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｃｒａｃｈｉｎｇｍｏｄｅｉｎｃｏｎｃｒｅｔｅｂｙａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎｐａｒａｍｅｔｅｒｓ［Ｊ］．ＭｅｃｈａｎｉｃｓＲｅ  ｓｅａｒｃｈＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１１，３８（３）：１５３１５７．ＤＯＩ：１０．１０１６／ｍｅｃｈｒｅｓｃｏｍ．２０１１．０１．０１１． ? ｊ．［１９］ＳＨＡＨＩＤＡＮＳ，ＰＵＬＩＮＲ，ＢＵＮＮＯＲＩＮＭ，犲狋犪犾．Ｄａｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｒｅｉｎｆｏｒｃｅｄｃｏｎｃｒｅｔｅｂｅａｍｂｙａｃｏｕｓｔｉｃｅ  ｃｏｎｂｕｉｌｄｍａｔ．ｍｉｓｓｉｏｎｓｉｌａｎａｌｓｉｓ［Ｊ］．ＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＢｕｉｌｄｉｎｇＭａｔｅｒｉａｌｓ，２０１３，４５（１３）：７８８６．ＤＯＩ：１０．１０１６／ ? ｊ．ｇｎａｙ３０１３．０３．０９５．［２０］李冬生，杨凯舜，喻言．土木工程结构损伤声发射监测及评定：理论、方法与应用［Ｍ］．北京：科学出版社，２０１７．［２１］ＦＡＲＨＩＤＺＡＤＥＨＡ，ＤＥＨＧＨＡＮ?ＮＩＲＩＥ，ＳＡＬＡＭＯＮＥＳ，犲狋犪犾．Ｍｏｎｉｔｏｒｉｎｇｃｒａｃｋｐｒｏｐａｇａｔｉｏｎｉｎｒｅｉｎｆｏｒｃｅｄｃｏｎ  ｃｒｅｔｅｓｈｅａｒｗａｌｌｓｂｙａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｔｒｕｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１３，１３９（１２）：１ＤＯＩ：１０．１０６１／ ?１０．（ＡＳＣＥ）ＳＴ．１９４３５４１Ｘ．００００７８１． ? （编辑：李宝川责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０６０１５ ? 复合结构生态透水砖设计及性能分析王海峰，郭钟瀚（华侨大学土木工程学院，福建厦门３６１０２１）摘要：以水泥细石透水混凝土为基层材料、树脂砂基混合料为面层材料，制备复合结构生态透水砖（ＥＰ ＢＣＳ）．通过分析树脂、水泥、有机物Ｘ及石英粉对复合结构砂基透水砖的抗折强度、抗压强度，以及透水系数的影响规律，确定透水砖的基本结构和组分，并对其透水机理进行分析．研究表明：掺入４％石英粉作为矿物外掺料，可以在保证树脂砂基混合料强度的基础上有效改善材料的透水性能；当树脂掺量为３％～５％时，有利于面层砂基混合料力学性能的改善；当树脂掺量为５％，石英粉掺量为４％，以及体积分数１０％的有机物Ｘ掺量为２％，基层透水混凝土的主要组分掺量为细石 ∶ 水泥 ∶ 水＝３．０∶０．８∶０．３时，复合结构生态透水砖的抗压强度高于２５．０ＭＰａ，且透水系数均高于２．３×１０－２ｃｍ·ｓ－１，满足相关规范对一般透水砖的性能要求．关键词：生态透水砖；树脂；复合结构；透水系数中图分类号：ＴＵ５０２文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１６４０８ ? ? ? 犇犲狊犻狉犳狅狉犿犪狀犮犲狅犳犈犮狅犾狅犻犮犪犾犘犲狉犿犲犪犫犾犲犵狀犪狀犱犘犲犵犅狉犻犮犽犠犻狋犺犆狅犿狆狅狊犻狋犲犛狋狉狌犮狋狌狉犲ＷＡＮＧＨａｉｆｅｎｇ，ＧＵＯＺｈｏｎｇｈａｎ（ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｔａｋｉｎｇｃｅｍｅｎｔｐｅｒｖｉｏｕｓｃｏｎｃｒｅｔｅｗｉｔｈｆｉｎｅｓｔｏｎｅａｓｂａｓｅｍａｔｅｒｉａｌ，ａｎｄｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅａｓｓｕｒｆａｃｅ ? ｍａｔｅｒｉａｌ，ｔｈｅｓｅｔｗｏｋｉｎｄｓｏｆｍａｔｅｒｉａｌｓｗｅｒｅｕｓｅｄｔｏｐｒｅｐａｒｅｔｈｅｅｃｏｌｏｇｉｃａｌｐｅｒｍｅａｂｌｅｂｒｉｃｋｗｉｔｈｃｏｍｐｏｓｉｔｅｓｔｒｕｃｔｕｒｅ（ＥＰＢＣＳ）．ＴｈｅｂａｓｉｃｓｔｒｕｃｔｕｒｅａｎｄｃｏｍｐｏｓｉｔｉｏｎｏｆＥＰＢＣＳｗｅｒｅｄｅｓｉｌｚｉｎｇｔｈｅｅｆｆｅｃｔｏｆｇｎｅｄｂｙａｎａｙｅｍｅｎｔ，ｏｒｉｃｒｔｚｐｏｗｄｅｒｏｎｔｈｅｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈ，ｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈａｎｄｐｅｒｍｅａｂｉｌｉｔｒｅｓｉｎ，ｃ ?ＸａｎｄｑｕａｇａｎｙｃｏｅｆｆｉｃｉｅｎｔｏｆＥＰＢＣＳ；ａｎｄｔｈｅｐｅｒｍｅａｂｉｌｉｔｃｈａｎｉｓｍｗａｓｓｔｕｄｉｅｄ．Ｉｔｉｓｓｈｏｗｎｔｈａｔ：ｏｎｔｈｅｂａｓｉｓｏｆｇｕａｒａｎ  ｙｍｅｔｅｅｉｎｇｔｈｅｂａｓｉｃｍｅｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓ，ａｄｄｉｎｇ４％ｑｕａｒｔｚｐｏｗｄｅｒｉｍｐｒｏｖｅｓｅｆｆｅｃｔｉｖｅｌｈｅｗａｔｅｒｐｅｒｍｅａｂｉｌｉｔｆｙｔｙｏｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ；ａｄｄｉｎｇ３％?５％ｒｅｓｉｎｉｍｐｒｏｖｅｓｔｈｅｍｅｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｒｅｓｉｎａｎｄｍｉｘｔｕｒｅ．Ａｄｄｉｎｇ ? ?ｓｒｔｚｐｏｗｄｅｒ，２％ｏｒｉｃｔｈ１０％ｃｏｎｃｅｎｔｒａｔｉｏｎ，ａｎｄｒａｔｉｏｏｆｔｈｅｍａｉｎｃｏｍｐｏｎｅｎｔｓｏｆ５％ｒｅｓｉｎ，４％ｑｕａ ?Ｘｗｉｇａｎｂａｓｅｐｅｒｍｅａｂｌｅｃｏｎｃｒｅｔｅｉｓｔｈａｔｆｉｎｅｓｔｏｎｅ∶ｃｅｍｅｎｔ∶ｗａｔｅｒ＝３．０∶０．８∶０．３，ｔｈｅｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈｏｆａｌｌｈｅｐｅｒｍｅａｂｉｌｉｔｏｅｆｆｉｃｉｅｎｔｓａｒｅｈｉｒｔｈａｎ２．３×１０－２ｃｍ· ｔｈｅｓｐｅｃｉｍｅｎｓｏｆＥＰＢＣＳｅｘｃｅｅｄｓ２５．０ＭＰａ，ａｎｄｔｙｃｇｈｅｓ－１，ｗｈｉｃｈｍｅｅｔｓｔｈｅｒｅｉｒｅｍｅｎｔｓｏｆｒｅｌｅｖａｎｔｓｐｅｃｉｆｉｃａｔｉｏｎｓ．ｑｕ犓犲狉犱狊：ｅｃｏｌｏｇｉｃａｌｐｅｒｍｅａｂｌｅｂｒｉｃｋ；ｒｅｓｉｎ；ｃｏｍｐｏｓｉｔｅｓｔｒｕｃｔｕｒｅ；ｐｅｒｍｅａｂｉｌｉｔｏｅｆｆｉｃｉｅｎｔｙｃ狔狑狅透水砖作为一种新型的道路铺装材料，具有较高的孔隙率和较好的透水性，能够对地下水进行补给，减小地基下沉，缓解城市抗洪排涝系统的压力；同时，地下水可通过透水砖孔洞蒸发，减少城市地面热能吸收和“热岛效应”，对降低城市噪声污染也有积极作用，很大程度上克服了传统阻水型地面铺装材收稿日期：２０１８０６０６ ? ? 通信作者：王海峰（１９８０ ?），男，讲师，博士，主要从事绿色环保建材、功能型土木工程材料和建筑材料资源化再生利用的研究．Ｅｉｌ：ｗａｎｇｈａｉｆｅｎｇｄｏｃ＠ｈｑｕ．ｅｄｕ．ｃｎ． ?ｍａ基金项目：福建省自然科学基金面上资助项目（２０１６Ｊ０１２４１）第２期王海峰，等：复合结构生态透水砖设计及性能分析１６５料的缺陷［１?３］．为解决因过度抽取地下水而造成地基下沉的问题，日本推行“雨水渗透计划”，将研发的透水性沥青混凝土铺装材料和透水性混凝土铺装材料应用于公园广场、停车场、运动场等城市道路．据统［］计，东京使用透水路面铺装材料后，城市对雨水资源的有效保持量从４８．２％增长到９４．６％４?６．２０世纪［］８０年代，日本投放市场的ＩＮＡＸ陶瓷透水砖也产生了良好的社会和经济效益７?１０．目前，国内对透水砖的研究主要集中在性能方面．文献［１１１４］利用碱激发体系及建筑垃圾固废利用等体系研究透水砖，获 ? 得较好的力学性能和透水性能．传统透水砖主要通过设计大孔洞和高孔隙率的铺装材料实现快速透水的功能［１５?１７］．但是，这种结构的透水砖在实际使用过程中常因孔洞太大而容易堵塞，且难以疏通，造成地表积水，难以发挥透水砖应有的性能．针对上述问题，本文以普通砂和细石分别作为透水砖的面层和基层骨料，以树脂和水泥基作为胶凝材料，设计一种复合结构生态透水砖（ＥＰＢＣＳ），研究胶凝材料用量、矿物外掺料用量及透水系数等因素之间的相互影响规律，并对设计方案进行优化．１试验材料和方法１．１试验材料研究用的细集料为沿海城市易取的普通海砂，过筛，选用粒径范围０．１５～０．６０ｍｍ的砂料作为面层骨料；基层透水混凝土骨料为细石，粒径为２．５～７．０ｍｍ；树脂固化剂采用低粘度环氧树脂和固化剂；试验用水泥为Ｐ．Ｏ４２．５水泥；天然石英粉通过１２０目筛子过筛．低粘度环氧树脂主要参数：密度为１．１３～１．１７ｇ·ｃｍ－３；粘度为７００～１１００ｍＰａ·ｓ；摩尔浓度为１６６～１８５ｇ·ｍｏｌ－１；环氧值０．５４～０．６０ｍｏｌ·ｇ－１；耐火指数为１５４８～１５５２．固化剂参数：密度为０．９３～０．９８ｇ·ｃｍ－３；粘度为１０～５０ｍＰａ· ｓ；胺值（中和１ｇ碱性胺所需要氢氧化钾的质量）为４００～６００ｍｇ·ｇ－１；耐火指数值为１４６０～１４６３．１．２树脂砂基面层材料的制备透水通道易堵塞、难清理等问题缩短了大多数传统透水砖的使用寿命．为克服这个缺陷，设计的ＥＰＢＣＳ以树脂砂基混合料作为面层材料，通过化学改性的方法从分子尺度实现面层树脂砂基混合料的透水功能．由于透水砖为路面铺装材料，实际使用过程中多以压力为外载荷，因此，将抗压强度和透水性作为材料性能研究的首要性能指标，将抗折强度作为辅助评价指标．将经过筛分的海砂分为两组：一组为Ａ（０．１５ｍｍ＜Φ＜０．６０ｍｍ）；另一组为Ｂ（６０ｍｍ）．两 Φ≤０．组砂料中分别加入适量的石英粉，石英粉的掺量（质量分数）拟定为０％，２％，４％，６％，８％．利用可调速搅拌机将掺入石英粉的砂料均匀混合并持续搅拌，然后，将低粘度环氧树脂和固化剂按比例充分混合后，匀速加入搅拌机中搅拌３～５ｍｉｎ，直至树脂、砂子及石英粉之间形成良好的裹覆．混合好的材料取出装入模具内，高频低幅震压１５～３０ｓ后成型，作为面层透水砖待用．震压后的材料作为ＥＰＢＣＳ的面层材料，参考贺图升等［１８］的研究方法，自制简单实用的装置，对树脂砂基混合料的透水系数进行测试，实验仪器如图１所示．透水系数的计算式为犙犔（．１）犃犎狋式（１）中：犓θ 为水温θ ℃ 时材料的透水系数（ｃｍ·ｓ－１）；犓θ ＝图１透水系数实验仪器示意图Ｆｉ１Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｘｐｅｒｉｍｅｎｔａｌｇ．ｉｎｓｔｒｕｍｅｎｔｆｏｒｐｅｒｍｅａｂｉｌｉｔｏｅｆｆｉｃｉｅｎｔｙｃ犙为时间狋内的渗出水量（ｍＬ）；犔为式样厚度（ｃｍ）；犃为式样的上表面面积（ｃｍ２）；犎为固定水位差（ｃｍ）；狋为渗透时间（ｓ）．１．３基层透水混凝土及复合结构生态透水砖的设计双层透水砖的下层部分以水泥基作为基本胶凝材料，对筛分好的细石（粒径为２．５～７．０ｍｍ）进行固化处理，制成混凝土透水层．ＥＰＢＣＳ的基本结构件，如图２所示．混凝土透水层材料（细石 ∶ 水泥 ∶ 水）的拟定配比分别为３．０∶１．０∶０．５，３．０∶１．０∶０．３，３．０∶０．８∶０．３，３．０∶０．６∶０．２．制作双层透水砖时，上、下层材料的体积比约为１∶３（图２）．首先，将下层混凝土透水层搅拌均匀后犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１６６２０１９年装入模具３／４处；然后，把树脂固化的砂浆装入模具剩余的１／４容积内，将模具填满；最后，通过微型振动器震实并完成试件成型．根据ＪＧ／Ｔ３７６－２０１２《砂基透水砖》的要求，砂基透水砖面层的抗压强度应不小于２５．０ＭＰａ；透水速率大于等于１．５ｍＬ·（ｍｉｎ·ｃｍ２）－１；当透水砖长／厚 ≥５时，抗折强度不小于２．４ＭＰａ，当长／厚＜５时，抗折强度不做要求．根据ＤＢＪ１３１０４－２００８《透水砖路面（地面）设计与施工技术 ? 规范》（以下简称《规范》）对路面砖强度的规定，透水路面砖的抗压强度不低于２５．０ＭＰａ，透水系数不低于１．０×１０－２ｃｍ·ｓ－１．为方便实验和计算，文中设计的ＥＰＢＣＳ的透水性能以《规范》对砂基透水砖的要求为参照．图２ＥＰＢＣＳ的结构特征Ｆｉ２ＰｒｏｐｅｒｔｉｅｓｏｆＥＰＢＣＳｓｔｒｕｃｔｕｒｅｇ．２试验结果及分析２．１树脂和石英粉对砂基混合料基本性能的影响拟定树脂掺量（质量分数，狑（树脂））为０％～１４％，考察砂基混合料的抗压强度（犳ｃ）和透水系数（犓），如图３所示．由图３可知：增加树脂掺量可有效提高砂基混合料的抗压性能，但却降低了其透水性能；当树脂掺量为１％～２％时，随着树脂掺量的增加，树脂砂基混合料的透水性能呈明显的降低趋势；当树脂掺量超过２％后，砂基混合料均不具备透水性能．因此，在确保基本抗压强度的基础上，提高混合（ａ）抗压强度（ｂ）透水系数图３树脂掺量对树脂砂基混合料抗压强度和透水系数的影响（无有机物Ｘ）Ｆｉ３Ｅｆｆｅｃｔｏｆｒｅｓｉｎｏｎｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈａｎｄｐｅｒｍｅａｂｉｌｉｔｏｅｆｆｉｃｉｅｎｔｇ．ｙｃｏｆｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ（ｗｉｔｈｏｕｔｏｒｉｃｍａｔｔｅｒ ? ?Ｘ）ｇａｎ料的透水性能是改善砂基透水砖性能的关键．树脂类固化剂在砂粒的外表面形成一层裹覆将砂子粘结在一起，随着树脂的固化，混合料产生强度，由于固化剂具有明显的憎水性，且砂粒粒径都较小，因此，砂粒之间有限的空隙很容易被树脂填充，从而导致混合料整体透水性较差甚至不透水［１９?２２］．为改善砂粒之间的结构分布，将石英粉作为矿物外掺料加入树脂砂基混合料中，调整树脂与砂粒之间的有效空隙率，提高砂基混合料的透水性能［２３?２５］．拟定树脂掺量为１％，３％，５％，７％，９％，与之对应的石英粉掺量分别为０％，１％，３％，５％，７％，分别测试砂基混合料的抗压强度和透水系数，结果如图４所示．由图４可知：当树脂掺量为１％～７％，对应石英粉掺量为０％～５％时，随着树脂和石英粉掺量的增大，砂图４石英粉和树脂掺量对砂基混合料透水性和抗压强度的影响Ｆｉ４Ｅｆｆｅｃｔｏｆｒｅｓｉｎａｎｄｑｕａｒｔｚｐｏｗｄｅｒｏｎｇ．ｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈａｎｄｐｅｒｍｅａｂｉｌｉｔｙｃｏｅｆｆｉｃｉｅｎｔｏｆｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ ? 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王海峰，等：复合结构生态透水砖设计及性能分析１６７基混合料的抗压强度呈连续增大的趋势；当树脂掺量大于７％时，抗压强度随之降低；随着石英粉和树脂掺量的继续增大，砂基混合料的透水系数均表现出逐渐降低的趋势；透水系数曲线与抗压强度曲线的交集为该体系中树脂和石英粉的最优掺量，即树脂掺量为４％～６％时对应的组分．在实验过程中，当树脂和石英粉掺量为６％时，粘膜现象较严重，给实际生产操作带来一定的困难．因此，拟定石英粉的掺量为４％，树脂掺量为１％～８％，该体系中树脂掺量对树脂砂基混合料抗压强度和透水性能的影响，如图５所示．（ａ）抗压强度（ｂ）透水系数图５树脂对砂基混合料性能影响（不掺有机物Ｘ）图５Ｅｆｆｅｃｔｏｆｒｅｓｉｎｏｎｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ（ｗｉｔｈｏｕｔｏｒｉｃｍａｔｔｅｒ ? ?Ｘ）ｇａｎ由图５可知：掺入４％石英粉能够有效改善砂基混合料的透水性能，当树脂掺量为０％～４％时，砂基混合料试件均具有一定的透水性，但抗压强度低于３０ＭＰａ；而当树脂掺量高于５％时，抗压强度均高于３０ＭＰａ，但混合料几乎失去透水性，需做进一步调整．２．２有机物犡对砂基混合料性能的影响树脂虽然可以对砂料实现较好的固化效果，但因其典型的憎水性，固化后单一组分的树脂砂基混合料几乎不具有透水性能．因此，选择增加有机物Ｘ作为混合料透水性能的调控组分．该有机物Ｘ主要应用于印染领域，参考体积分数为２％～１０％，考虑到透水砂基混合料体系的特殊性，结合前期初试工作，认为有机物Ｘ体积分数为１０％对混合料透水性能的改善最好．当体积分数为１０％的有机物Ｘ掺量为３％时，树脂砂基混合料的透水性能完全满足设计需求．考虑到有机物Ｘ可能对树脂材料的固化产生不表１有机物Ｘ对树脂砂基混合料透水系数的影响良影响，拟定体积分数１０％的有机物Ｘ的掺量为０％～２％，树脂掺量为３％～６％，石英粉掺Ｔａｂ．１Ｅｆｆｅｃｔｏｆｏｒｉｃｍａｔｅｒｉａｌｓ ?Ｘｇａｎ量为４％，测得砂基混合料的透水系数，如表１ｏｎｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ ? 所示．表１中：狑为质量分数．／％狑（树脂）由表１可知：当石英粉掺量为４％时，树脂砂基混合料的透水性随有机物Ｘ掺量的增大，表现出持续增强的趋势；当有机物Ｘ掺量一定时，随着树脂掺量的增大，树脂砂基混合料的透３４５６１０－２ｃｍ·ｓ－１／％狑（有机物Ｘ）００．５１．０１．５２．００．１４００００．２６０．１１００１．２５１．３３０．８５０．１０２．７７２．１７１．６２１．４５３．１０２．９０２．６０２．０１水性逐渐降低；有机物Ｘ的添加并未对树脂砂基混合料的抗压强度产生明显的不良影响．综合上述的实验结果，拟定砂基混合料中有机物Ｘ的掺量为２％，树脂掺量为５％，石英粉掺量为０％～８％，砂基混合料的抗压强度和透水性能，如图６所示．由图６可知：随着石英粉掺量从０％增加到８％，树脂砂基混合料的透水系数从１．８×１０－２ｃｍ·ｓ－１增加到３．１×１０－２ｃｍ·ｓ－１；当石英粉掺量为０％～２％时，试件的抗压强度随着石英粉掺量的增加，从１．５８ＭＰａ上升至１２．３５ＭＰａ，在此过程中，试件抗压强度增长相对较缓慢；当石英粉添加量从２％增加至４％时，试件的抗压强度从１２．３５ＭＰａ增加到３８．７８ＭＰａ，且该过程中强度增长的速率较大；当石英粉的掺量大于４％后，试件的抗压强度出现急剧下降的趋势．综合上述研究结果，拟定石英粉的掺量为４％，树脂掺量为５％，体积分数１０％的有机物Ｘ掺量为２％，制得透水砖的面层抗压强度达到２５．０ＭＰａ，透水系数高于２．５×１０－２ｃｍ·ｓ－１．按照此配比制备得到不同尺寸的砂基面层透水砖，如图７所示．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１６８（ａ）抗压强度２０１９年（ｂ）透水系数图６有机物Ｘ和石英粉掺量对树脂砂基混合料性能影响Ｆｉ６Ｅｆｆｅｃｔｏｆｏｒｉｃｍａｔｅｒｉａｌｓｒｔｚｐｏｗｄｅｒｏｎｐｒｏｐｅｒｔｉｅｓｏｆｒｅｓｉｎｓａｎｄｍｉｘｔｕｒｅ ?Ｘａｎｄｑｕａ ? ｇ．ｇａｎ（ａ）面层样品１（ｂ）面层样品２图７砂基透水砖样品Ｆｉ７Ｓａｍｐｌｅｓｏｆｐｅｒｍｅａｂｌｅｒｅｓｉｎｓａｎｄｂｒｉｃｋ ? ｇ．２．３基层透水混凝土的性能分析作为ＥＰＢＣＳ的下部基层结构，在初试阶段，透水混凝土使用的骨料粒径为１０．０～１５．０ｍｍ，细石（狑Ｇ）∶ 水泥（狑Ｃ）∶ 水（狑Ｗ）＝３．０∶１．０∶０．５５．由于新拌混合料的和易性较差，骨料粒径过于单一且粗大，因此，拟用透水混凝土的骨料粒径为２．５～７．０ｍｍ．拟定４种配比，即狑Ｇ ∶狑Ｃ ∶狑Ｗ分别为３．０∶ ０．６∶０．２，３．０∶０．８∶０．３，３．０∶１．０∶０．３，３．０∶１．０∶０．５，水泥为普通的Ｐ．Ｏ４２．５水泥（少量矿物掺合料暂不列出）．基层透水混凝土在标准养护箱中养护２８ｄ后取出，对成型后材料的抗压强度和透水性能进行对比分析，结果如图８所示．（ａ）抗压强度（ｂ）透水性能图８水泥基混合料强度Ｆｉ８Ｓｔｒｅｎｇｔｈｏｆｃｅｍｅｎｔｓｅｄｍｉｘｔｕｒｅ ?ｂａｇ．由图８可知：当狑Ｇ ∶狑Ｃ ∶狑Ｗ＝３．０∶０．８∶０．３时，水泥基混合料的抗压强度均高于１６．７１ＭＰａ；当狑Ｇ ∶狑Ｃ ∶狑Ｗ＝３．０∶０．６∶０．２，３．０∶０．８∶０．３时，透水混凝土具有较好的透水性．结合材料的抗压强度特性，拟定狑Ｇ ∶狑Ｃ ∶狑Ｗ＝３．０∶０．８∶０．３为透水混凝土的基本配比，在满足抗压强度的基础上，测得６个相同配比样品的抗折强度（犳ｃｆ），如图９所示．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王海峰，等：复合结构生态透水砖设计及性能分析１６９实验结果表明：设计的ＥＰＢＣＳ的基层透水混凝土的性能满足《规范》对路面砖抗折、抗压及透水性能的基本要求．因此，将这部分混合料配比狑Ｇ ∶狑Ｃ ∶狑Ｗ＝３．０∶０．８∶０．３，作为复合结构生态透水砖的基层配比．２．４复合结构透水砖的性能根据上述结果，以树脂砂基混合料为面层、透水混凝土为基层，制备ＥＰＢＣＳ样品，如图１０所示．ＥＰＢＣＳ的抗压强度、抗折强度和透水系数，如图１１所示．由图１１可知：养护２８ｄ后，试件的抗压强度平均值均高于２５．０ＭＰａ，抗折强度均超过２．５ＭＰａ，且平均透水系数均高于２．５×１０－２ｃｍ·ｓ－１，说明设计的透水砖ＥＰＢＣＳ满足《规范》的要求．（ａ）样品图９基层透水混凝土抗折强度Ｆｉ９Ｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｏｆｐｅｒｍｅａｂｌｅｇ．ｃｏｎｃｒｅｔｅａｔｂａｓｅｌａｙｅｒ（ｂ）成品图１０ＥＰＢＣＳ样品Ｆｉ１０ＳａｍｐｌｅｓｏｆＥＰＢＣＳｇ．（ａ）力学性能（ｂ）透水性能图１１ＥＰＢＣＳ性能Ｆｉ１１ＰｒｏｐｅｒｔｉｅｓｏｆＥＰＢＣＳｇ．３树脂砂基混合料透水机理分析树脂材料能够对砂粒混合料进行有效地固化，但是，实验选用的树脂材料为典型的憎水性材料，在固化过程中对混合料的透水性能产生显著不利影响．协调树脂、石英粉及砂粒三者在混合料中的结构特征，使其形成较多的透水通道，是改善面层砂基混合料透水性能的关键［２６?２７］．随着各物料掺量的调整，石英粉在树脂砂基混合料中的状态，如图１２所示．当树脂和石英粉相对掺量较少时，树脂砂基混合料以表面具有树脂裹覆层的微粒为主，且这层树脂裹覆层本身属于憎水性材料，在混合料的成型过程中，外力的震压作用使微粒之间的有效空间体积较小，且被大量的树脂材料填充，因此，混合料内部透水通道变得非常稀少．由图１２（ａ）可知：在此状态下，虽然混合料的力学性能较好，但是透水性能却较差，即使利用有机物Ｘ改善了透水性能，但因为胶凝材犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１７０（ａ）树脂过量（ｂ）级配良好２０１９年（ｃ）石英粉过量（掺量大于４％）图１２石英粉在树脂砂基混合料中的分布状态Ｆｉ１２Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｑｕａｒｔｚｐｏｗｄｅｒｉｎｒｅｓｉｎｓａｎｄｍｉｘｕｒｅ ? ｇ．料过少，整体的力学性能也不能满足要求．由图１２（ｂ）可知：随着混合料中石英粉和树脂掺量的增大，具有树脂裹覆层结构的微粒外表粘附了大量的石英粉颗粒，从而使填充在微粒之间树脂的有效接触面积相对减小，微粒间的空隙得到了石英粉颗粒的有效填充，由此增加了微粒间的有效通道，使混合料的整体透水性能得到增强；同时，随着体系中树脂和石英粉掺量的增大，相对较多的树脂组分导致部分石英粉颗粒表面粘附一层树脂，而这部分微粒在体系中的有效分散形成相互粘接的网状结构，对维护混合料整体的力学性能起到了积极作用，加之有机物Ｘ对混合料透水性能的改善，混合料在此状态下既能表现出较好的透水性能，又能具有较好的力学性能．由图１２（ｃ）可知：当混合料中石英粉的掺量大于４％时，微粒间存在过量的石英粉颗粒，导致混合料颗粒间有效的通道数量增加，混合料整体的透水性能明显增强，但是微粒间因能够有效接触的树脂量减少而导致混合料整体的粘结性能降低，因此，整体强度出现降低趋势．４结论１）掺入适量的石英粉能够在保持树脂砂基混合料的基本抗压、抗折性能的基础上适当改善其透水性能，但效果不明显．２）掺入有机物Ｘ能够在较高树脂掺量的条件下对树脂砂基混合料的透水性能产生显著的改善效果，并且暂未发现对抗压强度和抗折强度产生负面影响．３）面层树脂砂基混合料中，树脂掺量为５％，石英粉掺量为４％，体积分数为１０％的有机物Ｘ的掺量为２％；基层透水混凝土基本组分为狑Ｇ ∶狑Ｃ ∶狑Ｗ＝３．０∶０．８∶０．３（少量矿物掺合料暂不列出）；以上述树脂砂基混合料和透水混凝土作为ＥＰＢＣＳ的面层和基层，所制得的材料的力学性能和透水性能均满足相关《规范》的要求．参考文献：［１］张丽，刘梁森，吴晓青，等．含涤废弃织物增强水泥基透水砖的制备及表征［Ｊ］．复合材料学报，２０１６，３３（４）：８６６８７４． ? １０．１３８０１／ｃｎｋｉ．ｆｈｃｌｘｂ．２０１６０１０２．００２．ＤＯＩ：ｊ．［２］王奕仁，李春萍，王爱勤，等．垃圾衍生燃料气化后的无机底渣制备透水砖试验研究［Ｊ］．环境工程，２０１４，３２（增刊１）：６１９６２２． ? ［３］ＺＯＮＧＬａｎ，ＦＥＩＺｈｅｎｇｙｕｅ，ＺＨＡＮＧＳｈｉｉｎｇ，犲狋犪犾．Ｐｅｒｍｅａｂｉｌｉｔｆｒｅｃｙｃｌｅｄａｇｇｒｅｇａｔｅｃｏｎｃｒｅｔｅｃｏｎｔａｉｎｉｎｇｆｌｓｈａｎｄｐｙｏｙａｃｌｅｐｒｏ．２０１４．０２．０４０．ｃｌａｙｂｒｉｃｋｗａｓｔｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０１４，７０：１７５１８２．ＤＯＩ：１０．１０１６／ ? ｊ．ｊ［４］吕淑珍，顾幸勇．利用萤石尾矿和珍珠岩废矿粉研制陶瓷透水砖［Ｊ］．新型建筑材料，２００９（８）：３１３４．ＤＯＩ：１０．３９６９／ ? ７０２Ｘ．２００９．０８．０１１．ｉｓｓｎ．１００１ ? ｊ．［５］ＮＩＳＨＩＧＡＫＩＭ．Ｐｒｏｄｕｃｉｎｇｐｅｒｍｅａｂｌｅｂｌｏｃｋｓａｎｄｐａｖｅｍｅｎｔｂｒｉｃｋｓｆｒｏｍｍｏｌｔｅｎｓｌａｇ［Ｊ］．ＷａｓｔｅＭａｎａｇｅｍｅｎｔ，２０００，２０（２／３）：１８５１９２．ＤＯＩ：１０．１０１６／Ｓ０９５６０５３Ｘ（９９）００３２３２． ? ? ? ［６］马养志．透水砖的生产工艺与发展前景［Ｊ］．砖瓦，２００４（７）：４７４９．ＤＯＩ：１０．１６００１／６９４５．２００４．０７．０１７．ｃｎｋｉ．１００１ ? ? ｊ．［７］ＪＩＡＮＱｕａｎｉ，ＬＵＹｕｅｓｈｉ，ＬＩＵＹｕｉａ，犲狋犪犾．Ａｐｐｌｉｃａｔｉｏｎｏｆｗａｓｔｅｂａｍｂｏｏｍａｔｅｒｉａｌｓｏｎｐｒｏｄｕｃｅｄｅｃｏｒｉｃｋ［Ｊ］．Ｊｏｕｒｎａｌ ?ｂｊｊｏｆＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔＳｃｉｅｎｃｅ），２０１２，１７（３）：３８０３８４．ＤＯＩ：１０．１００７／ｓ１２２０４０１２１２９２ ? ? ? ? ｙ．ｙ（［８］赵耀芳．碱激发固硫灰地聚物制备透水砖的工艺研究［Ｊ］．商品混凝土，２０１７（９）：４０４３． ? ［９］苏有文，聊若寒，周良峥，等．聚合物改善透水混凝土性能试验研究［Ｊ］．混凝土与水泥制品，２０１８（６）：７１０，３４．ＤＯＩ： ? 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王海峰，等：复合结构生态透水砖设计及性能分析１７１１０．１９７６１／１０００４６３７．２０１８．０６．００２． ? ｊ．［１０］刘璐．混凝土基透水砖制备与铺装设计研究［Ｄ］．大连：大连理工大学，２０１４：１９３９． ? ［１１］ＬＩＹｉｎｇ，ＹＡＮＧＪｉａｎｒｏｎｇ，ＧＵＯＴｉｎｇｔｉｎｇ．Ｔｈｅｓｔｕｄｙｏｆｃｏｎｖｅｒｔｉｂｉｌｉｔｆｗａｔｅｒｃｅｍｅｎｔｒａｔｉｏｉｎｒｅｃｙｃｌｅｄｗａｔｅｒｐｅｒ  ｙｏｍｅａｂｌｅｃｏｎｃｒｅｔｅ［Ｊ］．ＡｄｖａｎｃｅｄＭａｔｅｒｉａｌｓＲｅｓｅａｒｃｈ，２０１１，２５０／２５１／２５２／２５３：２１８２２１．ＤＯＩ：１０．４０２８／ｗｗｗ．ｓｃｉｅｎｔｉｆ  ? ／ＡＭＲ．ｉｃ．ｎｅｔ２５０２５３．２１８． ? ［１２］蔡润泽，满都拉，陈思晗．砂基透水混凝土路面砖胶结料试验研究［Ｊ］．硅酸盐通报，２０１８，３７（６）：１９９５２００１． ? ［１３］ＬＥＩＰＡＲＤＡＲ，ＫＥＶＥＲＮＪＴ，ＲＩＣＨＡＲＤＳＯＮＪＲ．Ｈｙｄｒａｕｌｉｃｃｈａｒａｃｔｅｒｉｚａｔｉｏｎａｎｄｄｅｓｉｆｐｅｒｍｅａｂｌｅｉｎｔｅｒｌｏｃ  ｇｎｏｋｉｎｇｃｏｎｃｒｅｔｅｐａｖｅｍｅｎｔ［Ｃ］∥ ＷｏｒｌｄＥｎｖｉｒｏｎｍｅｎｔａｌａｎｄＷａｔｅｒＲｅｓｏｕｒｃｅｓＣｏｎｇｒｅｓｓ．Ａｕｓｔｉｎ：ＡｍｅｒｉｃａｎＳｏｃｉｅｔｆｙｏ２０１５：２９２３０１．ＤＯＩ：１０．１０６１／９７８０７８４４７９１６２．０２８．ＣｉｖｉｌＥｎｇｉｎｅｅｒｓ， ? ［１４］ＬＵＣＫＥＴ，ＷＨＩＴＥＲ，ＮＩＣＨＯＬＳＰ，犲狋犪犾．Ａｓｉｍｐｌｅｆｉｅｌｄｔｅｓｔｔｏｅｖａｌｕａｔｅｔｈｅｍａｉｎｔｅｎａｎｃｅｒｅｉｒｅｍｅｎｔｓｏｆｐｅｒｍｅａ  ｑｕＪ］．Ｗａｔｅｒ，２０１５，７（６）：２５４２２５５４．ＤＯＩ：１０．３３９０／ｗ７０６２５４２．ｂｌｅｉｎｔｅｒｌｏｃｋｉｎｇｃｏｎｃｒｅｔｅｐａｖｅｍｅｎｔｓ［ ? ［ｒｍｅａｂｌｅｐａｖｅｍｅｎｔ１５］ＳＴＡＲＫＥＰ，Ｇ?ＢＥＬＰ，ＣＯＬＤＥＷＥＹＷＧ．Ｅｆｆｅｃｔｓｏｎｅｖａｐｏｒａｔｉｏｎｒａｔｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｗａｔｅｒ ?ｐｅｄｅｓｉＪ］．ＷａｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１１，６３（１１）：２６１９２６２７．ＤＯＩ：１０．２１６６／ｗｓｔ．２０１１．１６８． ? ｇｎｓ［［１６］黄展魏，陈伟，李秋，等．水性环氧树脂改性水泥砂浆力学性能基微观结构［Ｊ］．硅酸盐通报，２０１７，３６（８）：２５３０? ｃｎｋｉ．ｉｓｓｎ１００１２５３５．ＤＯＩ：１０．１６５５２／１６２５．２０１７．０８．００３． ? ｊ．［１７］ＢＥＲＬＩＮＥＡＮＵＡ，王学智．新型生态环保透水砂浆的制备和应用［Ｊ］．化工新型材料，２００５，３３（３）：６６６８．ＤＯＩ：１０． ? ３５３６．２００５．０３．０２０．３９６９／ｉｓｓｎ．１００６ ? ｊ．［１８］贺图升，赵旭光，赵三银，等．复合结构透水砖配合比参数研究［Ｊ］．武汉理工大学学报，２０１４，３６（１）：３４?３８．ＤＯＩ：１０．３９６３／４４３１．２０１４．０１．００６．ｉｓｓｎ．１６７１ ? ｊ．［１９］王萍萍，徐向舟．砂基透水砖的制备及性能优化研究［Ｊ］．新型建筑材料，２０１３（８）：４４?４７．ＤＯＩ：１０．３９６９／ｉｓｓｎ．ｊ．１００１７０２Ｘ．２０１３．０８．０１３． ? ［２０］许军凯，辛梅华，李明春，等．硅材料改性水性聚氨酯的研究进展［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（５）：６２７６３５．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０６００２． ? ? ［２１］曾宪沂，彭红涛，卞立波，等．砂基多孔隙透水材料探析［Ｊ］．施工技术，２０１８，４７（６）：１２７８１２７９． ? ［２２］蔡润泽，满都拉，沉思晗．砂基透水混凝土路面砖胶结料试验研究［Ｊ］．硅酸盐通报，２０１８，３７（６）：１９９５２００１．ＤＯＩ： ? ｃｎｋｉ．ｉｓｓｎ１００１１０．１６５５２／１６２５．２０１８．０６．０３３． ? ｊ．［２３］杨三强，黄士周．水胶比、级配对砂基透水砖透水系数及强度的影响［Ｊ］．长沙理工大学学报（自然科学版），２０１７，１４（４）：３０３５． ? ［２４］汪俊松，韩雪颖，张玉．透水铺装材料湿物理性质测定［Ｊ］．土木建筑与环境工程，２０１８，４０（４）：２０?２６．ＤＯＩ：１０．１１８３５／ｉｓｓｎ．１６７４４７６４．２０１８．０４．００４． ? ｊ．［２５］李鹏．聚合物改性再生骨料透水砖的性能研究［Ｊ］．新型建筑材料，２０１８（２）：１３７ＤＯＩ：１０．３９６９／ｉｓｓｎ．１００１ ?１４０． ? ｊ．７０２Ｘ．２０１８．０２．０３６．［ｉｓｓｎ．１０００?４６３７．２６］许静贤．砂基透水砖的黏模问题研究［Ｊ］．混凝土与水泥制品，２０１８（２）：７７?８１．ＤＯＩ：１０．３９６９／ｊ．２０１８．０２．０１７．［２７］王萍萍．树脂砂基透水砖的制备及性能研究［Ｄ］．大连：大连理工大学，２０１３：６２８． ? （责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｖｏｌ．４０Ｎｏ．２Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０９００５ ? 爆破振动震源荷载函数的确定刘小鸣１，陈士海１，２，胡帅伟１（１．华侨大学土木工程学院，福建厦门３６１０２１；２．华侨大学福建省隧道与城市地下空间工程技术研究中心，福建厦门３６１０２１）摘要：为研究集中装药爆炸作用下的爆破振动的震源荷载函数，提出确定装药爆破破坏区发展的动力学计算简图．通过爆破振动震源荷载的理论计算公式，讨论炸药类型、岩石性质对震源荷载特性的影响．结果表明：不同炸药类型和岩石性质的震源荷载曲线形状差别不大，在相同的装药条件下，对于同一种岩石，岩石震源荷载峰值随着弹性模量的增大而减小，随着内摩擦角和黏聚力的增大而增大；震源荷载作用的衰减速度随着黏聚力的增大而加快，但内摩擦角对震源荷载的衰减影响较小；常见的指数衰减型函数能很好地拟合理论计算结果，证明文中震源荷载计算结果的可靠性．关键词：爆破振动；爆破；震源荷载；破坏区中图分类号：ＴＤ２３文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１７２０７ ? ? ? 犇犲狋犲狉犿犻狀犪狋犻狅狀狅犳犅犾犪狊狋犻狀犵犞犻犫狉犪狋犻狅狀犛狅狌狉犮犲犔狅犪犱犉狌狀犮狋犻狅狀，ＬＩＵＸｉａｏｍｉｎｇ１，ＣＨＥＮＳｈｉｈａｉ１２，ＨＵＳｈｕａｉｗｅｉ１（１．ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ；ｙ，Ｘｉ２．ＦｕｉａｎＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＴｕｎｎｅｌｉｎｇａｎｄＵｒｂａｎＵｎｄｅｒｒｏｕｎｄＳｐａｃｅＥｎｇｉｎｅｅｒｉｎｇ，ｊｇＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｓｔｕｄｙｔｈｅｓｏｕｒｃｅｌｏａｄｆｕｎｃｔｉｏｎｏｆｂｌａｓｔｉｎｇｖｉｂｒａｔｉｏｎｃａｕｓｅｄｂｙｃｏｎｃｅｎｔｒａｔｅｄｃｈａｒｌｏ  ｇｅｅｘｐｓｉｏｎ，ａｓｉｍｐｌｉｆｉｅｄｄｙｎａｍｉｃｃａｌｃｕｌａｔｉｏｎｄｉａｇｒａｍｗａｓｐｒｅｓｅｎｔｅｄｔｏｄｅｔｅｒｍｅｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｂｌａｓｔｉｎｇｄａｍ ａｇｅｚｏｎｅ．Ｂａｓｅｄｏｎｔｈｅｔｈｅｏｒｅｔｉｃａｌｃａｌｃｕｌａｔｉｏｎｆｏｒｍｕｌａｏｆｔｈｅｂｌａｓｔｉｎｇｖｉｂｒａｔｉｏｎｓｏｕｒｃｅｌｏａｄ，ａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｅｘｐｌｏｓｉｖｅｔｓａｎｄｒｏｃｋｐｒｏｐｅｒｔｉｅｓｏｎｔｈｅｂｌａｓｔｉｎｇｖｉｂｒａｔｉｏｎｓｏｕｒｃｅｌｏａｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｗａｓｄｉｓｃｕｓｓｅｄ．Ｔｈｅｃａｌ  ｙｐｅｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｈａｐｅｓｏｆｔｈｅｓｏｕｒｃｅｌｏａｄｃｕｒｖｅｓｏｆｄｉｆｆｅｒｅｎｔｅｘｐｌｏｓｉｖｅｔｓａｎｄｒｏｃｋｐｒｏｐｅｒｔｉｅｓｙｐｅａｒｅｓｉｍｉｌａｒ．Ｕｎｄｅｒｔｈｅｓａｍｅｃｈａｒｉｎｇｃｏｎｄｉｔｉｏｎｓ，ｆｏｒｔｈｅｓａｍｅｒｏｃｋ，ｔｈｅｐｅａｋｖａｌｕｅｏｆｓｏｕｒｃｅｌｏａｄｄｅｃｒｅａｓｅｓａｓｇｔｈｅｅｌａｓｔｉｃｍｏｄｕｌｕｓｏｆｒｏｃｋｉｎｃｒｅａｓｅｓ，ｂｕｔｉｎｃｒｅａｓｅｓａｓｔｈｅｉｎｔｅｒｎａｌｆｒｉｃｔｉｏｎａｎｇｌｅａｎｄｃｏｈｅｓｉｏｎｏｆｒｏｃｋｉｎｃｒｅａｓｅ；ｔｈｅａｔｔｅｎｕａｔｉｏｎｏｆｓｏｕｒｃｅｌｏａｄｉｎｃｒｅａｓｅｓａｓｔｈｅｃｏｈｅｓｉｏｎｉｎｃｒｅａｓｅｓ，ｂｕｔｔｈｅｉｎｔｅｒｎａｌｆｒｉｃｔｉｏｎａｎｇｌｅｈａｓｌｉｔｔｌｅｅｆｆｅｃｔｏｎｔｈｅａｔｔｅｎｕａｔｉｏｎｏｆｓｏｕｒｃｅｌｏａｄ．Ｔｈｅｃｏｍｍｏｎｅｘｐｏｎｅｎｔｉａｌｄｅｃａｙｆｕｎｃｔｉｏｎｃａｎｆｉｔｔｈｅｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｗｅｌｌ，ｗｈｉｃｈｐｒｏｖｅｓｔｈｅｒｅｌｉａｂｉｌｉｔｆｔｈｅｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｓｏｕｒｃｅｌｏａｄ．ｙｏ犓犲狉犱狊：ｂｌａｓｔｉｎｇｖｉｂｒａｔｉｏｎ；ｂｌａｓｔｉｎｇ；ｖｉｂｒａｔｉｏｎｓｏｕｒｃｅｌｏａｄ；ｄａｍａｇｅｚｏｎｅ狔狑狅工程爆破在人类生产活动中，特别是在岩土开挖工程中，具有不可替代的作用，已广泛地应用于城镇改扩建工程、城市地铁建设、隧道工程等众多重大工程建设领域中．但随着爆破环境的复杂化、人们环收稿日期：２０１８０９０５ ? ? 通信作者：陈士海（１９６４Ｅ?ｍａｉｌ：ｃｓｈｂｌａｓｔ＠１６３． ?），男，教授，博士，博士生导师，主要从事岩土与地下工程的研究．ｃｏｍ．基金项目：国家自然科学基金资助项目（１１６７２１１２）；爆炸冲击防灾减灾国家重点实验室开放课题资助项目（ＤＰＭＥＩＫＦ２０１３０７）；华侨大学高层次人才科研启动项目（１３ＢＳ４０２）第２期刘小鸣，等：爆破振动震源荷载函数的确定１７３保和法制意识的增强，爆破振动造成的结构损坏事件及周围居民的投诉事件屡有发生，损失惨重．因此，在实施爆破作业时，爆破振动安全的控制成为突出问题［１２］．为充分研究爆破地震的预测与爆破振动的［３］响应，需明确爆破振动震源的物理特征．Ｓｈａｒｐｅ研究无限大、均匀且弹性介质中的球形空腔受爆炸压［］力作用的问题．Ｄｕｖａｌｌ４研究粘弹性介质的球形空穴爆炸振动，得到与实验记录波形吻合较好的结果．［］Ｂｌａｋｅ５研究在无限介质中，点源爆炸对脉冲压力、球面波的传播和介质结构的影响，指出爆炸产生的应力脉冲在记录中是一个高阻尼振荡波列，它的特征与介质的物理性质、空穴大小和炸药特性密切相关．［］［］ＤｅＨｏｏｐ６研究在半无限空间中的临近地表的脉冲式点源，并提出相关的点源理论．丁桦等７利用点源矩和等效孔穴理论研究爆破震源等效模型，认为爆破振动主要来源于爆破后的爆破区邻近范围内的地质结构的自振．陈士海等［８］建立岩石介质的爆炸变形与破坏模型，研究岩石爆破破坏界面上的应力时程．许红涛等［９］在ＣＪ爆轰条件的基础上，讨论并得到不同不耦合系数下的爆破荷载峰值的压力计算公 ? ［］［］式．Ｔｒｉｖｉ ｏ等１０在不同爆轰方向上，研究爆破振动波的速度与频率衰减关系．Ｂｌａｉｒ１１从柱状炸药的长度、爆轰速度及地震波在层状介质中的传导等方面对柱状药包爆破展开研究．此外，Ｒｏｄｒ í ｚｒｔ í ｎｅｚ ?ｍａｇｕｅ等［１２］建立球形空腔扩张的数值模拟模型，并引入Ｈｕｂｅｒｅｓｅｓ准则，系统地研究在无限介质中，复杂 ?Ｍｉ［］本构关系下的冲击波响应．Ｋａｔｚｉｒ等１３在可压缩理想弹塑性介质中，研究得到球形空腔扩张的动力近似解．高富强等［１４］采用量纲分析，建立爆破振动主频与爆心距、药量等主要影响因素的函数关系式．刘小鸣等［１５］利用等效孔穴理论和Ｈｏｏｐ点源理论，研究球形空腔压力作用下的地表振动响应．由于上述研究成果大多是将爆破震源等效为时间关系荷载，在等效荷载的基础上，研究爆破振动的传播，并没有直接建立炸药爆炸与其围岩介质相互作用的动力学过程，缺乏研究炸药量、炸药类型及岩石性质对震源荷载和振动特性的影响．因此，本文将采用岩石动力学、爆炸动力学理论，结合现有岩石爆炸动力学的试验研究和理论研究成果，研究炸药爆炸与其围岩介质相互作用的过程，确定岩石介质在爆炸作用下产生的破坏区、弹性振动区的变形与破坏特征，并建立球状装药爆破破坏区发展的动力学计算模型；通过给出与装药量、岩石性质等有关的球状装药爆破振动震源荷载函数，讨论炸药类型和岩石性质对震源荷载特性的影响．１装药爆破破坏区分区模型根据装药围岩破坏的程度，装药爆炸对岩石作用后，将形成空腔区、破碎区和弹性区，其中，弹性区又分为径向裂隙区和弹性振动区，如图１所示．图１中：犪，犫，犮分别为空腔区与破碎区交界面的半径，破碎区与径向裂隙区交界面的半径，径向裂隙区与弹性振动区交界面的半径，犪，犫，犮均为关于时间狋的函数．破碎区的特征是介质受到爆炸的挤压形成松散材料；径向裂纹区的特征是介质受到裂缝的破坏，形成类似径向柱杆，丧失环向承载力，它的作用主要是把破碎带传来的压力过渡到弹性区介质中去；弹性振动区的特征是具有原始性质的弹性介质．在爆破时，地震波的传播是先经过破碎图１爆破破坏分区区，再传到径向裂隙区．在震源的研究中，应涉及炸药爆炸产物高压膨胀与岩Ｆｉ１Ｐａｒｔｉｔｉｏｎｏｆｂｌａｓｔｉｎｇｄａｍａｇｅｚｏｎｅｓｇ．体的相互作用、空腔壁在爆生气体的作用下不断膨胀与收缩的脉冲过程、破坏区范围大小及破坏与弹性振动区交界面上的应力时程等问题的分析，而震源荷载的确定是爆破振动效应研究中最基础的工作．２震源荷载的确定２．１空腔区假设在无限弹性介质中，在半径为犪０的球形空腔中装药爆炸，爆炸腔室内的气体压力按照变性的［］Ｊｏｎｓｅｌｌｅｒ绝热曲线计算１６，即 ?Ｍｉ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１７４烄狆０犪犪０犪）＝烅狆（犪 狆０烆犪０－３γ１２０１９年犪 ≤犪，（），（）（犪犪），犪 ≤犪．  －３γ２－３γ１（１）   式（１）中：犪 为临界膨胀半径；犪０为装药的半径；犪为膨胀空腔半径；狆０为炸药爆炸压力，对于一种烈性  犪炸药（ＴＮＴ）而言，２７；＝１．５３． γ１＝３； γ２＝１．狆０＝１０ＧＰａ；犪０２．２破碎区在靠近装药的破碎区中，采用松散介质的运动方程式，对于中心对称的一维情况［１７］，可得 犞犞 犞  σ狉２（ σ狉－σθ）＋．＝＋ ρ  狋狉  狉狉  （）（２）式（２）中：犞为径向质点速度； σ狉， σθ 分别为径向应力和环向应力． ρ 为介质的密度；在破坏区内，径向应力和环向应力满足摩尔库伦强度准则，即 σ狉－σθ σ狉＋σθ ｓ ＋ｓｉｎ．＝犆·ｃｏ２２式（３）中：犆，  分别为介质的黏聚力和内摩擦角．（３）当爆炸腔室膨胀时，中心对称问题的主应力中有（１＋α） σθ －σ狉－犢＝０．（４）２犆·ｃｏｓ；２ｓｉｎ 式（４）中：犢＝． α＝１－ｓｉｎ １－ｓｉｎ 介质体积变形与剪切变形间的简单关系［１８］为 ．  ＝ψ ε χ  式（５）中：  为体积变形． ε ψ 为膨胀系数； χ 为剪切变形；（５）由此得出膨胀的条件为犞 犞 犞２犞（－．６）＋＝狉狉狉 ψ狉   考虑介质密度ρ 的变化对解答的影响很小，可认为ρ 是一个常数．根据破坏区的膨胀条件和球腔膨（）胀的边界条件可以得出犞（狉，狋）＝ （犪狋）犪狀．狀狉（７）２－式（７）中：犪为空腔表面的膨胀速度；  狀＝ ψ．球腔膨胀的边界条件为犞｜狉＝犪，狋＝ 犪（狋）．１＋ψ 将式（４）中的σθ 代入式（２）中，并对狉进行积分，结合式（７）得到破坏区的通解为２－２ α 犛１（犪犪狀）  ′狋狀犛２（犪犪狀）  犢狋）狉１＋α ．－＋ρ ＋犌（ σ狉＝狀－１２狀狉狉 α ［］（８）１＋α １＋α 式（；；８）中：犛１＝（犛２＝（犌（狋）为任意时间函数．３－狀）１－狀）２ α＋（ α １－狀）－２狀破碎区在空腔壁上的应力边界条件为狉＝犪（狋），犪）＝－狆（犪），其初始条件为狋＝０，狉＝ σ狉（ σ狉＝－狆０，犪０．带入边界条件，并求解式（８），可得２ α 犛１（犪犪狀）  ′狋犢犪２犪１＋α ．犌（狋）＝－狆（犪）－－ρ －狀犛２ 狀－１犪 α 联立式（８），（９），则破碎区内径向应力为［（）］（９）犪̈犪狀＋狀犪狀－１ 犪犪２犪２狀  犢狀犛－２ σ狉＝＋ρ 犛１－狉狀－１狉２狀 α （）２ α 犢犪１＋α 犪）＋＋ρ（犛１（犪̈犪＋狀犪２）－狀犛２  犪２）．狆（狉 α ］（）［（１０）２．３径向裂隙区径向裂隙区的特点是介质受到径向裂缝破坏，失去环向承载能力（ σθ ＝０），但径向仍具有弹性．由于犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期刘小鸣，等：爆破振动震源荷载函数的确定１７５径向裂缝区的精确动力条件对解的影响不大，径向裂缝区介质的惯性效应可不作考虑，所以可用准静力的方法研究径向裂隙区．平衡微分方程可以简化为ｄ σ狉２ σ狉（１１）＋＝０．ｄ狉狉由式（１１）可得，狉２，其中，犆０为解中带常数．在径向裂隙区内边界上满足式（４），由边界条件 σ狉＝犆０／犫）＝－犢可得，犆０＝－犢犫，则径向裂隙区应力为 σ狉（２犫２ σ狉＝－犢２．狉根据爆炸破碎区与径向裂隙区应力连续的边界条件σ狉（犫－０）＝σ狉（犫＋０），可得（１２）犪）＝ρ犚１犪̈犪＋ρ（犚１－犚２）狀犪＋犚３．  狆（（１３）２１犛１１犛２２ α １＋α 犫犫犢犫犢式（；；＋犢１３）中：犚１＝－犛１１－犚２＝－犛２１－犚３＝－＋．犪犪犪 α α ３在爆炸过程中，破碎区内和径向裂隙区内的位移，可由介质不可压缩条件狉３－犪３狉－狌狉）－犪３来０＝（［（）］［（）］（）（）获得．在狌狉狉时，破碎区位移有近似解，即狌狉＝犪３．３狉２（１４）２．４弹性震动区采用准静力的方法研究弹性区，可采用弹性力学进行求解．在球对称情况下，半径为犮的径向裂隙［］区与弹性区交界面上压力狇＝犢犫２／狉２的作用下，弹性区解１９为犫２犮 σ狉＝－犢３，狉犫２犮 σθ ＝犢３．２狉（１５）弹性震动区位移为犢（１＋ν）犫２犮（．１６）２犈狉２根据在弹性震动区与径向裂隙区交界面上的位移连续条件狌狉（犮－０）＝狌狉（犮＋０），可得空腔区与破狌狉＝碎区交界面的半径（犪）与径向裂隙区与弹性振动区交界面的半径（犮）的关系为３犪犢（１＋ν）２犫．＝３犮２犈式（１７）中：犈为弹性模量． ν 为泊松比；（１７）在弹性震动区与径向裂隙区交界面上，环向应力达到岩石的单轴抗拉强度，即σθ（犮）＝σ狋，可得 σ狋犫２．２＝２犢犮（１８）根据式（１７），（１８），可得犪３犢（１＋ν）犢（．１９）＝３２犈２犫３ σ狋联立式（１３），（１８），（１９），可计算得到犪，犫，犮和狆犫，狆犮．其中，狆犫为破碎区与径向裂隙区交界面上的槡压力；狆犮为径向裂隙区与弹性区交界面上的压力．３实例与分析３．１界面压力时程曲线假设装药半径为０．０５ｍ的球形ＴＮＴ在花岗岩中爆炸，取如下岩石基本参数值：弹性模量为６２ＧＰａ；密度为２６００ｋｇ·ｍ－３；泊松比为０．２２；岩石动态单轴抗拉强度为２０ＭＰａ；内聚力为３０ＭＰａ；内摩擦角为５０ °．取界面 Ⅰ 为破碎区与径向裂隙区的交界面，界面 Ⅱ 为径向裂隙区与弹性振动区的交界面，绘制出的界面压力时程曲线，如图２所示．图２中：狋为时间；狆为界面压力．由图２可知：界面 Ⅰ ，Ⅱ 的应力迅速上犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１７６２０１９年升到最大值，然后单调地减小到最小值，但界面 Ⅰ 上的应力衰减得更快．３．２震源荷载函数的合理性分析目前，在国内外的实际工程应用中，震源荷载多半采用半理论半经验的指数衰减型荷载、三角形荷载［３４］，或者采取与弦函数组合的形式［２０］，这些荷载形式大多基于现场试验和数值模拟，且已被工程爆破界广泛认可．在爆炸过程中，大部分的爆炸能被消耗在非弹性变形区．因此，文中将炮孔破碎区和裂隙区视为爆破振动源，径向裂隙区与弹性振动区分界面上的压力视为震源荷载．对上述的理论计算结果，采用已被广泛认可的指数衰减函数、弦函数等３种形式进行曲线拟合，得到分界面上压力时程曲线，如图３所示．图２界面压力时程图３拟合波形曲线Ｆｉ２Ｔｉｍｅｈｉｓｔｏｒｒｖｅｏｆｐｒｅｓｓｕｒｅｏｎｉｎｔｅｒｆａｃｅｇ．ｙｃｕＦｉ３Ｆｉｔｔｅｄｃｕｒｖｅｏｆｂｌａｓｔｗａｖｅｆｏｒｍｇ．１）拟合曲线１的理论计算式为狋）＝犃０ｅｘｐ（８４×１０７ｅｘｐ（７４狋）． α０狋）＝４．－６４４２．狆犮（（２０）２）拟合曲线２的理论计算式为狋）＝犃０ｃｏｓ（狋）ｅｘｐ（８１×１０ｃｏｓ（狋）ｅｘｐ（狋）．－１４６８７－２４０１３ ω α０狋）＝４．狆犮（３）拟合曲线３的理论计算式为７狀（２１）（狋）＝犃０狋ｅｘｐ（８２×１０狋ｅｘｐ（狋）．２２）－３２４６ α０狋）＝５．狆犮（由图３可知：在理论计算的时程压力曲线中，界面压力突然上升到最大值，然后，按指数衰减到零；３７０．００８２３７条拟合曲线与理论计算曲线具有良好的一致性，证明文中爆炸震源荷载计算理论的可靠性和简单方便性，同时，也揭示爆破震源的机制．３．３主要爆源参数对震源荷载的影响分析为探索不同炸药类型、岩石性质等对震源荷载峰值、荷载作用上升和下降时间等规律的影响，取不同爆源参数进行计算，得到爆破径向裂隙区与弹性振动区分界面上的震源荷载时程曲线，如图４所示．图４中：犈弹性模量；犆为黏聚力；  为内摩擦角．２３．３．１不同炸药类型的影响不同的炸药类型表现为爆破孔壁压力峰值（犇分狆０＝ρ０犇／８）不同， ρ０，别为炸药密度和爆速．取相同装药量的乳化炸药、硝铵炸药分别进行计算，并与ＴＮＴ炸药比较．乳化炸药和硝铵炸药的密度分别取１４００，１０００ｋｇ·ｍ－３，炸药爆速分别取４２００，３２００ｍ·ｓ－１．由图４（ａ）可知：炸药类型对荷载峰值的影响较为明显，对峰值荷载作用上升和下降时间的影响较小．这是由于炸药密度和炸药爆速越大，炸药烈性越强，导致炸药在不同部位的能量释放时间越集中，荷载峰值越大．３．３．２岩石性质的影响为研究岩石性质对震源荷载峰值、荷载作用时间等规律的影响，改变岩石的弹性模量、黏聚力和内摩擦角分别计算爆破震源荷载时程．由图４（ｂ）～（ｄ）可知：岩石性质对荷载峰值的影响较为明显，其中岩石的黏聚力影响最大．在装药相同的条件下，对于同一种岩石，岩石弹性模量越大，其荷载峰值越小．根据弹性模量的定义分析，岩石的弹性模量越大，岩石越难被破坏，故需要更多的能量用来破坏岩石，从而传播到径向裂隙区与弹性振动区分界面的能量越少，导致荷载峰值越小．在装药相同的条件下，对于同一种岩石，岩石内摩擦角和黏聚力越大，震源荷载峰值越大．由于岩石犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期刘小鸣，等：爆破振动震源荷载函数的确定１７７黏聚力对峰值荷载作用下降时间影响巨大，黏聚力越大，峰值荷载下降得越快；而岩石内摩擦角对震源荷载的衰减影响较小．这是因为文中是依据摩尔库伦强度准则进行计算的，由于岩石的抗剪切强度τ＝犮＋σ·ｔａｎ 直接决定界面压力，粘聚力和内摩擦角越大，岩石的剪切强度越大，故内摩擦角和黏聚力越大，其荷载峰值越大；强度较大的岩石聚集的能量较多，岩石破碎时，释放能量的速率也较快；此外，相对于内摩擦角，岩石的粘聚力对岩石的剪切强度影响更大，故黏聚力越大，峰值荷载下降得越快，而内摩擦角则对震源荷载的衰减影响较小．（ａ）炸药类型（ｂ）弹性模量（ｃ）黏聚力（ｄ）内摩擦角图４不同爆源参数下的震源荷载时程Ｆｉ４Ｔｉｍｅｈｉｓｔｏｒｒｖｅｏｆｖｉｂｒａｔｉｏｎｓｏｕｒｃｅｌｏａｄｆｏｒｄｉｆｆｅｒｅｎｔｅｘｐｌｏｓｉｏｎｓｏｕｒｃｅｐａｒａｍｅｔｅｒｓｇ．ｙｃｕ４结论根据岩石爆破变形与破坏特征，利用空腔膨胀理论，结合岩石准静力的破坏条件，推导集中装药爆破条件下的爆破破碎区、径向裂隙区和弹性震动区半径的计算公式，给出爆破振动震源荷载函数，并讨论炸药类型和岩石性质对震源荷载特性的影响规律，得到以下３点主要结论．１）将炮孔破碎区和裂隙区视为爆破振动源，径向裂隙区与弹性振动区分界面上的压力视为震源荷载．爆破震源荷载在极短的时间内上升到最大值，然后单调地减小到最小值．２）采用常见的指数衰减型函数和弦函数曲线可以很好地拟合出震源荷载曲线，证明文中计算爆炸震源荷载的方法是可靠的．３）炸药类型和岩石性质对震源荷载特性的影响分析表明：炸药类型对荷载峰值影响较为明显，密度和炸药爆速越大，炸药烈性越强，相同装药量爆炸时的震源荷载越大；岩石弹性模量越大，其荷载峰值越小，岩石内摩擦角和黏聚力越大，其荷载峰值越大；黏聚力对峰值荷载作用下降时间影响很大，黏聚力越大，峰值荷载下降得越快．参考文献：［１］魏荣丰，郭子雄，黄群贤．闽南地区农村石结构房屋的爆破振动损伤特点［Ｊ］．华侨大学学报（自然科学版），２００９，３０（５）：５６８５７１．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２００９．０５．０５６８． ? ? 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１７８２０１９年［２］郑强，林从谋，林丽群，等．小净距隧道爆破山顶石房楼层振动效应［Ｊ］．华侨大学学报（自然科学版），２０１１，３２（１）：８１８６．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１１．０１．００８１． ? ? ［３］ＳＨＡＲＰＥＪＡ．Ｔｈｅｐｒｏｄｕｃｔｉｏｎｏｆｅｌａｓｔｉｃｗａｖｅｓｂｙｅｘｐｌｏｓｉｏｎｐｒｅｓｓｕｒｅｓ；Ⅰ ，ｔｈｅｏｒｉｒｉｃａｌｆｉｅｌｄｏｂｓｅｒｖａｔｉｏｎｓｙａｎｄｅｍｐ［Ｊ］．Ｇｅｏｐｈｙｓｉｃｓ，１９４２，７（２）：１４４１５４．ＤＯＩ：１０．１１９０／１．１４４５００２． ? ［４］ＤＵＶＡＬＬＷＩ．Ｓｔｒａｉｎｗａｖｅｓｈａｐｅｉｎｒｏｃｋｎｅａｒｅｘｐｌｏｓｉｏｎｓ［Ｊ］．Ｇｅｏｐｈｙｓｉｃｓ，１９５３，１８（２）：３１０３２３．ＤＯＩ：ｏｒ１１９０／ ? ｇ／１０．１．１４３７８７５．［５］ＢＬＡＫＥＦＧ．Ｓｐｈｅｒｉｃａｌｗａｖｅｐｒｏｐａｇａｔｉｏｎｉｎｓｏｌｉｄｍｅｄｉａ［Ｊ］．ＪｏｕｒｎａｌｏｆｔｈｅＡｃｏｕｓｔｉｃａｌＳｏｃｉｅｔｆＡｍｅｒｉｃａ，１９５２，２４ｙｏ（２）：２１１２１５．ＤＯＩ：ｏｒ１１２１／１．１９０６８８２． ? ｇ／１０．［６］ＤＥＨＯＯＰＡＴ．Ｔｈｅｏｒｅｔｉｃａｌｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅｓｕｒｆａｃｅｍｏｔｉｏｎｏｆａｕｎｉｆｏｒｍｅｌａｓｔｉｃｈａｌｆｓｐａｃｅｐｒｏｄｕｃｅｄｂｙａｄｉｌａｔａ  ? ｉｎｔｓｏｕｒｃｅ［ｔｉｏｎａｌ，ｉｍｐｕｌｓｉｖｅ，ｐｏＣ］∥ＬａＰｒｏｐａｇａｔｉｏｎＤｅｓｂｒａｎｌｅｍｅｎｔｓＤａｎｓＬｅｓＭｉｌｉｅｕｘＨ ｔｒｏｇｎｅｓ．Ｍａｒｓｅｉｌｌｅ：   ＣｏｌｌｏｑｕｅｓＩｎｔｅｒｎａｔｉｏｎａｕｘｄｕＣｅｎｔｒｅＮａｔｉｏｎａｌｄｅｌａＲｅｃｈｅｒｃｈｅＳｃｉｅｎｔｉｆｉ１９６１：２１３０． ? ｑｕｅ，［ｉｓｓｎ．１６７４７］丁桦，郑哲敏．爆破震动等效载荷模型［Ｊ］．中国科学（Ｅ辑），２００３（１）：８２９０．ＤＯＩ：１０．３９６９／７２５９．２００３． ? ? ｊ．０１．０１１．［８］陈士海，王明洋，钱七虎，等．岩石爆破破坏界面上的应力时程研究［Ｊ］．岩石力学与工程学报，２００３，２２（１１）：１７８４ ? １７８８．ＤＯＩ：ｏｒＩ１１／１７８４．ｇ／ＣＮ／Ｙ２００３／Ｖ２２／［９］许红涛，卢文波，周小恒．爆破震动场动力有限元模拟中爆破荷载的等效施加方法［Ｊ］．武汉大学学报（工学版），２００８，４１（１）：６７７１． ? ［１０］ＴＲＩＶＩＯＬＦ，ＭＯＨＡＮＴＹＢ，ＭＩＬＫＥＲＥＩＴＢ．ＳｅｉｓｍｉｃｗａｖｅｆｏｒｍｓｆｒｏｍｅｘｐｌｏｓｉｖｅｓｏｕｒｃｅｓｌｏｃａｔｅｄｉｎｂｏｒｅｈｏｌｅｓＪ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＧｅｏｐｈｙｓｉｃｓ，２０１２，８７（１２）：８１?９３．ＤＯＩ：ｏｒ１０１６／ａｎｄｉｎｉｔｉａｔｅｄｉｎｄｉｆｆｅｒｅｎｔｄｉｒｅｃｔｉｏｎｓ［ｇ／１０．ｊ．ａｐｐｇｅｏ．２０１２．０９．００４．ｊ［１１］ＢＬＡＩＲＤＰ．Ｂｌａｓｔｖｉｂｒａｔｉｏｎｄｅｐｅｎｄｅｎｃｅｏｎｃｈａｒｅｎｇｔｈ，ｖｅｌｏｃｉｔｆｄｅｔｏｎａｔｉｏｎａｎｄｌａｙｅｒｅｄｍｅｄｉａ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌｇｅｌｙｏｉｒｍｍｓ．２０１３．１１．００７．ＪｏｕｒｎａｌｏｆＲｏｃｋＭｅｃｈａｎｉｃｓａｎｄＭｉｎｉｎｇＳｃｉｅｎｃｅｓ，２０１４，６５（１）：２９３９．ＤＯＩ：ｏｒ１０１６／ ? ｊ．ｊｇ／１０．［１２］ＲＯＤＲ?ＧＵＥＺＣＯＨＥＮＴ，ＺＡＥＲＡＲ．Ａｐｐｒｏａｃｈｉｎｇｓｔｅａｄｙｃａｖｉｔａｔｉｏｎ：Ｔｈｅｔｉｍｅｓｃａｌｅｉｎｈｙｐｅｒｖｅ  ?ＭＡＲＴ?ＮＥＺＪＡ，Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＩｍｐａｃｔｌｏｃｉｔａｖｉｔｉｏｎｉｎｗｏｒｋｈａｒｄｅｎｉｎｇａｎｄｔｒａｎｓｆｏｒｍａｔｉｏｎｈａｒｄｅｎｉｎｇｓｏｌｉｄｓ［ｙｃｙｅｘｐａｎｓＥｎｇｉｎｅｅｒｉｎｇ，２０１４，７３（１１）：４３５５．ＤＯＩ：ｏｒ１０１６／ｉｉｍｐｅｎｇ．２０１４．０６．００５． ? ｇ／１０．ｊ．ｊ［１３］ＫＡＴＺＩＲＺ，ＲＵＢＩＮＭＢ．Ａｓｉｍｐｌｅｆｏｒｍｕｌａｆｏｒｄｙｎａｍｉｃｓｐｈｅｒｉｃａｌｃａｖｉｔｉｏｎｉｎａｃｏｍｐｒｅｓｓｉｂｌｅｅｌａｓｔｉｃｐｅｒｆｅｃｔ  ｙｅｘｐａｎｓｌｌａｓｔｉｃｍａｔｅｒｉａｌｗｉｔｈｌａｒｆｏｒｍａｔｉｏｎｓ［Ｊ］．ＭａｔｈｅｍａｔｉｃｓａｎｄＭｅｃｈａｎｉｃｓｏｆＳｏｌｉｄｓ，２０１１，１６（７）：６６５?６８１．ＤＯＩ：ｙｐｇｅｄｅｏｒ１１７７／１０８１２８６５１０３８７７２３．ｇ／１０．［１４］高富强，侯爱军，杨小林，等．基于量纲理论的爆破振动频率分析［Ｊ］．爆破，２０１０，２７（３）：１３．ＤＯＩ：１０．３９６３／ｉｓｓｎ． ? ｊ．１００１４８７Ｘ．２０１０．０３．００１． ? ［１５］刘小鸣，陈士海．弹性半空间球形药包爆破引起的地表振动波形预测［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（６）：８２６８３１．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０４０８８． ? ? ［１６］ＳＨＥＲＹＮ，ＡＬＥＫＳＡＮＤＲＯＶＡＮＩ．Ｄｙｎａｍｉｃｓｏｆｂｒｅａｋｉｎｇｚｏｎｅｄｅｖｅｌｏｐｍｅｎｔｄｕｒｉｎｇｅｘｐｌｏｓｉｏｎｏｆａｃｏｎｃｅｎｔｒａｔｅｄｃｈａｒｎａｂｒｉｔｔｌｅｍｅｄｉｕｍ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｉｎｉｎｇＳｃｉｅｎｃｅ，２０００，３６（５）：４６２４７５．ＤＯＩ：ｏｒ１０２３／Ａ：１０１６６１６７． ? ｇｅｉｇ／１０．［１７］陈士海，魏海霞，杜荣强，等．建筑结构爆破地震效应［Ｍ］．北京：煤炭工业出版社，２０１１．［１８］戚承志，钱七虎．岩体动力变形与破坏的基本问题［Ｍ］．北京：科学出版社，２００９．［１９］戴宏亮．弹性动力学［Ｍ］．长沙：湖南大学出版社，２０１４．［２０］ＢＬＡＩＲＤ，ＭＩＮＣＨＩＮＴＯＮＡ．Ｏｎｔｈｅｄａｍａｇｅｚｏｎｅｓｕｒｒｏｕｎｄｉｎｇａｓｉｎｇｌｅｂｌａｓｔｈｏｌｅ［Ｊ］．Ｆｒａｇｂｌａｓｔ，１９９７，１（１）：５９７２． ? ＤＯＩ：１０．１０８０／１３８５５１４９７０９４０８３９０．（编辑：李宝川责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８１１０１５ ? 高强冷弯矩形截面钢管混凝土柱偏压性能试验黄泳水１，２，张继承１，２，饶玉龙１，２，李勇１，２，申兴月１，２，３，吕宇莎４（１．长江大学城市建设学院，湖北荆州４３４０２３；２．长江大学结构工程与防灾研究所，湖北荆州４３４０２３；３．武汉建工集团股份有限公司，湖北武汉４３００００；４．河北建研建筑设计有限公司，河北石家庄０５００００）摘要：为研究高强冷弯矩形截面钢管混凝土柱（ＣＦＳＴ）在偏心受压荷载作用下的力学性能，对Ｑ４２０型高强冷弯钢设计制作的矩形截面钢管混凝土柱进行偏心受压试验，获得试件在偏压荷载作用下的破坏形态、跨中挠度及应变分布规律，并分析不同参数对试件偏心受压承载能力的影响．试验结果表明：高强冷弯矩形截面钢管混凝土柱的偏心受压性能受长细比、偏心率和宽厚比等参数影响较为明显，长细比、偏心率和宽厚比越大，高强冷弯矩形截面钢管混凝土柱的偏心受压承载能力越小．关键词：高强冷弯钢管；钢管混凝土柱；偏压性能；承载力中图分类号：ＴＵ３９２．３；ＴＵ３１７．１文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１７９０７ ? ? ? 犈狓狆犲狉犻犿犲狀狋犪犾犛狋狌犱狔狅狀犈犮犮犲狀狋狉犻犮犪犾犾犲狊狊犲犱犘犲狉犳狅狉犿犪狀犮犲狅犳 ?犆狅犿狆狉狔犎犻犛狋狉犲狀犵狋犺犆狅犾犱狉犿犲犱犚犲犮狋犪狀犵狌犾犪狉犛犲犮狋犻狅狀犆犉犛犜犆狅犾狌犿狀狊 ? ?犉狅 ? 犵犺，，，ＨＵＡＮＧＹｏｎｇｓｈｕｉ１２，ＺＨＡＮＧＪｉｃｈｅｎｇ１２，ＲＡＯＹｕｌｏｎｇ１２，，，，ＬＩＹｏｎｇ１２，ＳＨＥＮＸｉｎｇｙｕｅ１２３，Ｌ Ｙｕｓｈａ４（１．ＳｃｈｏｏｌｏｆＵｒｂａｎＣｏｎｓｔｒｕｃｔｉｏｎ，ＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｉｎｇｚｈｏｕ４３４０２３，Ｃｈｉｎａ；ｙ，Ｊ２．ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＳｔｒｕｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｉｓａｓｔｅｒＲｅｄｕｃｔｉｏｎ，ＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｉｎｇｚｈｏｕ４３４０２３，Ｃｈｉｎａ；ｙ，Ｊ３．ＷｕｈａｎＣｏｎｓｔｒｕｃｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｗｕｈａｎ４３００００，Ｃｈｉｎａ；４．ＨｅｂｅｉＩｎｓｔｉｔｕｔｅｏｆＢｕｉｌｄｉｎｇＡｒｃｈｉｔｅｃｔｕｒａｌＤｅｓｉｉｍｉｔｅｄＣｏｍｐａｎｙ，Ｓｈｉｉａｚｈｕａｎｇ０５００００，Ｃｈｉｎａ）ｇｎＬｊ犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｉｎｖｅｓｔｉｔｅｔｈｅｍｅｃｈａｎｉｃａｌｐｅｒｆｏｒｍａｎｃｅｏｆｈｉｓｔｒｅｎｇｔｈｃｏｌｄｄｅｆｏｒｍｅｄｒｅｃｔａｎｇｕｌａｒｓｅｃ  ? ? ? ｇａｇｈｆｉｌｌｅｄｓｔｅｅｌｔｕｂｕｌａｒ（ＣＦＳＴ）ｃｏｌｕｍｎｓｕｎｄｅｒｅｃｃｅｎｔｒｉｃｃｏｍｐｒｅｓｓｉｏｎｌｏａｄｉｎｇ，ｔｈｅｓｐｅｃｉｍｅｎｓｗｅｒｅｄｅ  ｔｉｏｎｃｏｎｃｒｅｔｅ ? ｓｉｆａｃｔｕｒｅｄｕｓｉｎｇＱ４２０ｈｉｔｒｅｎｇｔｈｃｏｌｄｆｏｒｍｅｄｓｔｅｅｌ，ｔｈｅｅｃｃｅｎｔｒｉｃｃｏｍｐｒｅｓｓｉｏｎｅｘｐｅｒｉｍｅｎｔｓ ?ｓ ? ｇｎｅｄａｎｄｍａｎｕｇｈｗｅｒｅｃｏｎｄｕｃｔｅｄｔｏｏｂｔａｉｎｔｈｅｆａｉｌｕｒｅｍｏｄｅ，ｍｉｄｓｐａｎｄｅｆｌｅｃｔｉｏｎ，ｓｔｒａｉｎｄｉｓｔｒｉｂｕｔｉｏｎ．Ｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｐａ  ? ｒａｍｅｔｅｒｓｏｎｔｈｅｅｃｃｅｎｔｒｉｃｃｏｍｐｒｅｓｓｉｖｅｂｅａｒｉｎｇｃａｐａｃｉｔｆｔｈｅｓｐｅｃｉｍｅｎｓｗｅｒｅｉｎｖｅｓｔｉｔｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｙｏｇａｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ：ｔｈｅｅｃｃｅｎｔｒｉｃａｌｌｃｏｍｐｒｅｓｓｅｄｐｅｒｆｏｒｍａｎｃｅｏｆｈｉｔｒｅｎｇｔｈｃｏｌｄｆｏｒｍｅｄｒｅｃｔａｎｇｕｌａｒｓｅｃｔｉｏｎ ? ? ? ｙｇｈｓＣＦＳＴｃｏｌｕｍｎｓｉｓｓｉｉｆｉｃａｎｔｌｆｆｅｃｔｅｄｂｙｔｈｅｓｌｅｎｄｅｒｎｅｓｓｒａｔｉｏ，ｅｃｃｅｎｔｒｉｃｉｔａｔｉｏａｎｄｗｉｄｔｈ? ｔｈｉｃｋｎｅｓｓｒａｔｉｏ．ｇｎｙａｙｒｃｃｅｎｔｒｉｃｉｔａｔｉｏａｎｄｗｉｄｔｈｔｈｉｃｋｎｅｓｓｒａｔｉｏｉｎｃｒｅａｓｅ，ｔｈｅｅｃｃｅｎｔｒｉｃｃｏｍｐｒｅｓｓｉｖｅｂｅａｒＡｓｔｈｅｓｌｅｎｄｅｒｎｅｓｓｒａｔｉｏ，ｅ ? ? ｙｒ收稿日期：２０１８１１０９ ? ? 通信作者：张继承（１９７６Ｅ?ｍａｉｌ：ｚｈａｎｇｃ１９７６＠ｈｏｔｍａｉｌ． ? ），男，教授，博士，主要从事钢管混凝土组合结构的研究．ｊｃｏｍ．基金项目：国家自然科学基金资助项目（５１７７８０６５）；湖北省教育厅科学技术研究项目（Ｄ２０１５１３０４）１８０华侨大学学报（自然科学版）２０１９年ｉｎｇｃａｐａｃｉｔｆｈｉｔｒｅｎｇｔｈｃｏｌｄｆｏｒｍｅｄｒｅｃｔａｎｇｕｌａｒｓｅｃｔｉｏｎＣＦＳＴｃｏｌｕｍｎｓｄｅｃｒｅａｓｅｓ． ? ｙｏｇｈｓ犓犲狉犱狊：ｈｉｔｒｅｎｇｔｈｃｏｌｄ? ｆｏｒｍｅｄｓｔｅｅｌ；ｃｏｎｃｒｅｔｅｆｉｌｌｅｄｓｔｅｅｌｔｕｂｕｌａｒｃｏｌｕｍｎ；ｅｃｃｅｎｔｒｉｃａｌｌｏｍｐｒｅｓｓｅｄ ? ｇｈ?ｓｙ?ｃ狔狑狅ａｒｉｎｇｃａｐａｃｉｔｒｆｏｒｍａｎｃｅ；ｂｅｙｐｅ钢管混凝土结构是一种应用广泛的结构形式，具有承载力高、刚度大、经济性好、施工方便及抗震性能优异等特点，广泛应用于高层、超高层建筑和大跨桥梁等工程，受到研究人员的广泛关注．高强冷弯钢管混凝土结构除了具有钢管混凝土结构的基本优点外，还具有焊缝少、焊接量小、焊接质量高、施工工期节省等特点，冷弯钢管生产过程中产生较小的残余应力和残余变形，有利于构件的力学性能，具有广阔的应用前景．目前，大多研究主要集中于普通强度钢管混凝土的力学性能研究［１?４］，对高强钢管混凝土的力学性能研究较少［５?１３］．对普通冷弯钢管混凝土构件的偏压性能研究主要集中在以薄壁型钢和冷弯型［］钢为主要组成的钢管混凝土构件．Ｓｈａｎｍｕｇａｍ等１４研究在柱顶施加轴力与双向弯矩下，长宽比和宽厚比对冷弯矩形截面型钢制作的钢管混凝土柱承载力的影响，并提出犕?犖曲线．曹宝珠［１５］对薄壁钢管混凝土柱的力学性能进行试验研究，研究在轴压和偏压荷载作用下宽厚比、长细比、偏心率及混凝土强度等参数对极限承载力的影响．陈勇［１６］对４２个短柱和２７根长柱的冷弯薄壁钢管混凝土柱进行偏心受压试验研究与数值模拟，给出冷弯薄壁钢管混凝土柱极限承载力的计算方法．陶忠等［１７］通过试验和数值模拟，验证冷弯钢管混凝土柱具有优越的力学性能，提出不同受力方式下该类柱承载力的计算方法．王静峰等［１８］开展多影响因素下冷弯薄壁方形截面钢管混凝土组合柱的力学性能试验研究和进行非线性分析．王兰等［１９］利用有限元数值模拟研究带脱空的钢管混凝土短柱的抗剪性能．申兴月等［２０］对高强冷弯矩形钢管混凝土柱进行偏心受压试验研究和有限元数值分析，论证其具有较好的偏压性能．鉴于目前国内外对内填高强混凝土的高强冷弯钢管柱偏心受压力学性能的研究较少，本文对９根高强冷弯矩形表１试件主要设计参数截面钢管混凝土柱进行偏心受压试验．Ｔａｂ．１Ｍａｉｎｄｅｓｉｒａｍｅｔｅｒｓｏｆｓｐｅｃｉｍｅｎｓｇｎｐａ１试验概况１．１试件设计试验设计制作９根矩形截面的高强冷试件编号／ｍｍ犲／ｍｍ犔／ｍｍ犃／ｍｍ犅／ｍｍ狋犅／狋犔／犻ＣＦＳＴ?Ｚ１１３００２００１５０４５０３７．５３０．０ＣＦＳＴ?Ｚ２１３００２００１５０５５０３０．０３０．０ＣＦＳＴ?Ｚ３１３００２００１５０６５０２５．０３０．０弯钢管混凝土柱，长度均为１３００ｍｍ，柱ＣＦＳＴ?Ｚ４１３００２００１００５３０２０．０４５．０截面长度方向尺寸均为２００ｍｍ，宽度方ＣＦＳＴ?Ｚ５１３００２００１００５５０２０．０４５．０向尺寸按比例变化．试件主要设计参数，如ＣＦＳＴ?Ｚ６１３００２００１００５８０２０．０４５．０表１所示．表１中：犔，犃，犅，狋分别为试件ＣＦＳＴ?Ｚ７１３００２００１００５５０２０．０４５．０ＣＦＳＴ?Ｚ８１３００２００１５０５５０３０．０３０．０ＣＦＳＴ?Ｚ９１３００２００２００５５０４０．０２２．５柱长，截面长度，截面宽度，截面厚度；犲为偏心距；犅／狋为宽厚比；犔／犻为长细比．为保证试件加载过程中柱端受力均匀，在试件顶部和底部分别设置１５ｍｍ厚矩形端板，依据不同矩形钢管混凝土柱截面尺寸，端板尺寸分别设计为２４０ｍｍ×２４０ｍｍ，２４０ｍｍ×１９０ｍｍ，２４０ｍｍ× １４０ｍｍ．在混凝土浇筑前，将一端端板与钢管焊接；在浇筑混凝土时，竖起钢管进行混凝土分段浇灌，浇表２钢材主要材料性能参数灌高为０．５ｍ．采用振捣棒将混凝土振捣密实，待Ｔａｂ．２Ｍａｉｎｍａｔｅｒｉａｌｐｒｏｐｅｒｔｉｅｓｏｆｓｔｅｅｌ混凝土浇灌完成养护２８ｄ后，将另一端混凝土打磨平整光滑并将端板与钢管焊接．／ｍｍ犳ｙ／ＭＰａ犳ｕ／ＭＰａ犈ｓ／ＴＰａ δ／％犃／ｍｍ犅／ｍｍ狋１．２材料性能Ｑ４２０型高强冷弯钢主要材料性能参数，如表２００１００５４３２５８３０．１９４３０２００２００２００２００１５０１５０１５０２００４５６５３６５４２７４６８４８１４８１５７８６２９６２７０．１８２０．１８２０．２０１０．１８９３３２９３１３３２所示．表２中：犃，犅，狋分别为试件截面长度、截面宽度、截面厚度；犳ｙ为屈服强度；犳ｕ为极限强度；犈ｓ为弹性模量； δ 为伸长率．核心混凝土采用Ｃ４０，通过标准压缩试验，得到标准混凝土立方体的抗压强度平均值犳ｃｕ为３８．９ＭＰａ．１．３试验加载与加载制度试验采用量程为５０００ｋＮ的液压伺服压剪试验机对试件进行偏压加载，如图１所示．在柱上下两犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期黄泳水，等：高强冷弯矩形截面钢管混凝土柱偏压性能试验１８１端设置柱铰，并调整偏心力的施加位置，利用压剪试验机控制偏心力的加载大小，实现偏压加载．柱铰为３００ｍｍ×１４５ｍｍ钢垫块开圆弧槽并与圆柱体芯咬合的装置，柱铰可绕圆柱体芯旋转，保证柱端加载端板受压均匀．试验前，在试件底部和中部粘贴应变片、受压侧均匀布置５个位移传感器，选用ＤＨ３８１６型应变采集箱采集钢管表面应变和位移变化情况．试件应变片布置，如图２所示．试验加载过程中，当初始试件顶端的柱铰即将接触到加载顶板时，采用位移加载；之后，停止位移加载，采用力控制加载．为确保加载装置和采集系统正常工作，按照１／１０的预估值为一级，逐级加载，每级加载结束后，静载２ｍｉｎ．（ａ）柱铰示意图１试件加载装置（ｂ）试件底部１／４处（ｃ）试件跨中部位图２试件应变片布置（单位：ｍｍ）Ｆｉ１Ｓｐｅｃｉｍｅｎｌｏａｄｉｎｇｓｅｔ ?ｕｐｇ．Ｆｉ２Ｌａｙｏｕｔｏｆｓｔｒａｉｎｇａｕｇｅｓ（ｕｎｉｔ：ｍｍ）ｇ．２试验结果及分析２．１试验现象试件的破坏形态，如图３所示．在不同偏心率下，试件的荷载?侧向变形曲线，如图４所示．图４中：狌为侧 ζ 为偏心率；向变形．由图３可知：试件整体变形为中部弯曲，局部鼓曲，在偏心荷载作用下，试件破坏特征均表现为弯曲破坏．因此，高强冷弯矩形截面钢管混凝土柱与普通矩形截面钢管混凝土柱的偏心受压力学特性类似，破坏形态基本一致．采用Ｑ４２０型图３典型试件的破坏形态高强钢管设计的试件在偏心荷载作用前期试验现象并不明Ｆｉ３Ｆａｉｌｕｒｅｍｏｄｅｓｏｆｔｉｃａｌｓｐｅｃｉｍｅｎｓｇ．ｙｐ显；在长细比、偏心率和宽厚比的影响下，随着偏心荷载加载至钢管屈服，试件跨中部位弯曲现象显著，鼓曲现象发展迅速，最终试件因丧失承载能力而导致完全破坏．（ａ）试件ＣＦＳＴ?Ｚ４（ｂ）试件ＣＦＳＴ?Ｚ５（ｃ）试件ＣＦＳＴ?Ｚ６图４试件荷载?侧向变形曲线Ｆｉ４Ｌｏａｄｌａｔｅｒａｌｄｅｆｏｒｍａｔｉｏｎｃｕｒｖｅｏｆｓｐｅｃｉｍｅｎｓ ? ｇ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１８２２０１９年由图４可知：在极限承载力范围内，偏心荷载越大，试件的侧向变形曲线的曲率越大，表明偏心率对该类偏压柱侧向位移影响显著；偏心距越大，对侧向变形影响越明显，破坏荷载则越小．２．２破坏特征试件在不同偏心率下的荷载?跨中挠度曲线和不同参数下的荷载?竖向位移曲线，分别如图５，６所示．图５，６中：犉为荷载；狊为挠度．试件破坏过程经历了３个阶段：弹性阶段、弹塑性阶段、破坏阶段．１）弹性阶段．加载初期，当荷载逐渐增加至极限荷载的６０％时，试件无明显现象．力与变形呈直线上升，力增速较快，应力与变形均较小．钢管套箍作用可忽略，跨中钢管表面油漆出现褶皱，核心混凝土有被压密实的微小噼啪声．２）弹塑性阶段．当荷载增加至极限荷载的７０％时，试件变形速率大于力增加速率．跨中轻微弯曲并出现油漆剥落，试件上、下端部油漆轻微褶皱，应力和挠度明显增加．荷载?位移曲线出现拐点，由直线段到达弯曲段，钢管局部屈曲，跨中截面前后侧钢管出现鼓曲．３）破坏阶段．随着荷载继续增加，试件跨中挠度增速加快，钢管套箍效应明显．核心混凝土被压碎并伴有轻微破碎炸裂声，跨中截面前后侧钢管严重鼓曲，左右侧出现鼓曲，鼓曲位置逐渐由中部向角部扩展．此时，受位移引起的二阶弯矩作用影响，二阶效应明显，试件加速弯曲，鼓曲显著，荷载增加速率小于变形速率，加载后期试件迅速达到了极限承载力．当超过峰值荷载后，承载力快速下降，试件急剧变形，跨中部位严重鼓曲，最终弯曲破坏．（ａ）不同宽厚比（ｂ）不同偏心率（ｃ）不同长细比图５试件跨中挠度曲线Ｆｉ５Ｍｉｄｓｐａｎｄｅｆｌｅｃｔｉｏｎｃｕｒｖｅｏｆｓｐｅｃｉｍｅｎｓｇ．（ａ）不同宽厚比（ｂ）不同偏心率（ｃ）不同长细比图６试件荷载?位移曲线Ｆｉ６Ｌｏａｄｄｉｓｐｌａｃｅｍｅｎｔｃｕｒｖｅｏｆｓｐｅｃｉｍｅｎｓ ? ｇ．由图５可知：试件挠曲变形在弹性阶段时呈线性变化，变形缓慢；弹塑性阶段时呈非线性变化，变形加快；破坏阶段时，变形迅速，出现塑性破坏．由图５（ａ）可知：宽厚比越小，极限承载力越大．由图５（ｂ）可知：偏心率对挠曲变形影响明显，弹性阶段变形速率较快，偏心率越大，承载能力越小．由图５（ｃ）可知：长细比越大，极限承载力越小，越易屈曲破坏．由图６可知：试件在偏心荷载作用下，钢管的套箍效应显著，一定程度提高试件的整体承载能力．加载过程中，核心混凝土横向变形明显；加载初期，核心混凝土泊松比由加载初期小于钢管的泊松比，逐渐犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期黄泳水，等：高强冷弯矩形截面钢管混凝土柱偏压性能试验１８３增加变为大于钢管的泊松比．由图６（ａ）可知：宽厚比对试件的偏心受压性能影响明显，随着宽厚比的增大，偏心受压承载能力缓慢减小．由图６（ｂ）可知：偏心率对试件偏心受压承载力的影响显著，偏心率越大，偏心受压承载力越小，变化迅速．由图６（ｃ）可知：长细比越大，承载力越小，长细比对偏心受压性能影响较大．２．３荷载?竖向应变根据竖向应变片采集的应变数据得到不同参数下试件的荷载?竖向应变曲线，如图７所示．图７中： ε 为应变．由图７可知：与宽厚比、偏心率相比，长细比对竖向应变影响最大，曲线分散，极限承载力差别较大．因此，长细比越大，竖向位移变化越迅速，钢管混凝土柱越容易弯曲破坏．在偏心受压荷载作用下，在试件的跨中截面位置处，远离荷载作用点一侧受拉，试件的应变值为正值；临近荷载作用点一侧受压，试件的应变值为负值．跨中截面受压区的应变远大于受拉区的应变，偏心荷载越大，应变值越大．当钢管屈服后，试件应变增加迅速，大于荷载增速．在受拉区和受压区的应变均有一定的流幅阶段，但并不明显．加载完成后，试件拉、压区的应变均达到屈服应变．（ａ）不同宽厚比（ｂ）不同偏心率（ｃ）不同长细比图７试件跨中荷载?竖向应变曲线Ｆｉ７Ｍｉｄｓｐａｎｌｏａｄｖｅｒｔｉｃａｌｓｔｒａｉｎｃｕｒｖｅｏｆｓｐｅｃｉｍｅｎｓ ? ｇ．２．４跨中截面应变试件在不同长细比（犎为 λ）下跨中截面沿高度方向等分点应变的分布曲线，如图８所示．图８中：截面高度．由图８可知：沿截面高度应力分布变化趋势相同；加载前期，试件截面平均应变表现为线性变化趋势，处于弹性阶段，加载后期，试件的截面应变表现为非线性变化趋势，表明钢管局部屈曲，钢管壁与核心混凝土剥离；长细比越大，试件受二阶弯矩影响越大越容易破坏．（ａ）λ＝４５．０（ｂ）λ＝３０．０（ｃ）λ＝２２．５图８试件跨中沿高度方向应变分布Ｆｉ８Ｍｉｄｓｐａｎｓｔｒａｉｎｄｉｓｔｒｉｂｕｔｉｏｎａｌｏｎｇｈｅｉｔｄｉｒｅｃｔｉｏｎｇ．ｇｈ３承载力计算根据ＣＥＣＳ２８：２０１２《钢管混凝土结构技术规程》［２１］，ＧＢ５０９３６－２０１４《钢管混凝土结构技术规范》［２２］，基于极限平衡理论，考虑长细比和偏心率对承载力的影响，得到矩形截面钢管混凝土柱偏压承犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１８４２０１９年载力计算公式为（１）犖ｕ＝ φｌφｅ犖０．９犃ｃ犳ｃ（１＋α ０．５＜ξ ≤ ［烄０． ξ］， ξ），犖０＝烅［９犃ｃ犳ｃ（１＋槡５．烆０． ξ ＋ξ）， ξ］＜ξ ≤ ２． ξ ＝犃ａ犳ａ／犃ｃ犳ｃ． φｅ＝１／（１＋１．８５犲０／ γｃ），｛０．４／（犲０／ γｃ），（２）（３）犲０／５５， γｃ ≤ １．犲０／５５． γｃ＞１．烄１， φｌ＝烅１１５槡犔ｅ／犇－４，烆１－０．（４）犔ｅ／犇 ≤ ４，（５）犔ｅ／犇＞４．（犔ｅ＝ μ 犽犔．６）式（１）～（６）中：犖０为钢管混凝土柱的轴心受压强度承载力设计值，Ｎ； α为 ξ 为钢管混凝土的套箍系数；核心混凝土强度等级相关的系数；狉ｃ为钢管内核心混凝土横截面的半径，ｍｍ；犲０为柱端轴向压力偏心距较大者，ｍｍ；犇为钢管的外直径，ｍｍ；犔ｅ为钢管 φｅ， φｌ分别为偏心率和长细比影响系数，且 φｅφｌ≤φ０；混凝土柱的等效计算长度，ｍｍ；犔为钢管混凝土柱的实际长度，ｍｍ．依据现有规范法计算结果和试验数据结果，基于多参数影响因素，考虑宽厚比对承载力的影响，引入宽厚比影响系数 φｋ．假定水平坐标为宽厚比犅／狋，竖向坐标为试验值与规范值的比值， φｋ表达式为 φｋ＝１＋０．０００９３犅／狋，１，｛犅／狋 ≥ ２０，犅／狋＜２０．（７）适于长细比、偏心率和宽厚比等多参数影响的偏心受压承载力计算公式为（犖ｕ＝ φｌφｅφｋ犖０．８）不同参数影响下，试件的极限承载力对比结果，如表３所示．由表３可知：试验值与计算值相近，吻合度较好；试件的极限承载力随偏心距、宽厚比和长细比的增大而减小，其中，长细比影响显著，偏心率次之；在长细比和偏心率的共同影响下，试件产生较大的二阶效应．表３不同参数影响下极限承载力Ｔａｂ．３Ｕｌｔｉｍａｔｅｂｅａｒｉｎｇｃａｐａｃｉｔｏｒｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓｙｆ规范值极限承载力／ｋＮ试验值修正值２０．０１３７９１２５０１４４８４５．０２０．０１２０２１１５０１２４６４５．０２０．０１００８１０４１１０４５５０３０．０３７．５１１９８１２４５１２４２２００×１５０×５５０３０．０３０．０１５３１１７６１１５８９２００×１５０×６５０３０．０２５．０１８１７１８９８１８８４２００×１００×５５０４５．０２０．０１２０２１２００１２０２２００×１５０×５５０３０．０３０．０１５３１１７６２１５８８２００×２００×５５０２２．５４０．０１９６２２２７３２０３５截面尺寸／ｍｍ×ｍｍ×ｍｍ犲／ｍｍ λ／ｍｍ犅／狋２００×１００×５３０４５．０２００×１００×５５０２００×１００×５８０２００×１５０×４４结论１）在偏心受压荷载作用下，试件破坏形式表现为弯曲破坏．当试件达到极限承载力时，钢管呈现为屈服状态、局部钢管出现屈曲并形成塑性铰．随后，受压区混凝土被压碎．最终试件变形严重直至完全丧失承载能力而破坏．２）试件破坏过程经历了弹性阶段、弹塑性阶段和破坏阶段．破坏过程稳定，无异常变形或位移变化情况，表现出良好的延性和偏压性能，钢管与核心混凝土具有较好的协同能力．３）试件偏心受压破坏过程中，宽厚比犅／狋越大，钢管混凝土柱的极限承载力犳ｕ越小；长细比 λ 越大，钢管混凝土柱的极限承载力犳ｕ越小；偏心率犲越大，钢管混凝土柱的极限承载力犳ｕ越小．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期黄泳水，等：高强冷弯矩形截面钢管混凝土柱偏压性能试验１８５４）试件偏压破坏过程受二阶效应影响较大，加载前期，试件的中和轴偏移较缓慢；加载后期，试件鼓曲程度迅速、跨中弯曲增幅明显．５）提出的偏心受压承载力计算方法，可用于高强冷弯矩形截面钢管混凝土柱的计算，可为方形、圆形等截面形式的高强冷弯钢管混凝土柱偏压承载力计算提供参考．参考文献：［１］ＮＥＯＧＩＰＫ，ＳＥＮＨＫ，ＣＨＡＰＭＡＮＪＣ．Ｃｏｎｃｒｅｔｅｆｉｌｌｅｄｔｕｂｕｌａｒｓｔｅｅｌｃｏｌｕｍｎｓｕｎｄｅｒｅｃｃｅｎｔｒｉｃｌｏａｄｉｎｇ［Ｊ］．Ｔｈｅ ? ＳｔｒｕｃｔｕｒａｌＥｎｇｉｎｅｅｒ，１９６９，４７（１）：１８７１９５． ? ［２］蔡绍怀，邸小坛．钢管混凝土偏压柱的性能和强度计算［Ｊ］．建筑结构学报，１９８５，６（４）：３２?４１．ＤＯＩ：１０．１４００６／ｊ．ｚ１９８５．０４．００４．ｊｊｇｘｂ．［３］ＲＡＮＧＡＮＢＶ，ＪＯＹＣＥＭ．Ｓｔｒｅｎｇｔｈｏｆｅｃｃｅｎｔｒｉｃａｌｌｏａｄｅｄｓｌｅｎｄｅｒｓｔｅｅｌｔｕｂｕｌａｒｃｏｌｕｍｎｓｆｉｌｌｅｄｗｉｔｈｈｉｔｒｅｎｇｔｈ ?ｓｙｌｇｈＪ］．ＡＣＩＳｔｒｕｃｔｕｒａｌＪｏｕｒｎａｌ，１９９２，８９（６）：６７６６８１．ｃｏｎｃｒｅｔｅ［ ? ［４］ＹＡＮＧＹｏｕｆｕ，ＨＡＮＬｉｎｈａｉ．Ｂｅｈａｖｉｏｒｏｆｃｏｎｃｒｅｔｅｆｉｌｌｅｄｓｔｅｅｌｔｕｂｕｌａｒ（ＣＦＳＴ）ｓｔｕｂｃｏｌｕｍｎｓｕｎｄｅｒｅｃｃｅｎｔｒｉｃｐａｒｔｉａｌＪ］．ＴｈｉｎｌｌｅｄＳｔｒｕｃｔｕｒｅｓ，２０１１，４９（２）：３７９３９５．ＤＯＩ：１０．１０１６／ｔｗｓ．２０１０．０９．０２４．ｃｏｍｐｒｅｓｓｉｏｎ［ ?Ｗａ ? ｊ．［５］ＡＮＤＲＥＷＥ，ＫＩＬＰＡＴＲＩＣＫ，ＲＡＮＧＡＮＢＶ．Ｔｅｓｔｓｏｎｈｉｓｔｒｅｎｇｔｈｃｏｎｃｒｅｔｅｆｉｌｌｅｄｓｔｅｅｌｔｕｂｕｌａｒｃｏｌｕｍｎｓ［Ｊ］．ＡＣＩ ? ? ｇｈＳｔｒｕｃｔｕｒａｌＪｏｕｒｎａｌ，１９９９，９６（２）：２６８２７４．ＤＯＩ：１０．１４３５９／６１８． ? ［６］顾维平，蔡绍怀．钢管高强混凝土偏压柱性能和承载能力的研究［Ｊ］．建筑科学，１９９３，９（３）：８１２．ＤＯＩ：１０．１３６１４／ ? ｊ．１９６２／ｔｕ．１９９３．０３．００２．ｃｎｋｉ．１１ ? ［７］ＷＡＮＧＷｅｉ．Ｕｌｔｉｍａｔｅｃａｐａｃｉｔｌｓｉｓｏｆｃｏｎｃｒｅｔｅｆｉｌｌｅｄｓｔｅｅｌｔｕｂｕｌａｒｓｔｒｕｃｔｕｒｅｕｎｄｅｒｅｃｃｅｎｔｒｉｃｃｏｍｐｒｅｓｓｉｏｎ［Ｃ］∥ ? ｙａｎａｙＳｅｃｏｎｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ．Ｃｈｅｎｇｄｕ：ＡｍｅｒｉｃａｎＳｏｃｉｅｔｆＣｉｖｉｌＥｎｇｉｎｅｅｒｓ，ｙｏ２００９：１４８１１４８６．ＤＯＩ：１０．１０６１／４１０３９（３４５）２４５． ? ［８］戴苗．偏压钢管混凝土柱性能研究［Ｄ］．长沙：湖南大学，２０１１．［ｚ９］李斌，高春彦，王斌，等．方钢管混凝土偏压柱受力性能分析［Ｊ］．建筑结构，２０１０，４０：３９８４００．ＤＯＩ：１０．１９７０１／ ? ｊ．ｊｊｇ．２０１０．ｓ２．１１８．［１０］潘鑫，史艳莉，王文达．圆钢管混凝土偏压柱全寿命周期力学性能研究［Ｊ］．钢结构，２０１８，３３（４）：３８?３９．ＤＯＩ：１０．１３２０６／ｊ．ｇｊｇ２０１８０４００７．［１１］关萍，陈兰响，刘晴晴．钢骨钢管高强混凝土偏心受压柱非线性分析［Ｊ］．华侨大学学报（自然科学版），２０１５，３６（３）：３３２３３７．ＤＯＩ：１０．１１８３０／ｉｓｓｎ．１０００５０１３．２０１５．０３．０３３２． ? ? ［１２］郭雪源，张明聚，刘义，等．矩形钢管混凝土柱偏压极限荷载半解析计算方法［Ｊ］．工业建筑，２０１８，４８（８）：１９０１９６． ? ＤＯＩ：１０．１３２０４／ｚ２０１８０８０３２．ｊ．ｇｙｊ［１３］杜闯，魏少武，杨小明，等．钢管混凝土柱偏压承载力新公式［Ｊ］．沈阳工业大学学报，２０１４，３６（２）：２３５?２４０．ＤＯＩ：１０．７６８８／ｉｓｓｎ．１０００１６４６．２０１４．０２．２１． ? ｊ．［１４］ＳＨＡＮＭＵＧＡＭＮＥ，ＲＩＣＨＡＲＤＬＪＹ，ＬＥＥＳＬ．Ｔｈｉｎｌｌｅｄｓｔｅｅｌｂｏｘｃｏｌｕｍｎｓｕｎｄｅｒｂｉａｘｉａｌｌｏａｄｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ ?ｗａ１９８９，１１５（１１）：２７０６２７２７．ＤＯＩ：１０．１０６１／（ＡＳＣＥ）０７３３９４４５（１９８９）１１５：１２（２０７６）ｏｆｓｔｒｕｃｔｕｒａｌｅｎｇｉｎｅｅｒｉｎｇ， ? ? ［１５］曹宝珠．薄壁钢?混凝土组合构件静力性能研究［Ｄ］．哈尔滨：哈尔滨工业大学，２００４．［１６］陈勇．新型薄壁钢管混凝土柱静力性能研究［Ｄ］．哈尔滨：哈尔滨工业大学，２００４．［１７］陶忠，王志滨，韩林海．矩形冷弯型钢钢管混凝土柱的力学性能研究［Ｊ］．工程力学，２００６，２３（３）：１４７１５５． ? ［１８］王静峰，郭水平，陈莉萍，等．冷弯薄壁方钢管混凝土柱的非线性有限元分析［Ｊ］．华中科技大学学报（城市科学版），２００８，２５：８８９１．ＤＯＩ：１０．３９６９／ｉｓｓｎ．２０９５０９８５．２００８．０４．０２４． ? ? ｊ．［１９］王兰，叶勇，郭子雄，等．带脱空的钢管混凝土短柱受剪性能有限元分析［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（２）：１７９１８５．ＤＯＩ：１０．１１８３０／ｉｓｓｎ．１０００５０１３．２０１７１００１３． ? ? ［２０］申兴月．高强．冷弯矩形钢管混凝土柱偏压试验研究［Ｄ］．荆州：长江大学，２０１７．［２１］哈尔滨工业大学，中国建筑科学研究院．钢管混凝土结构技术规程：ＣＥＣＳ２８：２０１２［Ｓ］．北京：中国计划出版社，２０１２．［２２］中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局．钢管混凝土结构技术规范：ＧＢ５０９３６－２０１４［Ｓ］．北京：中国建筑工业出版社，２０１４．（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｖｏｌ．４０Ｎｏ．２Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８１１０７５ ? 排水路面沥青混合料的连通空隙影响分析李翔，蔡旭，肖天佑（广州大学土木工程学院，广东广州５１０００６）摘要：通过成型不同级配排水沥青混合料试件，测算连通空隙率，进而分析影响连通空隙率的主要因素．结果表明：相同级配的混合料的连通空隙率受沥青粘度的影响，普通７０＃沥青、橡胶沥青、高粘沥青混合料的空隙率都在１９％左右，但连通空隙率分别为１４％，１１％，８％，相差较大；当具有相同沥青膜厚度及相同空隙率时，公称粒径越大，连通空隙率越大，连通空隙率在ＯＧＦＣ? ５到ＯＧＦＣ? １０的涨幅最大、ＯＧＦＣ? １０到ＯＧＦＣ? １３的涨幅不明显；随着筛孔２．３６ｍｍ通过率的增大，空隙率与连通空隙率均随之减小，且空隙率与连通空隙率之间的差值会逐渐增大，当空隙率为１５％时，连通空隙率已不满足排水性能的要求．关键词：道路工程；排水路面；空隙率；连通空隙中图分类号：Ｕ４１４文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１８６０６ ? ? ? 犃狀犪犾狊犻狊狅犳犆狅狀狀犲犮狋犲犱犞狅犻犱犈犳犳犲犮狋狅狀犇狉犪犻狀犪犲狔犵犘犪狏犲犿犲狀狋犃狊犾狋犕犻狓狋狌狉犲狆犺犪ＬＩＸｉａｎｇ，ＣＡＩＸｕ，ＸＩＡＯＴｉａｎｙｏｕ（ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｚｈｏｕ５１０００６，Ｃｈｉｎａ）ｙ，Ｇｕａｎｇ犃犫狊狋狉犪犮狋：Ｔｈｅｄｒａｉｎａｇｅａｓｐｈａｌｔｍｉｘｔｕｒｅｓｐｅｃｉｍｅｎｓｗｅｒｅｆｏｒｍｅｄｗｉｔｈｄｉｆｆｅｒｅｎｔｇｒａｄａｔｉｏｎｓ，ｔｈｅｍｅａｓｕｒｅｃｏｎ  ｈｅｍａｉｎｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｃｏｎｎｅｃｔｅｄｖｏｉｄｗｅｒｅａｎａｌｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ：ｔｈｅｎｅｃｔｅｄｖｏｉｄｗａｓｍｅａｓｕｒｅｄ，ｔｙｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｏｆｍｉｘｔｕｒｅｗｉｔｈｔｈｅｓａｍｅｇｒａｄａｔｉｏｎｉｓａｆｆｅｃｔｅｄｂｙｔｈｅｖｉｓｃｏｓｉｔｆａｓｐｈａｌｔ．Ｔｈｅｖｏｉｄｒａｔｉｏｓｙｏｏｆｏｒｄｉｎａｒｓｐｈａｌｔｍｉｘｔｕｒｅ，ｒｕｂｂｅｒａｓｐｈａｌｔｍｉｘｔｕｒｅａｎｄｈｉｉｓｃｏｕｓａｓｐｈａｌｔｍｉｘｔｕｒｅａｒｅａｌｌａｂｏｕｔ１９％，ｙ７０＃ａｇｈｖｂｕｔｔｈｅｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｉｓ１４％，１１％，８％ｒｅｓｐｅｃｔｉｖｅｌｉｃｈｉｓｄｉｆｆｅｒｅｎｔｔｏ１９％ｖｏｉｄｒａｔｉｏ．Ｆｏｒｔｈｅｙ，ｗｈｓａｍｅａｓｐｈａｌｔｆｉｌｍｔｈｉｃｋｎｅｓｓａｎｄｖｏｉｄｒａｔｉｏ，ａｓｔｈｅｎｏｍｉｎａｌｐａｒｔｉｃｌｅｓｉｚｅｉｎｃｒｅａｓｅｓ，ｔｈｅｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｉｎ  ｃｒｅａｓｅｓ，ｔｈｅｉｎｃｒｅｍｅｎｔｏｆｃｏｎｎｅｃｔｉｖｉｔｉｄｒａｔｉｏｂｅｔｗｅｅｎＯＧＦＣ? ５ａｎｄＯＧＦＣ? １０ｉｓｍａｘｉｍｕｍ，ｔｈｅｉｎｃｒｅｍｅｎｔｙｖｏｂｅｔｗｅｅｎＯＧＦＣ１０ａｎｄＯＧＦＣ１３ｉｓｎｏｔｏｂｖｉｏｕｓ．Ａｓｔｈｅｐａｓｓｒａｔｅｏｆ２．３６ｍｍｓｉｅｖｅｉｎｃｒｅａｓｅｓ，ｂｏｔｈｔｈｅｖｏｉｄｒａ  ? ? ｔｉｏａｎｄｔｈｅｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｄｅｃｒｅａｓｅ，ａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｖｏｉｄｒａｔｉｏａｎｄｔｈｅｃｏｎｎｅｃｔｉｖｉｔｉｄｒａ  ｙｖｏｔｉｏｉｎｃｒｅａｓｅｓｇｒａｄｕａｌｌｒ１５％ｖｏｉｄｒａｔｉｏ，ｔｈｅｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｃａｎｎｏｔｍｅｅｔｔｈｅｒｅｉｒｅｍｅｎｔｏｆｄｒａｉｎａｇｅｙ．Ｆｏｑｕｒｆｏｒｍａｎｃｅ．ｐｅ犓犲狉犱狊：ｒｏａｄｅｎｇｉｎｅｅｒｉｎｇ；ｄｒａｉｎａｇｅｐａｖｅｍｅｎｔ；ａｉｒｖｏｉｄ；ｃｏｎｎｅｃｔｅｄａｉｒｖｏｉｄ狔狑狅排水沥青混合料是铺设在路面结构上面层的功能性路面材料，因其一般采用开级配设计，拥有较大的空隙率，且在材料内部大量的空隙都是相互连通的，所以，此种沥青路面材料具有良好的排水性能，排水效率远超过普通沥青路面表面径流的方式，在雨天时可以迅速排除表面的积水，几乎不会产生水膜，收稿日期：２０１８１１２６ ? ? 通信作者：蔡旭（１９８５Ｅｉｌ：ｃｘ＿ｃａｉｘｕ＠１６３．ｃｏｍ． ?），男，副教授，博士，主要从事道路工程的研究． ?ｍａ基金项目：国家自然科学基金资助项目（５１７０８１４４）；广东省广州市教育局科技项目（１２０１６３０２２３）第２期李翔，等：不同排水沥青混合料的连通空隙影响分析１８７［］提高了道路行车的安全性［１?５］．目前，已有较多学者借用图像断层技术研究沥青混合料．Ｍａｓａｄ等６?８对沥青混合料的空隙分布及细观特征进行研究，利用ＣＴ技术得到空隙在旋转压实试件中的分布特征，沿［］试件深度空隙率的变化，以及空隙数量、空隙等效直径的分布状态．Ａｒａｍｂｕｌａ等９利用ＣＴ技术与数字图像技术研究空隙分布及空隙连通性，评价沥青混合料空隙分布与水稳定性之间的关系．肖鑫等［１０?１２］基于工业ＣＴ技术分析研究多孔沥青混合料的内部结构，提出影响渗水性能的重要因素有弯曲度、连通空隙率、过水面积等，并提出流速与空隙当量直径的相关程度犚２＝０．９９９９，当空隙当量直径小于０．５ｍｍ时，流速小于０．００５１ｍ·ｓ－１，因此，当空隙当量直径小于０．５ｍｍ时，不能成为有效连通空隙；刘威等［１３］认为连通空隙对排水性能的影响比空隙率更显著．蒋玮等［１４?１６］通过Ｘ? ｒａｙＣＴ技术获取多孔混合料断层图像并重建混合料试件的三维模型，研究分析空隙在试件内部的分布特性，认为在相同空隙率的情况下，粗型级配能够提高抗堵塞性能．徐皓等［１７］对不同沥青混合料试件进行渗水试验，发现空隙率与渗水系数具有良好的相关关系，当试件有相同空隙率时，粒径越大，渗水系数越大．但遗憾的是，上述研究并没有提出连通空隙的影响因素以及连通空隙对排水性能的影响．大空隙沥青混合料连通空隙率受多种因素的影响，本文通过对不同排水沥青混合料的连通空隙影响因素进行分析，研究各影响因素对连表１集料性能指标通空隙的影响规律．Ｔａｂ．１Ａｇｇｒｅｇａｔｅｐｅｒｆｏｒｍａｎｃｅｉｎｄｅｘ１试验部分材料名称１．１试验材料为获取不同条件下的多孔沥青混合料的粗集料体积参数，成型马歇尔试件所用集料均为花试验项目质量要求试验结果石料压碎值／％洛杉矶磨耗值／％针片状颗粒含量／％ ≤２６１８．２５ ≤２８１７．３＜１５０ ≤２．１０．５均符合－２．５６９６ ≥２．２．６５５５ ≥２．２．６４３ ≥６０６５吸水率／％－３毛体积相对密度／ｇ·ｃｍ表观相对密度／ｇ·ｃｍ－３岗岩，其技术指标如表１所示．我国的排水沥青路面一般采用改性沥青．在不同油石比和相同有效沥青的条件下，细集料采用普通７０＃沥青、自制外掺质量分数１５％表观相对密度／ｇ·ｃｍ－３砂当量／％的４０目橡胶粉的橡胶沥青和高粘改性沥青制作试件，开展连通空隙率的测定试验．３种沥青的基本指标，如表２所示．表２沥青技术性能指标Ｔａｂ．２Ｔｅｃｈｎｉｃａｌｉｎｄｅｘｏｆｒｕｂｂｅｒａｓｐｈａｌｔ沥青普通沥青试验项目试验结果软化点／℃ 延度（／ｃｍ１５ ℃ ）４８＞１０００．１ｍｍ针入度粘度（／Ｐａ·ｓ１３５ ℃ ）６６沥青橡胶沥青０．４１试验项目试验结果软化点／℃ 延度（／ｃｍ１５ ℃ ）６６０．１ｍｍ针入度粘度（／Ｐａ·ｓ１３５ ℃ ）９４４２沥青高粘沥青３．６７试验项目试验结果软化点／℃ 延度（／ｃｍ５ ℃）８１．８０．１ｍｍ针入度粘度（／Ｐａ·ｓ１３５ ℃ ）３８．６４３．１４．７２１．２试验方案设定３种不同最大公称粒径、６个开级配抗滑表层（ＯＧＦＣ）级配，其通过筛孔（方孔筛）的质量分数，如表３所示．各级配的油石比和空隙率，如表４所示．表３，４中：将对筛孔２．３６ｍｍ通过率不同的ＯＧ ＦＣ? １３级配编号为１～４．表３不同ＯＧＦＣ级配通过筛孔（方孔筛）的质量分数Ｔａｂ．３ＭａｓｓｆｒａｃｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔＯＧＦＣｇｒａｄａｔｉｏｎｓｐａｓｓｉｎｇｔｈｒｏｕｇｈｓｒｅｈｏｌｅｓｉｅｖｅｑｕａ方孔筛孔径／ｍｍ级配类型ＯＧＦＣ５ ? ％１６１３．２９．５４．７５２．３６１．１８０．６０．３０．１５０．０７５－－１００．０９０．０２１．１２０．０１５．５１１．９９．１７．０ＯＧＦＣ１０ ? －１００８４．７２２．８１５．６１２．６９．４６．５５．１４．６ＯＧＦＣ１３（１） ? ＯＧＦＣ１３（２） ? １００８７６３．７２８．３２２．１１４．０１０．２７．２５．２４．７１００８７６３．７２２．０１９．３１４．０１０．２７．２５．２４．７ＯＧＦＣ１３（３） ? （ＯＧＦＣ１３４） ? １００８７６３．７２２．０１６．５１４．０９．２６．３４．５４．０１００８７６３．７１３．２１２．３８．４７．０６．３５．０４．０犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１８８２０１９年选取不同公称粒径的级配时，应保证混合料空隙率基本相同，采用经验公式计算各级配所需油石比，保证试件沥青膜厚度相同．通过双面击实５０次成型马歇尔试件，采用体积法测算空隙率、水中质量法测算连通空隙率．由于普通７０＃沥青、橡胶沥青、高粘沥青密度不同，同一级配在相同沥青膜厚度条件下的油石比略有差异．普通７０＃沥青密度最小，因此，其混合料油石比最小．表４不同混合料类型的油石比和空隙率Ｔａｂ．４Ｏｉｌｓｔｏｎｅｒａｔｉｏａｎｄｖｏｉｄｒａｔｉｏｏｆｄｉｆｆｅｒｅｎｔｍｉｘｔｕｒｅｔｓ ? ｙｐｅ普通７０＃沥青空隙率／％橡胶沥青高粘沥青６．３５１７．７１７．５１７．９５．７－－１７．８－－５．９－－１４．６－－５．８－－１７．２－－５．７－－１９．５－－５．６－－２２．９－普通７０＃沥青油石比／％橡胶沥青高粘沥青ＯＧＦＣ５ ? ６．２５６．３１０ＯＧＦＣ ? ＯＧＦＣ１３（１） ? －１３（２）ＯＧＦＣ ? ＯＧＦＣ１３（３） ? ＯＧＦＣ１３（４） ? 沥青种类１．３连通空隙的测算在排水沥青路面中，空隙分为连通空隙、半连通空隙和封闭空隙３种，如图１所示．图１中：连通空隙既能排水又可以吸噪；半连通空隙只能储水和吸噪；而封闭空隙不能吸噪也不能排水．因此，连通空隙率越大，排水效果与吸噪效果就越好，而通常所说的空隙率是指三者之和．对连通空隙的影响因素进行研究，将试件放置水中浸泡约１ｈ，使水填满连通空隙，并计算连通空隙率，计算式为图排水路面内部空隙１犞－犞ｃ ×１００％．Ｆｉ１Ｄｒａｉｎａｇｅｐａｖｅｍｅｎｔｉｎｔｅｒｎａｌｖｏｉｄｇ．犞上式中：／犞′为连通空隙率；犞为试件体积；犞ｃ为集料与封闭空隙的体积，犞ｃ＝（犃－犆）犃为试件空中 ρｗ，犞′ ＝质量，犆为试件水中质量， ρｗ为常温水的密度．２试验结果分析２．１沥青种类对连通空隙率的影响根据３种不同沥青的基本指标可以看出，高粘沥青的性能最好，其次是橡胶沥青，普通７０＃沥青的性能较差．对比３种沥青１３５ ℃ 的粘度（表２）可知：高粘沥青的粘度最大，其次是橡胶沥青，最后是普通７０＃沥青；普通７０＃沥青在１３５ ℃ 时的粘度只有０．４１Ｐａ·ｓ，相比于其他两类改性沥青更为流淌，更接近于流体，自由流动的能力最高．通过成型相同的级配ＯＧＦＣ? ５、不同沥青种类的试件，研究混合料的空隙率（犞ｖ）与连通空隙率（犞′），结果如图２所示．由图２可知：在相同的级配条件下，不同沥青种类的空隙率大致相同，基本在１７％左右，但是其连通空隙率相差较大，普通７０＃沥青的试件连通空隙率约为１４％，橡胶沥青试件的连通空隙率为１１％，而高粘沥青的连通空隙率只有８％左右．高粘沥青混合料连通空隙率最小有以下３点原因．１）在高温状态下，粘度更大的高粘沥青与细集料混合成的胶结料容易形成团粒，不能均匀地附着在粗集料的表面，而这些团粒中间或是团粒与团粒之间往往会包裹一些空气且难图２不同沥青混合料的空隙率与连通空隙率以分散，阻碍了连通空隙的形成，这也是规范中改性沥青混Ｆｉ２Ｖｏｉｄｓａｎｄｃｏｎｎｅｃｔｅｄｖｏｉｄｓｇ．ｏｆｄｉｆｆｅｒｅｎｔａｓｐｈａｌｔｍｉｘｔｕｒｅ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李翔，等：不同排水沥青混合料的连通空隙影响分析１８９合料不采用真空法计算理论密度的原因．２）在击实试件时，沥青混合料的温度将会下降，而高粘沥青的粘温曲线相比橡胶沥青与普通沥青的粘温曲线更为陡峭，也就是说，当温度在１４０ ℃ 以下时，随着温度逐渐降低，高粘沥青的粘度会迅速增加，使细集料之间或是细集料与粗集料之间形成的封闭空隙稳定成型，这部分细集料不能再通过击实的做功继续裹附粗集料．３）粘度大的沥青流动性较差，在试件内部会堵塞一些骨架间隙，使部分区域没有被胶浆填充，反而被胶浆包裹形成封闭空隙．与普通７０＃沥青相比，橡胶沥青不仅粘度高于普通沥青，而且还存在没有发生完全溶胀反应的橡胶核，相当于添加了细集料，在一定程度上降低了其空隙率与连通空隙率．橡胶沥青混合料与高粘沥青混合料的连通空隙率也有较大的差异，但两者在１３５ ℃ 时的粘度差异没有橡胶沥青与普通沥青的差异那么大，可连通空隙的差异与橡胶沥青和普通沥青的连通空隙差异相同，说明在相同级配的条件下，温度下降和粘度的迅速上升是形成封闭空隙的主要因素．２．２公称粒径对连通空隙的影响当试件的空隙率不变、排水路面的公称粒径发生改变时，连通空隙率会随着发生改变．研究相同空隙率的ＯＧＦＣ５，ＯＧＦＣ１０，ＯＧＦＣ? １３（２）橡胶沥青混合料的连通空隙率，得出公称粒径越大，连通空隙 ? ? 率越大．部分马歇尔试件，如图３所示．不同粒径混合料的空隙率与连通空隙率，如图４所示．图３马歇尔试件图４不同粒径混合料空隙率与连通空隙率Ｆｉ３Ｍａｒｓｈａｌｌｓｐｅｃｉｍｅｎｓｇ．Ｆｉ４Ｖｏｉｄｒａｔｉｏａｎｄｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｏｆｇ．ｍｉｘｔｕｒｅｗｉｔｈｄｉｆｆｅｒｅｎｔｐａｒｔｉｃｌｅｓｉｚｅ由图３可知：大粒径的试件表面明显有许多的凹凸空隙，构造深度较深．由图４可知：在相同沥青膜厚度的条件下，改变了公称粒径，试件的空隙率均为１８％左右，但是连通空隙逐步递增，ＯＧＦＣ?１０到ＯＧＦＣ１３的涨幅较小，仅为２％，而ＯＧＦＣ? ５到ＯＧＦＣ１０的涨幅较大，接近５％． ? ? 不同公称粒径混合料连通空隙率存在差异主要有以下２个原因．１）大粒径集料在形成骨架结构时，粗集料之间的空隙直径较大，细集料与沥青形成团粒无法填补这么大的空隙．而试件ＯＧＦＣ? ５大部分是由２．３６～４．７５ｍｍ的集料搭成的骨架，骨架间隙宽度远小于试件ＯＧＦＣ? １０与ＯＧＦＣ? １３，很容易被胶浆填补形成封闭空隙．２）在击实过程中，大粒径粗集料很少可以直接形成骨架空隙，而在ＯＧＦＣ? ５混合料中，部分粗集料可以直接封闭空隙，这是因为形成骨架的集料过细，在ＯＧＦＣ厚沥青膜的特性下容易抱团、黏结在一起．２．３关键筛孔对连通空隙的影响为保证排水路面拥有足够的空隙，在材料的级配设计中，关键筛孔通过率的把控至关重要．针对排水路面普遍使用的粒径ＯＧＦＣ? １３沥青混合料，通过对改变关键筛孔２．３６ｍｍ的通过率研究其连通空隙率的变化．采用橡胶沥青混合料成型４种不同空隙率的试件，改变粗细集料之比，其空隙率与连通空隙率的关系，如图５所示．由图５可知：当空隙率大于１５％时，空隙率与连通空隙率之间有着良好的相关性，其表达式为犞′ ＝１．０６×犞ｖ－０．０４３犚２＝０．９８６．从上式可以看出，在ＯＧＦＣ１３沥青混合料中，随着空隙率的提高，连通空隙率也随之提高，基本保 ? 持在空隙率上升１％，连通空隙率上升０．９５％．当筛孔２．３６ｍｍ的通过率提升时，粗细集料的占比会发生改变．细集料增多会增加细集料与沥青形成的胶结料，此时，胶结料不仅裹附在粗集料的表面，还可用犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１９０２０１９年于填充骨架间的空隙，因此，空隙率会随着关键筛孔通过率的增大而减小．总的空隙率减小会有一部分连通空隙被胶浆填充，当填充位置在连通空隙管道中部时，形成的封闭空隙较少，影响不大；当被填充位置连通空隙管道两端时，会形成较大的封闭空隙．对于筛孔２．３６ｍｍ的通过率与空隙率、连通空隙率的关系，如图６所示．图５空隙率与连通空隙率的关系图６筛孔２．３６ｍｍ通过率与空隙率、连通空隙率的关系Ｆｉ５Ｒｅｌａｔｉｏｎｓｈｉｔｗｅｅｎｖｏｉｄｇ．ｐｂｅＦｉ６Ｒｅｌａｔｉｏｎｓｈｉｓｓｒａｔｅｏｆ２．３６ｍｍｇ．ｐａｍｏｎｇｐａｒａｔｉｏａｎｄｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏｓｉｅｖｅ，ｖｏｉｄｒａｔｉｏａｎｄｃｏｎｎｅｃｔｅｄｖｏｉｄｒａｔｉｏ由图６可知：筛孔２．３６ｍｍ通过率与空隙率、连通空隙率都具有良好的相关性，但此相关性只适用于空隙率大于１５％的多空沥青混合料；当空隙率小于１５％时，连通空隙率下降迅速，与关键筛孔通过率不再呈线性相关．关键筛孔通过率与空隙率、连通空隙率的关系可表达为犞ｖ＝０．８４０×犜＋０．０８７８犚２＝０．８９２，犞′ ＝－０．８８６×犜＋０．１０３犚２＝０．８６８．上式中：犜为筛孔２．３６ｍｍ的通过率．对比两个式子可以发现，两条拟合直线的斜率不同，这说明当空隙率越来越小时，空隙率与连通空隙率的差值会越来越大．这是因为当胶结料增多，胶结料之间会形成一定的封闭空隙；且在填充骨架空隙的过程中，胶结料的增多会在粗集料形成较细的骨架空隙处形成封闭空隙．因此，筛孔２．３６ｍｍ通过率的提高使封闭空隙逐渐增大，同时，连通空隙率与空隙率的差值逐渐增大，此相关关系与蒋玮［１６］的研究结论趋势一致，但能否推及其他沥青混合料类型还有待研究．３结论１）级配相同、沥青种类不同的混合料制备的试件连通空隙率有一定的差别．普通７０＃沥青、橡胶沥青、高粘沥青混合料的空隙率都在１９％左右，但连通空隙率分别为１４％，１１％，８％．随着沥青粘度的上升，混合料的连通空隙下降，对路面的排水效果产生了较大的影响．因此，排水沥青路面在满足力学性能的前提下，为确保有足够的连通空隙率，混合料应使用粘度较小的沥青．２）在具有相同沥青膜厚度和相同空隙率的前提下，随着公称粒径增大，混合料骨架间隙宽度有所增加，连通空隙率也随之增长，但是连通空隙率的涨幅越来越小，ＯＧＦＣ? ５到ＯＧＦＣ? １０的涨幅最大，接近５％；ＯＧＦＣ１０到ＯＧＦＣ１３涨幅不明显，仅有２％． ? ? ３６ｍｍ通３）空隙率与连通空隙率具有良好的相关关系，两者之间的差值为３％左右，随着筛孔２．过率的增大，空隙率与连通空隙率都会减小，且之间的差值会逐渐增大，当空隙率为１５％时，连通空隙率已不满足排水性能的要求．参考文献：［１］ＰＯＵＬＩＫＡＫＯＳＬＤ，ＧＩＬＡＮＩＳＭ，ＤＥＲＯＭＥＤ，犲狋犪犾．Ｔｉｍｅｒｅｓｏｌｖｅｄａｎａｌｓｉｓｏｆｗａｔｅｒｄｒａｉｎａｇｅｉｎｐｏｒｏｕｓａｓｐｈａｌｔｙａｐｒａｄｉｓｏ．ｃｏｎｃｒｅｔｅｕｓｉｎｇｎｅｕｔｒｏｎｒａｄｉｏｇｒａｐｈｙ［Ｊ］．ＡｐｐｌｉｅｄＲａｄｉａｔｉｏｎａｎｄＩｓｏｔｏｐｅｓ，２０１３，７７（７）：５１３．ＤＯＩ：１０．１０１６／ ? ｊ．２０１３．０１．０４０．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李翔，等：不同排水沥青混合料的连通空隙影响分析１９１［２］ＥＬＶＩＫＲ，ＧＲＥＩＢＥＰ．Ｒｏａｄｓａｆｅｔｆｆｅｃｔｓｏｆｐｏｒｏｕｓａｓｐｈａｌｔ：Ａｓｙｓｔｅｍａｔｉｃｒｅｖｉｅｗｏｆｅｖａｌｕａｔｉｏｎｓｔｕｄｉｅｓ［Ｊ］．ＡｃｃｉｄｅｎｔｙｅＡｎａｌｓｉｓａｎｄＰｒｅｖｅｎｔｉｏｎ，２００５，３７（３）：５１５５２２．ＤＯＩ：１０．１０１６／ａａｐ．２００５．０１．００３． ? ｙｊ．［３］ＢＵＥＮＯＭ，ＬＵＯＮＧＪ，ＴＥＲ?ＮＦ，犲狋犪犾．Ｍａｃｒｏｔｅｘｔｕｒｅｉｎｆｌｕｅｎｃｅｏｎｖｉｂｒａｔｉｏｎａｌｍｅｃｈａｎｉｓｍｓｏｆｔｈｅｔｒｅｒｏａｄｎｏｉｓｅｏｆ ? ｙａｎａｓｐｈａｌｔｒｕｂｂｅｒｐａｖｅｍｅｎｔ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰａｖｅｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇ，２０１４，１５（７）：６０６６１３．ＤＯＩ：１０．１０８０／ ? １０２９８４３６．２０１３．７９０５４７．［４］刘英，田波，牛开民，等．不同纹理水泥混凝土路面降噪与抗滑特性［Ｊ］．公路交通科技，２０１２，２９（１）：２８３３．ＤＯＩ：１０． ? ｉｓｓｎ．１００２３９６９／０２６８．２０１２．０１．００５． ? ｊ．［５］ＦＵＤｏｎｇｓｕｎ，ＲＥＮＹｕａｎｙｕａｎ．Ｌｏｗ?ｎｏｉｓｅａｓｐｈａｌｔｎｏｉｓｅｒｅｄｕｃｔｉｏｎｐｒｉｎｃｉｌｅｓａｎｄｓａｆｅｔｒｆｏｒｍａｎｃｅｃｏｎｃｒｅｔｅｐａｖｅ  ｐｙｐｅ／ａｍｒ．Ｊ］．ＡｄｖａｎｃｅｄＭａｔｅｒｉａｌｓＲｅｓｅａｒｃｈ，２０１４，１０４９／１０５０：２７６?２８０．ＤＯＩ：１０．４０２８／ｗｗｗ．ｓｃｉｅｎｔｉｆｉｃ．ｎｅｔ１０４９? ｍｅｎｔ［１０５０．２７６．［６］ＭＡＳＡＤＥ，ＭＵＨＵＮＴＨＡＮＢ，ＳＨＡＳＨＩＤＨＡＲＮ，犲狋犪犾．Ａｇｇｒｅｇａｔｅｏｒｉｅｎｔａｔｉｏｎａｎｄｓｅｇｒｅｇａｔｉｏｎｉｎａｓｐｈａｌｔｃｏｎｃｒｅｔｅ［Ｃ］∥１９９８ＡｎｎｕａｌＣｏｎｖｅｎｔｉｏｎｏｆｔｈｅＡｍｅｒｉｃａｎｃｉｅｔｆｉｖｉｌｉｎｅｅｒｓ（Ｇｅｏｒｅｓｓ９８）．Ｂｏｓｔｏｎ：ＡｍｅｒＳｏｃ ?Ｓｏ ?ｏ ?Ｃ ?Ｅｎｇ ?Ｃｏｎｇｙ１９９８：６９８０．ＣｉｖｉｌＥｎｇｉｎｅｅｒｓ， ? ［７］ＭＡＳＡＤＥ，ＭＵＨＵＮＴＨＡＮＢ，ＳＨＡＳＨＩＤＨＡＲＮ，犲狋犪犾．Ｉｎｔｅｒｎａｌｓｔｒｕｃｔｕｒｅｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆａｓｐｈａｌｔｃｏｎｃｒｅｔｅｕ  ｓｉｎｇｉｍａｇｅａｎａｌｓｉｓ［Ｊ］．ＡＳＣＥＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｉｎｇｉｎＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，１９９９，１３（２）：８８?９９．ＤＯＩ：１０．１０６１／ｙ（ＡＳＣＥ）０８８７３８０１（１９９９）１３：２（８８）． ? ［８］ＭＡＳＡＤＥ，ＪＡＮＤＨＹＡＬＡＶＫ，ＤＡＳＧＵＰＴＡＮ，犲狋犪犾．Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆａｉｒｖｏｉｄｄｉｓｔｒｉｂｕｔｉｏｎｉｎａｓｐｈａｌｔｍｉｘｅｓｕ  ｓｉｎｇＸ? ｒａｙｃｏｍｐｕｔｅｄｔｏｍｏｇｒａｐｈｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａｔｅｒｉａｌｓｉｎＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２００２，１４（２）：１２２１２９．ＤＯＩ：１０．１０６１／ ? （ＡＳＣＥ）０８９９１５６１（２００２）１４：２（１２２）． ? ［９］ＡＲＡＭＢＵＬＡＥ，ＭＡＳＡＤＥ，ＭＡＲＴＩＮＡＥ．Ｉｎｆｌｕｅｎｃｅｏｆａｉｒｖｏｉｄｄｉｓｔｒｉｂｕｔｉｏｎｏｎｔｈｅｍｏｉｓｔｕｒｅｓｕｓｃｅｐｔｉｂｉｌｉｔｆａｓ  ｙｏＪ］．ＪｏｕｒｎａｌｏｆＭａｔｅｒｉａｌｓｉｎＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２００７，１９（８）：６５５?６６４．ＤＯＩ：１０．１０６１／（ＡＳＣＥ）０８９９?１５６１ｌｔｍｉｘｅｓ［ｐｈａ（２００７）１９：８（６５５）．［１０］肖鑫，张肖宁．基于工业ＣＴ的排水沥青混合料连通空隙特征研究［Ｊ］．中国公路学报，２０１６，２９（８）：２２２８． ? ［１１］肖鑫，张肖宁．排水沥青混合料各向异性空隙结构对渗水特性的影响［Ｊ］．华南理工大学学报（自然科学版），２０１８，４６（１）：９１９６．ＤＯＩ：１０．３９６９／ｉｓｓｎ．１０００５６５Ｘ．２０１８．０１．０１２． ? ? ｊ．［１２］肖鑫．排水沥青混合料细观结构及排水特性研究［Ｄ］．广州：华南理工大学，２０１４．［１３］刘威，易文，汤显平，等．多孔隙沥青混合料渗水性能试验研究［Ｊ］．公路，２０１７（３）：２２１２２４． ? ［１４］蒋玮，沙爱民，肖晶晶，等．多孔排水沥青混合料的细观空隙特征与影响规律［Ｊ］．同济大学学报（自然科学版），２０１５，４３（１）：６７７４．ＤＯＩ：１０．１１９０８／３７４ｘ．２０１５．０１．０１０．ｉｓｓｎ．０２５３ ? ? ｊ．［１５］蒋玮，沙爱民，肖晶晶，等．多孔沥青混合料的空隙堵塞试验研究［Ｊ］．建筑材料学报，２０１３，１６（２）：２７１?２７５．ＤＯＩ：１０．３９６９／ｉｓｓｎ．１００７９６２９．２０１３．０２．０１６． ? ｊ．［１６］蒋玮．透水沥青路面材料和结构的组成设计与功能评价［Ｄ］．西安：长安大学，２０１１．［１７］徐皓，倪福建，刘清泉，等．排水性沥青混合料渗透系数测试研究［Ｊ］．公路交通科技，２００５，２２（３）：４７５０．ＤＯＩ：１０． ? ３３２１／ｉｓｓｎ：１００１７３７２．２００４．０３．００１． ? ｊ．（责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１９０１０５５ ? 多因素对聚合物水泥基混凝土抗折强度的影响苗福生１，２，李媛３，李星４（１．宁夏大学土木与水利工程学院，宁夏银川７５００２１；２．宁夏大学学术期刊中心，宁夏银川７５００２１；３．宁夏大学资源环境学院，宁夏银川７５００２１；４．宁夏大学数学统计学院，宁夏银川７５００２１）摘要：针对功能梯度混凝土在地下工程中的应用问题，研究多因素作用对聚合物水泥基混凝土抗折强度的影响．试验使用均匀设计方案，建立两种回归分析模型；采用偏最小二乘二次多项式模型对主效应及交互主效应进行分析；采用多因子及平方项逐步回归模型的降维子模型对单因素及交互作用对抗折强度的影响进行分析．结果表明：对抗折强度的影响中，主效应从大到小为水胶比、聚丙烯酸酯乳液、粉煤灰、硅粉、聚丙烯纤维；交互主效应从大到小为硅粉和聚丙烯纤维、聚丙烯纤维和聚丙烯酸酯乳液、粉煤灰和聚丙烯酸酯乳液、硅粉和聚丙烯酸酯乳液、水胶比和聚丙烯纤维、粉煤灰和聚丙烯纤维、水胶比和硅粉、水胶比和粉煤灰、粉煤灰和硅粉、水胶比和聚丙烯酸酯乳液；并且当水胶比、粉煤灰掺量、硅粉掺量、聚丙烯纤维、聚丙烯酸酯乳液分别为０．２２，２９．８７％，７．４６％，１．１９ｋｇ，８．７２％时，抗折强度最优，为２８．４７ＭＰａ．关键词：聚合物；聚丙烯酸酯乳液；功能梯度混凝土；抗折强度；回归分析；均匀设计中图分类号：ＴＵ５２８．４１；ＴＵ５２８．３２文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０１９２０９ ? ? ? 犐狀犳犾狌犲狀犮犲狅犳犕狌犾狋犻犮狋狅狉狊狅狀犉犾犲狓狌狉犪犾犛狋狉犲狀犵狋犺狅犳 ?犉犪犘狅犾狉犆犲犿犲狀狋狊犲犱犆狅狀犮狉犲狋犲 ?犅犪狔犿犲，ＭＩＡＯＦｕｓｈｅｎｇ１２，ＬＩＹｕａｎ３，ＬＩＸｉｎｇ４（１．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ；ｙ，Ｙｉ２．ＡｃａｄｅｍｉｃＪｏｕｒｎａｌＣｅｎｔｅｒ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ；ｙ，Ｙｉ３．ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ；ｙ，Ｙｉ４．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＳｔａｔｉｓｔｉｃｓ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ）ｙ，Ｙｉ犃犫狊狋狉犪犮狋：Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｍｕｌｔｉｌｅｆａｃｔｏｒｓｏｎｔｈｅｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｏｆｐｏｌｒｃｅｍｅｎｔ ｂａｓｅｄｃｏｎｃｒｅｔｅｉｓｓｔｕｄ  ｐｙｍｅｉｅｄｔｏｓｏｌｖｅｔｈｅａｐｐｌｉｃａｔｉｏｎｐｒｏｂｌｅｍｏｆｔｈｅｆｕｎｃｔｉｏｎａｌｌｒａｄｉｅｎｔｃｏｎｃｒｅｔｅｉｎｕｎｄｅｒｒｏｕｎｄｅｎｇｉｎｅｅｒｉｎｇ．Ｕｓｉｎｇｕ  ｙｇｇｎｉｆｏｒｍｄｅｓｉｃｈｅｍｅ，ｔｗｏｒｅｇｒｅｓｓｉｏｎａｎａｌｓｉｓｍｏｄｅｌｓａｒｅｅｓｔａｂｌｉｓｈｅｄ；ｔｈｅｐｒｉｎｃｉｌｅｆｆｅｃｔａｎｄｔｈｅｉｎｔｅｒａｃｔｉｏｎｇｎｓｙｐａｒｉｎｃｉｌｅｆｆｅｃｔａｒｅａｎａｌｚｅｄｂｙｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｒｅｓｑｕａｄｒａｔｉｃｐｏｌａｌｍｏｄｅｌ；ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｓｉｎｇｌｅｆａｃ  ｐｐａｙｑｕａｙｎｏｍｉｔｏｒｓａｎｄｉｎｔｅｒａｃｔｉｏｎｓｏｎｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｉｓａｎａｌｚｅｄｂｙｔｈｅｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｓｕｂ ｍｏｄｅｌｏｆｍｕｌｔｉ  ｆａｃｔｏｒａｎｄｙｓｒｅｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ：ｔｈｅｐｒｉｎｃｉｌｅｆｆｅｃｔｏｆｅａｃｈｆａｃｔｏｒｏｎｆｌｅｘｕｒａｌｓｔｒｅｎ  ｑｕａｐａ收稿日期：２０１９０１２７ ? ? 通信作者：李星（１９６４Ｅ?ｍａｉｌ：ｌｉ＿ｘ＠ｎｘｕ． ?），男，教授，博士，博士生导师，主要从事复分析及其在力学中应用的研究．ｅｄｕ．ｃｎ．基金项目：国家自然科学基金资助项目（５１４６８０５３）；高等学校博士学科点专项科研基金资助项目（２０１１６４０１１１０００２）第２期苗福生，等：多因素对聚合物水泥基混凝土抗折强度的影响１９３ｔｈｆｒｏｍｌａｒｏｓｍａｌｌｉｓｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏ，ｐｏｌｃｒｌａｔｅｅｍｕｌｓｉｏｎ，ｆｌｓｈ，ｓｉｌｉｃａｐｏｗｄｅｒａｎｄｐｏｌｒｏｐｙｌｅｎｅｇｇｅｔｙａｙｙａｙｐｆｉｂｅｒ；ｔｈｅｉｎｔｅｒａｃｔｉｏｎｐｒｉｎｃｉｌｅｆｆｅｃｔｆｒｏｍｌａｒｏｓｍａｌｌｉｓｓｉｌｉｃａｐｏｗｄｅｒａｎｄｐｏｌｒｏ ｐｙｌｅｎｅｆｉｂｅｒ，ｐｏｌｒｏｐｙｌ  ｐａｇｅｔｙｐｙｐｌｓｈａｎｄｐｏｌｃｒｌａｔｅｅｍｕｌｓｉｏｎ，ｓｉｌｉｃａｐｏｗｄｅｒａｎｄｐｏｌｃｒｌａｔｅｅｍｕｌ  ｅｎｅｆｉｂｅｒａｎｄｐｏｌｃｒｌａｔｅｅｍｕｌｓｉｏｎ，ｆｙａｙａｙｙａｙｙａｙｓｉｏｎ，ｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏａｎｄｐｏｌｒｏｐｙｌｅｎｅｆｉｂｅｒ，ｆｌｓｈａｎｄｐｏｌｒｏｐｙｌｅｎｅｆｉｂｅｒ，ｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏａｎｄｓｉｌｉｃａｙｐｙａｙｐｒ，ｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏａｎｄｆｌｓｈ，ｆｌｓｈａｎｄｓｉｌｉｃａｐｏｗｄｅｒ，ｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏａｎｄｐｏｌｃｒｌａｔｅｅｍｕｌ  ｐｏｗｄｅｙａｙａｙａｙｌｓｈ２９．８７％，ｓｉｌｉｃｏｎｐｏｗｄｅｒ７．４６％，ｐｏｌｒｏｐｙｌｅｎｅｆｉｂｅｒ１．１９ｋｇａｎｄｓｉｏｎ．Ｆｏｒｗａｔｅｒｂｉｎｄｅｒｒａｔｉｏ０．２２，ｆｙａｙｐｌｃｒｌａｔｅｅｍｕｌｓｉｏｎ８．７２％，ｔｈｅｏｐｔｉｍｕｍｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｉｓ２８．４７ＭＰａ．ｐｏｙａｙｌｒ；ｐｏｌｃｒｌａｔｅｅｍｕｌｓｉｏｎ；ｆ犓犲狉犱狊：ｐｏｕｎｃｔｉｏｎａｌｌｒａｄｉｅｎｔｃｏｎｃｒｅｔｅ；ｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈ；ｒｅｇｒｅｓｓｉｏｎａ  ｙｍｅｙａｙｙｇ狔狑狅ｉｆｏｒｍｄｅｓｉｎａｌｓｉｓ；ｕｎｇｎｙ混凝土作为土木工程中使用量最大的结构材料，由于其界面过渡区的存在，使其力学性能、耐久性能受到极大的影响．为了改善其性能，１９９９年，国内首次把梯度的概念引入水泥基材料中，引用梯度的概念研究水泥基混凝土的界面问题，利用组分梯度复合的方法，从一定程度上改善了水泥基材料的缺陷［１?３］，为水泥基材料的研究提供了一个新领域．经过大量的试验研究发现，通过在混凝土材料中添加聚合物得到的聚合物水泥基混凝土（ｌｒｃｅｍｅｎｔｂａｓｅｄｃｏｎｃｒｅｔｅ，ＰＣＣ）可以克服普通混凝土自身存在ｐｏｙｍｅ的缺陷［４?１２］，如界面薄弱、功能单一、抗弯拉强度低、韧性差、抗渗性弱等问题，能作为功能梯度混凝土的功能层应用于特定的场合及环境中［４?１２］，尤其是能作为重要地下工程的抗渗功能层［１３］．ＰＣＣ的材料性能对于梯度混凝土所呈现的最终性能影响至关重要，因此，ＰＣＣ材料的组成设计不仅具有重要的理论意义，而且对于实际工程应用也有重要的参考价值．本文采用均匀设计方案，用两种回归分析方法建立各组成因素对功能层材料ＰＣＣ的抗折强度的影响模型，分析各组成因素及其相互匹配对抗折强度的影响规律，在此基础上确定抗折强度最优的功能层材料ＰＣＣ的配比组成．１材料与方法１．１原材料水泥采用宁夏赛马水泥有限公司的Ｐ．Ｏ５２．５Ｒ型普通硅酸盐水泥，各项技术指标符合ＧＢ１７５－２００７《通用硅酸盐水泥》；粉煤灰采用华电宁夏灵武发电有限公司的Ｆ类 Ⅰ 级粉煤灰，各物理性能均符合ＧＢ／Ｔ１５９６－２００５《用于水泥和混凝土中的粉煤灰》；硅粉产自宁夏融通实业有限公司；骨料产自宁夏石嘴山市大武口区贺兰山石英厂；减水减缩剂采用北京恒安减水减缩剂厂配制的聚羧酸高效减水减缩剂，减缩率为８％，减水率为２８％，固体含量为１２％；聚丙烯纤维产自山东泰安同伴工程塑料有限公司（长度为６ｍｍ，纤维直径为３３μｍ，密度为０．９１ｋｇ·ｍ－３，燃点为５９０ ℃ ，弹性模量大于２．５ＧＰａ，抗拉强度为５３０ＭＰａ）；聚合物采用太原市晋源区晋远建材厂生产的聚丙烯酸酯乳液（０，黏度ｐＨ值为６．为２１０ｍＰａ·ｓ，断裂延伸率为表１原材料的主要化学组成４７０％，固体含量大于４５％，机械稳定性为２８００ｒ· ｍｉｎ－１下２０Ｔａｂ．１Ｍａｉｎｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎｏｆｒａｗｍａｔｅｒｉａｌｓｍｉｎ不破乳）；拌合水选用饮用自来水，７．原材料的化ｐＨ值为７．学组成，如表１所示．表１中：狑组成狑（ＳｉＯ２）狑（ＡｌＦｅ２Ｏ３）２Ｏ３）狑（水泥２０．０８５．２３０粉煤灰６０．５９硅灰石英砂％狑（ＣａＯ）狑（ＭｇＯ）５．０８０６４．２１１．８９２６．５９０２．９２０３．５９０．９８９７．２４０．０４４０．０７１０．１８０．１８６０ ≥９８．０８０ ≤１．０８０ ≤０．０４ ≤０．０５ ≤０．为质量分数．１．２试验设计根据功能梯度混凝土设计的需要，将ＰＣＣ作为抗渗保护层，试验强度设计等级为Ｃ６０．试验目的是寻找ＰＣＣ使抗折强度高的最佳配方．试验采用均匀设计方案［１４］；采用ＤＰＳＶ１４．１０进行试验方案设计、建模和计算［１５］；采用ＭａｔｌａｂＲ２０１５ｂ进行图形的绘制．１．２．１选择因素水平选取对ＰＣＣ性能影响较大的５个因素：水胶比狓１、粉煤灰掺量狓２、硅粉掺量狓３、聚丙烯纤维狓４、聚丙烯酸酯乳液狓５，每种因素选取１２个水平，即５因素１２水平．均匀设计因素水平表，如表２所示．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１９４２０１９年表２均匀设计因素水平表Ｔａｂ．２Ｆａｃｔｏｒｓａｎｄｌｅｖｅｌｓｏｆｕｎｉｆｏｒｍｄｅｓｉｇｎ处理号狓１狓２／％狓３／％狓４／ｋｇ狓５／％处理号狓１狓２／％狓３／％狓４／ｋｇ狓５／％Ｎ１０．２０２５５．００．６６．０Ｎ７０．２６３１８．０１．２９．０Ｎ２０．２１２６５．５０．７６．５Ｎ８０．２７３２８．５１．３９．５Ｎ３０．２２２７６．００．８７．０Ｎ９０．２８３３９．０１．４１０．０Ｎ４０．２３２８６．５０．９７．５Ｎ１００．２９３４９．５１．５１０．５Ｎ５０．２４２９７．０１．０８．０Ｎ１１０．３０３５１０．０１．６１１．０Ｎ６０．２５３０７．５１．１８．５Ｎ１２０．３１３６１０．５１．７１１．５１．２．２选择均匀设计表根据水平数，采用犝１２１２１２均匀设计表［１４］，均匀设计表通常以中心偏差（ｃｅｎ  ［］ＣＤ）作为均匀性度量指标１５．依据中心偏差和因素个数得到均匀设计使用表犝１２１２５ｔｒａｌｄｉｓｃｒｅｐａｎｃｙ，（ＣＤ＝０．１６５５５２１３）．对犝１２１２５进行优化，得到优化的ＰＣＣ均匀设计表（ＣＤ＝０．１４９４１２１３２，以狓１水平为升序排列），如表３所示．表３优化后的ＰＣＣ均匀设计表Ｔａｂ．３ＯｐｔｉｍｉｚｅｄｕｎｉｆｏｒｍｄｅｓｉｆＰＣＣｇｎｏ处理号狓１水平狓２水平狓３水平狓４水平狓５水平９９１０狓１水平狓２水平狓３水平狓４水平狓５水平Ｎ１１Ｎ２２４５２４Ｎ８８２２３９Ｎ３３１２６５１０Ｎ９９３７１１２Ｎ４４７１７１Ｎ１０１０８８１７Ｎ５５１１２８６Ｎ１１１１１１３９５Ｎ６６６４１２１２Ｎ１２１２５１０６１１１．２．３生成均匀设计试验方案８处理号Ｎ７７１０１１４３在ＤＰＳ中生成的ＰＣＣ均匀设计试验方案，如表４所示．表４ＰＣＣ均匀设计试验方案Ｔａｂ．４ＵｎｉｆｏｒｍｄｅｓｉｅｓｔｓｃｈｅｍｅｏｆＰＣＣｇｎｔ处理号狓１狓２／％狓３／％狓４／ｋｇ狓５／％处理号狓１狓２／％狓３／％狓４／ｋｇ狓５／％Ｎ１０．２０３３９．０１．５９．５Ｎ７０．２６３４１０．００．９７．０Ｎ２０．２１２８７．００．７７．５Ｎ８０．２７２６５．５０．８１０．０Ｎ３０．２２３６７．５１．０１０．５Ｎ９０．２８２７８．０１．６６．５Ｎ４０．２３３１５．０１．２６．０Ｎ１００．２９３２８．５０．６９．０Ｎ５０．２４２５１０．５１．３８．５Ｎ１１０．３０３５６．０１．４８．０Ｎ６０．２５３０６．５１．７１１．５Ｎ１２０．３１２９９．５１．１１１．０１．２．４确定试验用料配比根据表４计算得到的均匀设计试验用料配合比，如表５所示．表５ＰＣＣ均匀设计试验用料配合比表ｋｇ·ｍ－３Ｔａｂ．５ＰｒｏｐｏｒｔｉｏｎｆｏｒＰＣＣｕｎｉｆｏｒｍｄｅｓｉｅｓｔｇｎｔ编号胶凝材料用量骨料用量／目水泥粉煤灰硅灰２５～６０６０～８０ＭＪＹ１５６８．４３２３．４８８．２５７６．８６５７６．８６ＭＪＹ２６３７．０２７４．４６８．６ＭＪＹ３５５３．７３５２．８ＭＪＹ４６２７．２３０３．８ＭＪＹ５６３２．１ＭＪＹ６６２２．３２９４．０ＭＪＹ７５４８．８ＭＪＹ８ＭＪＹ９水用量调整组分用量减水减缩剂聚丙烯纤维聚丙烯酸酯乳液１９６．００２５．６７６１．５９３．１５８２．９５５８２．９５２０５．８０２４．１０８０．７７３．５７３．５５６３．９８５６３．９８２１５．６０２２．５４０１．０１０２．９４９．０５８１．８１５８１．８１２２５．４０２０．９７２１．２５８．８２４５．０１０２．９５６５．４０５６５．４０２３５．２０１９．４０４１．３８３．３６３．７５４６．３３５４６．３３２４５．００１７．９３４１．７１１２．７３３３．２９８．０５６４．６７５６４．６７２５４．８０１６．３６６０．９６８．６６７１．３２５４．８５３．９５４５．９０５４５．９０２６４．６０１４．７９８０．８９８．０６３７．０２６４．６７８．４５５８．５４５５８．５４２７４．４０１３．２３０１．６６３．７ＭＪＹ１０５８３．１３１３．６８３．３５４２．６２５４２．６２２８４．２０１１．７６００．６８８．２ＭＪＹ１１５７８．２３４３．０５８．８５４３．００５４３．００２９４．００１０．１９２１．４７８．４ＭＪＹ１２６０２．７２８４．２９３．１５２４．３４５２４．３４３０３．８０８．６２４１．１１０７．８犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期苗福生，等：多因素对聚合物水泥基混凝土抗折强度的影响１９５１．３试件制备及养护试件制备及养护参照ＤＬ／Ｔ５１２６－２００１《聚合物改性水泥砂浆试验规程》．将骨料按质量比１∶１倒入搅拌机，干拌３０ｓ；将胶凝材料倒入搅拌机，干拌１ｍｉｎ；将聚丙烯纤维倒入搅拌机，干拌１ｍｉｎ；将减水剂倒入８０％的水中拌匀，将乳液倒入拌匀，将混合液倒入搅拌机，搅拌５ｍｉｎ；将剩余２０％的水倒入搅拌机，搅拌２ｍｉｎ；卸料、入模具，浇筑成型．浇筑成型在（２０±３）℃ ，相对湿度６０％以上的试验室进行．试件浇筑、振捣、成型、抹平后，覆膜，并在膜外淋水，４８ｈ（从加拌和水搅拌开始计算龄期）后脱模；脱模后，在温度（２０±３）℃ 的水中养护７ｄ；水养７ｄ后，在干养护箱中养护至龄期．由于聚丙烯酸酯乳液对ＰＣＣ具有缓凝作用，故４８ｈ脱模，以保证试块充分硬化和水泥充分水化，这可使脱模后的试块达到较高的力学性能．硬化脱模后，在水中养护是为了使水泥得以充分地水化，由水化硅酸钙（Ｃ?Ｓ ?Ｈ）形成混凝土的刚性骨架，使混凝土强度得以尽快增长．水养后，在干养护箱中养护，有利于ＰＣＣ添加的聚合物失水固化、成膜，使其形成的点、网、膜胶联于Ｃ?Ｓ ?Ｈ形成的混凝土刚性骨架之中，紧密黏固，并将混凝土内部的毛细孔道填塞［１６?１８］．１．４抗折强度试验抗折强度测量参照ＧＢ／Ｔ１７６７１－１９９９《水泥胶砂强度检验方法（ＩＳＯ法）》，测定抗折强度的长方体试件尺寸为４０ｍｍ×４０ｍｍ×１６０ｍｍ，将试件置于夹具中，在压力机上完成测试．压力机采用ＣＨＴ? ４１０６型微机液压万能试验机（上海新三思计量仪器制造有限公司），最大承载力为１０００ｋＮ．２试验结果与建模分析根据试验结果，对ＰＣＣ２８ｄ抗折强度进行单指标多元回归建模，就主效应、交互主效应、单因素及交互作用对抗折强度的影响分别进行分析．２．１试验结果ＰＣＣ２８ｄ抗折强度（犳２８）试验结果，如表６所示．表６ＰＣＣ２８ｄ抗折强度表Ｔａｂ．６２８ｄｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｏｆｕｎｉｆｏｒｍｄｅｓｉｏｒＰＣＣｇｎｆ编号狓２／％狓３／％狓４／ｋｇ狓５／％犳２８／ＭＰａ狓１编号狓２／％狓３／％狓４／ｋｇ狓５／％犳２８／ＭＰａ狓１ＭＪＹ１０．２０３３９．０１．５９．５２０．５８ＭＪＹ７０．２６３４１０．００．９７．０１０．９８ＭＪＹ２０．２１２８７．００．７７．５１８．８１ＭＪＹ８０．２７２６５．５８０．１０．０１２．００ＭＪＹ３０．２２３６７．５１．０１０．５１４．１４ＭＪＹ９０．２８２７８．０１．６６．５１１．０８ＭＪＹ４０．２３３１５．０１．２６．０１６．８９ＭＪＹ１００．２９３２８．５０．６９．０１０．３１ＭＪＹ５０．２４２５１０．５１．３８．５１４．９１ＭＪＹ１１０．３０３５６．０１．４８．０７．６９ＭＪＹ６０．２５３０６．５１．７１１．５１１．５１ＭＪＹ１２０．３１２９９．５１．１１１．０７．２９２．２抗折强度回归模型的建立根据试验结果，采用两种方法分别进行回归分析．２．２．１偏最小二乘二次多项式回归将表６的试验结果录入ＤＰＳ中，选中数据模块，在菜单中选择 “多元分析”→ “有偏回归分析”→ “偏最小二乘二次多项式回归”，建立模型［１５，１９］．建立的抗折强度关于狓１～狓５的偏最小二乘二次多项式回归模型狔１为２２３２＋３４．７６狓１＋１．１１狓２－５．５８狓３－３３．４１狓４－６．４９狓５＋６３．９９狓１－０．０４４狓２＋狔１＝７３．０．１４狓２４４狓２０９狓２６５狓１狓２－４．５３狓１狓３－３４．６９狓１狓４－１．９４狓１狓５＋３＋１．４－０．５－１．０．０２狓２狓３＋０．３０狓２狓４＋０．１６狓２狓５＋２．１６狓３狓４＋０．１８狓３狓５＋１．４８狓４狓５．表７狔１数据标准化后模型误差平方和及决定系数可从误差平方和看出二次多项式回归模型的拟合效果．提取不同潜变量个数时，数据Ｔａｂ．７Ｓｑｕａｒｅｓｕｍｏｆｍｏｄｅｌｅｒｒｏｒｓａｎｄ标准化后模型的误差平方和与ＰＲＥＳＳ统计ｄｅｔｅｒｍｉｎａｎｔｃｏｅｆｆｉｃｉｅｎｔｓａｆｔｅｒｎｏｒｍａｌｉｚｉｎｇｏｆ狔１（１）量的下降情况，以及相应组分（潜变量）时的潜变量个数误差平方和犚２ＰＲＥＳＳ统计量模型拟合的决定系数犚２，如表７所示．经犉１１．２２３１０．８８８８１３．１１１１２０．１５４９０．９８５９１１．１５７６３０．０１３４０．９９８８８．９４０８检验，回归模型在α＝０．０１时达到显著．从决犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）１９６２０１９年定系数可以看出，提取３个组分（潜变量）时，回归模型的拟合程度很好．故模型可以用于分析各因素的主效应．２．２．２多因子及平方项逐步回归将表６的试验结果录入ＤＰＳ中，选中数据模块，在菜单中选择 “多元分析”→ “回归分析”→ “多因子及平方项逐步回归”，建立模型［１５，１９］．建立的抗折强度关于狓１～狓５的多因子及平方项逐步回归模型狔２为４６＋６７５．８５狓１＋１６．７０狓２＋９．８８狓３＋６２．３５狓４＋１７．７４狓５－狔２＝－４４６．（２）１５４０．４２狓２２８狓２６６狓２６．１９狓２０２狓２１－０．２－０．３－２４－１．５．该回归Ｄｕｒｂｉｎ Ｗａｔｓｏｎ统计量犱＝１．８４４９，回归模型经过犉检验，在α＝０．０１水平达到显著，犚２＝０．９８９７，回归模型的拟合程度很好．故回归模型可以很好地反映各因素及交互作用与抗折强度之间的关系［１５］．２．３单因素及互作项对抗折强度影响分析［］２．３．１各因素主效应分析标准回归系数可以无量纲地比较各个自变量对因变量的影响２０．抗折强度的偏最小二乘二次多项式回归主模型狔１各因素的标准化回归系数，如表８所示．表８狔１一次项标准回归系数Ｔａｂ．８Ｓｔａｎｄａｒｄｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｏｆｆｉｒｓｔｏｒｄｅｒｔｅｒｍｏｆ狔１因素狓１狓２狓３狓４狓５标准回归系数－０．６４９５－０．０４１３０．０２１８－０．００８８－０．２２５９由表８可知：各因素主效应对抗折强度的影响顺序为狓１＞狓５＞狓２＞狓３＞狓４，即对抗折强度影响的顺序从大到小为水胶比、聚丙烯酸酯乳液、粉煤灰、硅粉、聚丙烯纤维．其中，除了硅粉为正效应，其他因素都为负效应．２．３．２互作项的影响顺序分析准化回归系数，如表９所示．抗折强度的偏最小二乘二次多项式回归主模型狔１各因素互作项的标表９狔１交互项标准回归系数Ｔａｂ．９Ｓｔａｎｄａｒｄｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｏｆｉｎｔｅｒａｃｔｉｏｎｉｔｅｍｏｆ狔１因素标准回归系数狓１狓２狓１狓３狓１狓４狓１狓５狓２狓３狓２狓４狓２狓５狓３狓４狓３狓５狓４狓５－０．０４４４－０．０５６６－０．０９６８－０．０２５７０．０３４５０．０７２９０．１９４２０．２３６４０．１３５８０．２２０２由表９可知：根据交互项标准回归系数的大小、正负可以看出，两两因素交互作用对抗折强度的影响顺序为狓３狓４＞狓４狓５＞狓２狓５＞狓３狓５＞狓１狓４＞狓２狓４＞狓１狓３＞狓１狓２＞狓２狓３＞狓１狓５，即影响顺序为硅粉和聚丙烯纤维、聚丙烯纤维和聚丙烯酸酯乳液、粉煤灰和聚丙烯酸酯乳液、硅粉和聚丙烯酸酯乳液、水胶比和聚丙烯纤维、粉煤灰和聚丙烯纤维、水胶比和硅粉、水胶比和粉煤灰、粉煤灰和硅粉、水胶比和聚丙烯酸酯乳液．从标准回归系数的大小可以看出，聚丙烯酸酯乳液的添加对各因素的交互影响较大．２．３．３单因素对抗折强度影响子模型分析利用抗折强度多因子及平方项逐步回归模型狔２，进行单因素影响分析时，可以采取降维法［１５］．将其他因子水平固定在０水平，便可以得到反映各单因素对抗折强度影响过程的子模型．降维后，由式（２）得到的关于狓１～狓５的偏回归的子模型分别为狓１）＝－４４６．４６＋６７５．８５狓１－１５４０．４２狓２狔２（１，烌狓２）＝－４４６．４６＋１６．７０８狓２－０．２８狓２狔２（２，狓３）＝－４４６．４６＋９．８８狓３－０．６６狓２狔２（３，烍狓４）＝－４４６．４６＋６２．３５狓４－２６．１９狓，狔２（狓５）＝－４４６．４６＋１７．７４狓５－１．０２狓２狔２（５．烎（３）２４各因素对相对抗折强度的影响曲线，如图１所示．图１中：狑为质量分数；犿为质量；犳ｒ为相对抗折强度．由图１可知：在各因素取值区间内，各因素对相对抗折强度的影响曲线均呈二次抛物线的形式，且抛物线开口向下．５种影响因素对抗折强度的影响与其对应的水平大小有着密切的关系，较小和较大对抗折强度都有不利的影响．当各因素的水平较低，在抛物线的对称轴左侧时，其对抗折强度的影响呈现明显的正效应，这与模型所表现的正效应一致，即抗折强度随着各因素水平的增加而增加；随着各因素水平高于抛物线对称轴水平时，其平方项效应的贡献超过其一次项主效应的贡献，各因素对抗折强度的犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期苗福生，等：多因素对聚合物水泥基混凝土抗折强度的影响１９７影响呈现为负效应，即抗折强度随着因素水平的增加而减小．从影响曲线变化上可以看出：各因素对抗折强度的影响过程类似，合适的因素水平可以得到最好的抗折强度．各因素对抗折强度的影响是有区别的，其影响程度大小，如表８所示．式（２）分别对狓１～狓５求一阶偏导数，令其为０，可得到各影响因素的极大值，即抗折强度最优时的值．当水胶比、粉煤灰掺量、硅粉掺量、聚丙烯纤维、聚丙烯酸酯乳液分别为０．２２，２９．８７％，７．４６％，１．１９ｋｇ，８．７２％时，抗折强度最优；当它们分别为０．３１，３６％，１０．５％，０．６０ｋｇ，１１．５％时，抗折强度最差．（ａ）水胶比（ｂ）粉煤灰掺量（ｃ）硅粉掺量（ｄ）聚丙烯纤维（ｃ）聚丙烯酸酯乳液图１各因素对相对抗折强度的影响Ｆｉ１Ｉｎｆｌｕｅｎｃｅｏｆｅａｃｈｆａｃｔｏｒｏｎｒｅｌａｔｉｖｅｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｇ．２．３．４交互作用对抗折强度影响的子模型分析抗折强度受影响的因素较为复杂，单一因素并不能对抗折强度作出全面合理的解释．各因素间的交互作用对抗折强度具有一定的影响．交互作用采用抗折强度多因子及平方项逐步回归模型狔２进行分析．对多因子及平方项逐步回归模型狔２采用降维法进行两两交互作用的分析［１５］．将交互作用外的其他因子水平固定在０水平，便可以得到反映两个因素交互对抗折强度影响过程的子模型．分析以交互作用影响大小为序．降维后，由回归模型式（２）得到的抗折强度关于两两因素交互的子模型分别为狓３，狓４）＝－４４６．４６＋９．８８狓３＋６２．３５狓４－０．６６狓３－２６．１９狓４，狔２（２狓４，狓５）＝－４４６．４６＋６２．３５狓４＋１７．７４狓５－２６．１９狓４－１．０２狓２狔２（５，（４）（５）狓２，狓５）＝－４４６．４６＋１６．７０狓２＋１７．７４狓５－０．２８狓２－１．０２狓５，狔２（２狓３，狓５）＝－４４６．４６＋９．８８狓３＋＋１７．７４狓５－０．６６狓３－１．０２狓２狔２（５，（６）（７）狓｀１，狓４）＝－４４６．４６＋６７５．８５狓１＋６２．３５狓４－１５４０．４２狓１－２６．１９狓４，狔２（狓２，狓４）＝－４４６．４６＋１６．７０狓２＋６２．３５狓４－０．２８狓２６．１９狓２狔２（２－２４，（８）（９）狓１，狓３）＝－４４６．４６＋６７５．８５狓１＋９．８８狓３－１５４０．４２狓１－０．６６狓３，狔２（２狓１，狓２）＝－４４６．４６＋６７５．８５狓１＋１６．７０狓２－１５４０．４２狓１－０．２８狓２狔２（２，（１０）（１１）狓２，狓３）＝－４４６．４６＋１６．７０狓２＋９．８８狓３－０．２８狓２－０．６６狓３，狔２（２狓１，狓５）＝－４４６．４６＋６７５．８５狓１＋１７．７４狓５－１５４０．４２狓１－１．０２狓２狔２（５．（１２）（１３）２２２２２２２２犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．２２华侨大学学报（自然科学版）１９８２０１９年由式（４）～（１３）得到的两个因素对抗折强度影响的交互效应，如图２所示．由图２可知：在两因素交互作用下，无论一种因素固定在什么水平，抗折强度都会随着另一种因素的增加呈先增大后减小的趋势，并且趋势明显．以上趋势表明，交互作用两因素存在着最佳配料值．由图２（ａ）可知：当硅粉掺量为７．４６％，聚丙烯纤维添加量为１．１９ｋｇ时，抗折强度存在峰值；当硅粉掺量为１０．５％，聚丙烯纤维添加量为０．６０ｋｇ时，抗折强度存在最小值．由图２（ｂ）可知：当聚丙烯纤维添加量为１．１９ｋｇ，聚丙烯酸酯乳液添加量为８．７２％时，抗折强度存在峰值；当聚丙烯纤维添加量为０．６０ｋｇ，聚丙烯酸酯乳液的添加量为１１．５％的时候，抗折强度存在最小值．由图２（ｃ）可知：当粉煤灰的添加量为（ａ）硅粉和聚丙烯纤维（ｂ）聚丙烯纤维和聚丙烯酸酯乳液（ｃ）粉煤灰和聚丙烯酸酯乳液（ｄ）硅粉和聚丙烯酸酯乳液（ｅ）水胶比和聚丙烯纤维（ｆ）粉煤灰和聚丙烯纤维（ｇ）水胶比和硅粉（ｈ）水胶比和粉煤灰犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期苗福生，等：多因素对聚合物水泥基混凝土抗折强度的影响（ｉ）粉煤灰和硅粉１９９（ｊ）水胶比和聚丙烯酸酯乳液图２两个因素对相对抗折强度影响的交互效应Ｆｉ２Ｉｎｔｅｒａｃｔｉｖｅｅｆｆｅｃｔｏｆｔｗｏｆａｃｔｏｒｓｏｎｒｅｌａｔｉｖｅｆｌｅｘｕｒａｌｓｔｒｅｎｇｔｈｇ．２９．８７％，聚丙烯酸酯乳液添加量为８．７２％时，抗折强度存在峰值；当粉煤灰添加量为３６％，聚丙烯酸酯乳液添加量为１１．５％时，抗折强度存在最小值．由图２（ｄ）可知：当硅粉添加量为７．４６％，聚丙烯酸酯乳液添加量为８．７２％时，抗折强度存在峰值；当硅粉添加量为１０．５％，聚丙烯酸酯乳液添加量为１１．５％时，抗折强度存在最小值．由图２（ｅ）可知：当水胶比为０．２２，聚丙烯纤维添加量为１．１９ｋｇ时，抗折强度存在峰值；当水胶比为０．３１，聚丙烯纤维添加量为０．６０ｋｇ时，抗折强度存在最小值．由图２（ｆ）可知：当粉煤灰添加量为２９．８７％，聚丙烯纤维添加量为１．１９ｋｇ时，抗折强度存在峰值；当粉煤灰添加量为３６％，聚丙烯纤维添加量为０．６０ｋｇ时，抗折强度存在最小值．由图２（２２，硅粉的ｇ）可知：当水胶比为０．添加量为７．４６％时，抗折强度存在峰值；当水胶比为０．３１，硅粉的添加量为１０．５％时，抗折强度存在最小值．由图２（ｈ）可知：当水胶比为０．２２，粉煤灰的添加量为２９．８７％时，抗折强度存在峰值；当水胶比为０．３１，粉煤灰添加量为３６％时，抗折强度存在最小值．由图２（ｉ）可知：当粉煤灰添加量为２９．８７％，硅粉添加量为７．４６％时，抗折强度存在峰值；当粉煤灰添加量为３６％，硅粉添加量为１０．５％时，抗折强度存在最小值．由图２（２２，聚丙烯酸酯乳液添加量为８．７２％时，抗折强度存在峰值；当ｊ）可知：当水胶比为０．水胶比为０．３１，聚丙烯酸酯乳液添加量为１１．５％时，抗折强度存在最小值．２．４抗折强度最优时的因素组合方案根据ＤＰＳ建立的聚合物水泥基混凝土抗折强度的多因子及平方项逐步回归模型为４６＋６７５．８５狓１＋１６．７０狓２＋９．８８狓３＋６２．３５狓４＋狔２＝－４４６．１７．７４狓５－１５４０．４２狓２２８狓２６６狓２６．１９狓２０２狓２．１－０．２－０．３－２４－１．５求得５因素影响聚合物水泥基混凝土抗折强度的最优组合为水胶比０．２２，粉煤灰掺量２９．８７％，硅粉掺量７．４６％，聚丙烯纤维１．１９ｋｇ，聚丙烯酸酯乳液８．７２％，此配比基础上的最优抗折强度为２８．４７ＭＰａ．３结论１）在单因素对抗折强度的影响中，对抗折强度影响的顺序从大到小为水胶比、聚丙烯酸酯乳液、粉煤灰、硅粉、聚丙烯纤维．在取值区间内，各因素对相对抗折强度的影响曲线均呈二次抛物线的形式，且抛物线开口向下，较小和较大对抗折强度都有不利的影响．２）在交互作用对抗折强度的影响中，抗折强度存在峰值和最小值，其影响顺序为狓３狓４＞狓４狓５＞狓２狓５＞狓３狓５＞狓１狓４＞狓２狓４＞狓１狓３＞狓１狓２＞狓２狓３＞狓１狓５，即硅粉和聚丙烯纤维、聚丙烯纤维和聚丙烯酸酯乳液、粉煤灰和聚丙烯酸酯乳液、硅粉和聚丙烯酸酯乳液、水胶比和聚丙烯纤维、粉煤灰和聚丙烯纤维、水胶比和硅粉、水胶比和粉煤灰、粉煤灰和硅粉、水胶比和聚丙烯酸酯乳液．３）根据ＤＰＳ建立的聚合物水泥基混凝土抗折强度的多因子及平方项逐步回归模型，得到５因素的最优组合方案为水胶比０．２２，粉煤灰掺量２９．８７％，硅粉掺量７．４６％，聚丙烯纤维１．１９ｋｇ，聚丙烯酸酯乳液８．７２％，在此配比基础上的最优抗折强度为２８．４７ＭＰａ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２００２０１９年参考文献：［１］杨久俊，贾晓林，谭伟，等．水泥基梯度复合功能材料物理力学性能的初步研究［Ｊ］．新型建筑材料，２００１（１１）：１  ３．ｉｓｓｎ．１００１  ７０２Ｘ．２００１．１１．００１．ＤＯＩ：１０．３９６９／ｊ．［２］ＹＡＮＧＪｉｕｕｎ，ＨＡＩＲａｎ，ＤＯＮＧＹａｎｌｉｎｇ，犲狋犪犾．Ｅｆｆｅｃｔｏｆｔｈｅｃｏｍｐｏｎｅｎｔａｎｄｆｉｂｅｒｇｒａｄｉｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｓｏｎｔｈｅｊｓｔｒｅｎｇｔｈｏｆｃｅｍｅｎｔ ｂａｓｅｄｃｏｍｐｏｓｉｔｅｍａｔｅｒｉａｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｆＴｅｃｈｎｏｌｏｇｙ，２００３，１８（２）：６１  ６４．ｙｏＤＯＩ：１０．１００７／ＢＦ０２８３８８０５．［３］杨久俊，海然，董延玲，等．组分梯度复合对水泥基材料力学性能的影响［Ｊ］．硅酸盐学报，２００２，３０（６）：８０３  ８０６．ｉｓｓｎ：ＤＯＩ：１０．３３２１／０４５４  ５６４８．２００２．０６．０２９．ｊ．［４］王超，刘兆爽，赵文杰．聚合物改性水泥基材料的机理研究进展［Ｊ］．硅酸盐通报，２０１７，３６（４）：１２５４  １２５８．ＤＯＩ：１０．ｃｎｋｉ．ｉｓｓｎ１００１  １６２５．２０１７．０４．０２６．１６５５２／ｊ．［５］沈荣熹，崔琪，李清海．新型纤维增强水泥基复合材料［Ｍ］．北京：中国建材工业出版社，２００４．［ｉｓｓｎ．１６７２６］陈培正．不同聚合物改性水泥混凝土性能研究［Ｊ］．水利规划与设计，２０１８（１２）：１３１１３３．ＤＯＩ：１０．３９６９／ ? ? ｊ．２４６９．２０１８．１２．０３５．［７］左艳梅，诸昌武．核壳苯丙乳液改性水泥基材料微观结构研究进展［Ｊ］．中国胶粘剂，２０１８，２７（１１）：５３５７．ＤＯＩ：１０． ? １３４１６／ｃａ．２０１８．１１．０１４．ｊ．［８］李兆恒，陈晓文，杨永民，等．无机聚合物混凝土的制备及其在海堤建设中的应用［Ｊ］．广东水利水电，２０１８（１１）：１０２ ? １０５．［９］黄凯健，何若楠，卢政，等．复合掺合料和聚合物对钢渣?碎石透水混凝土性能的影响［Ｊ］．混凝土与水泥制品，２０１８（１２）：１５． ? ［１０］王锋，杨正．聚合物改性水泥混凝土路用性能研究［Ｊ］．粉煤灰综合利用，２０１８（５）：７７?８０．ＤＯＩ：１０．３９６９／ｉｓｓｎ．ｊ．８２４９．２０１８．０５．０１８．１００５ ? ［１１］许芸熙．基于聚合物改性的水泥混凝土路面抗滑耐磨性能提升技术研究［Ｄ］．哈尔滨：哈尔滨工业大学，２０１７．［１２］李悦，朱金才，吴玉生．聚合物对超高韧性水泥基复合材料性能的影响［Ｊ］．建筑材料学报，２０１８，２１（１）：２６?３２．ＤＯＩ：１０．３９６９／ｉｓｓｎ．１００７９６２９．２０１８．０１．００５． ? ｊ．［１３］马保国，高英力，王信刚，等．无细观界面过渡区水泥基材料的设计及其性能［Ｊ］．硅酸盐学报，２００７，３５（７）：８８６? ８９２．ＤＯＩ：１０．３３２１／ｉｓｓｎ：０４５４５６４８．２００７．０７．０１７． ? ｊ．［１４］方开泰．均匀设计与均匀设计表［Ｍ］．北京：科学出版社，１９９４．［１５］唐启义．ＤＰＳ数据处理系统：实验设计、统计分析及数据挖掘［Ｍ］．２版．北京：科学出版社，２０１０．［１６］建筑施工手册第３版编写组．建筑施工手册［Ｍ］．３版．北京：中国建筑工业出版社，１９９７．［１７］ＯＨＡＭＡＹ．Ｐｏｌｒｓｅｄａｄｍｉｘｔｕｒｅｓ［Ｊ］．ＣｅｍｅｎｔａｎｄＣｏｎｃｒｅｔｅＣｏｍｐｏｓｉｔｅｓ，１９９８，２０（２／３）：１８９?２１２．ＤＯＩ：１０． ?ｂａｙｍｅ１０１６／ｓ０９５８９４６５（９７）０００６５６． ? ? ［１８］王晓明，王培铭．聚合物干粉对水泥砂浆凝结时间的影响［Ｊ］．新型建筑材料，２００５（３）：５１?５３．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１７０２Ｘ．２００５．０３．０１９． ? ［１９］唐启义，唐洁．偏最小二乘回归分析在均匀设计试验建模分析中的应用［Ｊ］．数理统计与管理，２００５，２５（５）：４５４９． ? １０．１３８６０／ＤＯＩ：ｃｎｋｉ．ｓｌｔ２００５．０５．００８．ｊ．ｊ．［２０］ＫＵＭＡＲＳ，ＤＥＹＰ．Ｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｍｕｌｃｈｅｓａｎｄｉｒｒｉｔｉｏｎｍｅｔｈｏｄｓｏｎｒｏｏｔｇｒｏｗｔｈ，ｎｕｔｒｉｅｎｔｕｐｔａｋｅ，ｗａｔｅｒ ? ｇａｕｓｅｅｆｆｉｃｉｅｎｃｙａｎｄｙｉｅｌｄｏｆｓｔｒａｗｂｅｒｒＪ］．ＳｃｉｅｎｔｉａＨｏｒｔｉｃｕｌｔｕｒａｅ，２０１１，１２７（３）：３１８ＤＯＩ：１０．１０１６／ｓｃｉｅｎｔａ． ?３２４．ｙ［ｊ．２０１０．１０．０２３．（责任编辑：钱筠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：方德平）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｖｏｌ．４０Ｎｏ．２Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０９０１３ ? 碱催化过氧化氢氧化法对偶氮染料酸橙７的降解性能刘淑坡１，王黛瑶１，王梦云１，邹景１，杨志敏２，周真明１（１．华侨大学土木工程学院，福建厦门３６１０２１；２．华侨大学分析测试中心，福建厦门３６１０２１）摘要：针对过氧化氢溶液在碱性条件下降解有机污染物的反应，选择偶氮染料酸橙７（ＡＯ７）作为目标污染物，研究各种反应参数对ＡＯ７降解的影响；同时，利用抗坏血酸、叔丁醇、糠醇、氯化硝基四氮唑蓝４种不同自由基猝灭剂鉴定染料在降解过程中的主要活性物质．实验结果表明：碱催化过氧化氢的高级氧化体系可有效地降解水中典型偶氮染料ＡＯ７，最适ｐＨ值为１１，且随着过氧化氢浓度的增加和反应温度的上升，ＡＯ７的降解速率随之显著升高；超氧自由基是降解ＡＯ７的主要活性物质．关键词：过氧化氢；酸橙７；超氧自由基；碱催化中图分类号：ＴＵ９９２文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２０１０８ ? ? ? 犈犳犳犲犮狋犻狏犲犇犲狉犪犱犪狋犻狅狀狅犳犃犮犻犱犗狉犪狀犵犲７犫狔犵狋犪犾狕犲犱犎狔犱狉狅犲狀犘犲狉狅狓犻犱犲犃犾犽犪犾犻 ?犆犪狔犵１１ＬＩＵＳｈｕｐｏ１，ＷＡＮＧＤａｉｙａｏ，ＷＡＮＧＭｅｎｇｙｕｎ，ＺＯＵＪｉｎｇ１，ＹＡＮＧＺｈｉｍｉｎ２，ＺＨＯＵＺｈｅｎｍｉｎｇ１（１．ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ；ｙ，Ｘｉ２．ＣｅｎｔｅｒｏｆＦｏｒｅｃａｓｔｉｎｇａｎｄＡｎａｌｉｓ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙｓｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ａｉｍｉｎｇａｔｔｈｅｒｅａｃｔｉｏｎｏｆｄｅｇｒａｄｉｎｇｏｒｉｃｐｏｌｌｕｔａｎｔｓｂｙａｌｋａｌｉ  ｃａｔａｌｚｅｄｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅｇａｎｙ（Ｈ２Ｏ２），ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｖａｒｉｏｕｓｐａｒａｍｅｔｅｒｓｏｎＡＯ７ｄｅｇｒａｄａｔｉｏｎｂｙａｌｋａｌｉｃｔｉｖａｔｅｄＨ２Ｏ２ｗａｓｅｖａｌｕａｔｅｄｂｙ ?ａＡＯ７）ａｓｔｈｅｔａｒｔｏｒｉｃｐｏｌｌｕｔａｎｔ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｒａｄｉｃａｌｓｃａｖｅｎｇｅｒｓ，ｉｎ  ｃｈｏｏｓｉｎｇａｚｏｄｙｅｏｆａｃｉｄｏｒａｎｇｅ７（ｇｅｇａｎｃｌｕｄｉｎｇａｓｃｏｒｂｉｃａｃｉｄ，ｔｔａｎｏｌ，ｆｕｒｆｕｒｌａｌｃｏｈｏｌａｎｄｎｉｔｒｏｂｌｕｅｔｅｔｒａｚｏｌｉｕｍ，ｗｅｒｅｔｅｓｔｅｄｔｏｉｄｅｎｔｉｆｈｅａｃｔｉｖｅ ?ｂｕｙｙｔｓｐｅｃｉｅｓｉｎｖｏｌｖｅｄｉｎｔｈｅｄｙｅｄｅｇｒａｄａｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｃｅｓｓｏｆａｌｋａｌｉｃａｔａｌｚｅｄＨ２Ｏ２ｉｓ ? ｙｅｆｆｅｃｔｉｖｅｆｏｒｄｅｇｒａｄｉｎｇｔｈｅｔｉｃａｌａｚｏｄｙｅｏｆＡＯ７ｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎ．ＴｈｅｏｐｔｉｍｕｍｐＨｖａｌｕｅｆｏｒｄｅｇｒａｄｉｎｇｙｐＡＯ７ｉｓ１１．Ｍｏｒｅｏｖｅｒ，ｔｈｅｄｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｉｓａｃｃｅｌｅｒａｔｅｄｓｉｉｆｉｃａｎｔｌｔｈｔｈｅｉｎｃｒｅａｓｉｎｇｏｆＨ２Ｏ２ｃｏｎｃｅｎ  ｇｎｙｗｉｔｒａｔｉｏｎａｎｄｒｅａｃｔｉｏｎｔｅｍｐｅｒａｔｕｒｅ．ＴｈｅｍａｏｒｒｅａｃｔｉｖｅｏｘｉｄａｎｔｆｏｒｄｅｇｒａｄｉｎｇＡＯ７ｂｙａｌｋａｌｉａｔａｌｚｅｄＨ２Ｏ２ｉｓ ?ｃｊｙ · ｃｏｎｆｉｒｍｅｄａｓＯ２－．犓犲狉犱狊：ｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅ；ａｃｉｄｏｒａｎｇｅ７；ｓｕｐｅｒｏｘｉｄｅｒａｄｉｃａｌ；ａｌｋａｌｉｃａｔａｌｚｅｄ ? ｙ狔狑狅收稿日期：２０１８０４１５ ? ? 通信作者：邹景（１９８６Ｅ?ｍａｉｌ：ｚｏｕｉｎｇ＠ｈｑｕ．ｅｄｕ． ?），男，讲师，博士，主要从事高级氧化水处理新技术与理论的研究．ｊｃｎ．基金项目：福建省自然科学基金青年创新资助项目（１４１８５０１３）；福建省泉州市科技计划资助项目（２０１８Ｚ００５）；华侨大学科研基金资助项目（１６ＢＳ７０５）华侨大学学报（自然科学版）２０２２０１９年由于纺织、皮革、造纸和塑料等行业大量使用染料，其产生的废水是环境污染的主要来源［１］．这些染料废水通常具有高色度、高毒性的特性，当其未经处理或处理不达标就排入自然水体时，将严重威胁人体健康和生态环境［２］．偶氮染料是在印染工艺中应用最为广泛的一类合成染料，约占有机染料的８０％．由于偶氮染料具有致癌、致畸、致突变作用，同时，又具有高化学稳定性，传统的方法，如物理法［３］、生物法［４］、化学法［５］等很难将染料完全降解．因此，偶氮染料废水的处理一直是水处理领域的研究热点和难［］点．高级氧化工艺（ＡＯＰｓ）因对污染物具有高速、高效的去除能力，备受国内外学者的关注６?８．过氧化氢方法作为高级氧化工艺的一种，具有绿色、高效的特点，在实际应用中，活化过氧化氢的方法主要包括金属离子活化、电活化、微波活化等．由于Ｆｅｎｔｏｎ试剂（Ｆｅ２＋／Ｈ２Ｏ２）需要在严格的酸性条件（ｐＨ＜３）才能［］使用［９］，而电活化［１０］和微波活化［１１］均需要外加能量，增加处理费用．Ｋａｔａｆｉａｓ等１２研究表明，碱性环境可催化过氧化氢生成活性物质，降解有机污染物．因此，本文考察碱催化过氧化氢的方法对偶氮染料酸橙７（ＡＯ７）的降解情况，在不同反应条件下，研究碱催化过氧化氢对ＡＯ７降解的影响，同时，探究碱催化过氧化氢降解ＡＯ７的作用机理．１材料与方法１．１试剂与仪器试剂：ＡＯ７，叔丁醇和糠醇（上海阿拉丁生化科技股份有限公司）；过氧化氢（３０％）、氢氧化钠、抗坏血酸和氯化硝基四氮唑蓝（ＮＢＴ）（上海国药集团化学试剂有限公司）．上述药品均为分析纯，溶液均采用Ｍｉｌｌｌｌｉｒｅ公司）． ?Ｑ超纯水制备系统生产的水配制（美国Ｍｉ ? ｐｏ仪器：ＴＵ? １９０１型紫外可见分光光度计（北京普析通用仪器有限责任公司）；ＰＢ１０型ｐＨ计（德国Ｓａｒｔｏｒｉｕｓ公司）．１．２实验方法首先，将２ｍＬ１０ｍｍｏｌ·Ｌ－１的ＡＯ７溶液和确定体积的超纯水加入１５０ｍＬ的锥形瓶中，使用１ｍｏｌ·Ｌ－１的ＮａＯＨ调节溶液的ｐＨ值，直到ｐＨ值为所需数值；然后，加入适量过氧化氢溶液以启动反应，反应溶液总体积为１００ｍＬ，空白实验中没有加入过氧化氢．自由基猝灭实验由抗坏血酸、叔丁醇、ＮＢＴ和糠醇作为猝灭剂，将其分别注入锥形瓶后，再加入过氧化氢溶液，启动反应．按规定时间取样，每次从锥形瓶中取１ｍＬ反应液与１ｍＬ０．５ｍｍｏｌ·Ｌ－１磷酸缓冲液（ｐＨ＝６）混合．在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，反应温度为（２５±２）℃ 的条件下，考察不同ｐＨ值时，偶氮染料ＡＯ７的全扫描光谱情况，如图１所示．图１中：ｂ）插图为偶氮染料ＡＯ７的化学结构． λ 为波长；图１（（ａ）未混合磷酸缓冲溶液的偶氮染料ＡＯ７（ｂ）偶氮染料ＡＯ７与磷酸缓冲溶液混合图１不同ｐＨ值条件下偶氮染料ＡＯ７全扫描光谱图Ｆｉ１ＦｕｌｌｓｃａｎｎｉｎｇｓｐｅｃｔｒｏｇｒａｍｏｆＡＯ７ａｚｏｄｙｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｐＨｃｏｎｄｉｔｉｏｎｓｇ．由图１（ａ）可知：当ｐＨ值为１０，１１时，最大特征峰波长为４８４ｎｍ；当ｐＨ值为１２时，最大特征峰波长为４８０ｎｍ；当ｐＨ值为１３时，最大特征峰波长为４５３ｎｍ．由图１（ｂ）可知：偶氮染料ＡＯ７与磷酸缓冲液混合后，基本消除了反应溶液ｐＨ值对偶氮染料ＡＯ７最大特征峰波长的影响，使其ｐＨ值在１０～１３时的最大特征峰波长均为４８４ｎｍ．这说明在测定反应过程中的吸光度值时，偶氮染料ＡＯ７体积按１∶１加入０．５ｍｍｏｌ·Ｌ－１的磷酸缓冲液（ｐＨ＝６）是非常有犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期刘淑坡，等：碱催化过氧化氢氧化法对偶氮染料酸橙７的降解性能２０３必要的，不仅可以将溶液ｐＨ值调到中性，还可以终止反应的进行，使测量结果更加准确；同时，还可消除反应溶液的ｐＨ值对偶氮染料ＡＯ７最大特征峰波长的影响．１．３数据处理狋时刻时，ＡＯ７的降解率计算式为犆０－犆狋 ×１００％．犆０式（１）中：ＤＥ为染料降解效率；犆０，犆狋分别为染料的初始浓度和狋时刻的浓度，ｍｍｏｌ·Ｌ－１．ＤＥ＝（１）２结果与讨论２．１碱催化过氧化氢对犃犗７的氧化降解在ＡＯ７初始浓度为０．２ｍｍｏｌ· Ｌ－１，ｐＨ值为１１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１，反应温度为（２５±２）℃ 的条件下，考察碱催化过氧化氢降解ＡＯ７的情况，如图２所示．图２中：狋为反应时间；犆狋／犆０为ＡＯ７的剩余率．由图２可知：在不含过氧化氢的空白试验中，ＡＯ７几乎无降解，但加入过氧化氢后，ＡＯ７的降解率（１－犆狋／犆０）得到显著的提高；当ｐＨ值为１１，反应时间为６０ｍｉｎ时，ＡＯ７降解率达到５４．７％，同时，反应前、后溶液的ｐＨ值几乎没有变化（该数据文中未给出）．因此，碱催化过氧化氢溶液可有效降解ＡＯ７．图２碱催化过氧化氢降解ＡＯ７２．２最佳工艺条件的筛选２．２．１初始ｐＨ值的影响Ｆｉ２ＤｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｂｙｇ．ａｌｋａｌｉｃａｔａｌｚｅｄＨ２Ｏ２ ? ｙ溶液中的初始ｐＨ值是影响基于活化过氧化氢的高级氧化体系氧化效果的重要因素之一，改变ｐＨ值可显著影响体系对染料的降解效果［１３］．在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１，反应温度为（２５±２） ℃ 的条件下，考察溶液初始ｐＨ值对碱催化过氧化氢降解ＡＯ７的影响，如图３所示．由图３可知：当溶液初始ｐＨ值从１０上升到１１时，ＡＯ７在６０ｍｉｎ的降解率从１５．６％上升到５４．７％；而当ｐＨ值继续升高到１３时，ＡＯ７在６０ｍｉｎ的降解率则快速下降到５．３％；同时，当ｐＨ值为１０～１３时，碱催化过氧化氢降解ＡＯ７的反应符合假一级反应动力学，相应的反应表观速率常数犽ｏｂｓ计算式为（ｌｎ（犆０／犆狋）＝犽ｏｂｓ ×狋．２）当溶液ｐＨ值从１０上升到１１时，相应的反应表观速率常数犽ｏｂｓ从０．００２８ｍｉｎ－１提高为０．０１６５ｍｉｎ－１；当溶液ｐＨ值进一步上升到１３时，相应的反应表观速率常数犽ｏｂｓ为０．０００９ｍｉｎ－１．因此，碱催化过氧化氢降解ＡＯ７反应的图３溶液初始ｐＨ对碱催化过氧化氢降解ＡＯ７的影响Ｆｉ３ＥｆｆｅｃｔｏｆｉｎｉｔｉａｌｓｏｌｕｔｉｏｎｐＨｏｎｇ．最适ｐＨ值为１１．ｄｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｂｙａｌｋａｌｉｎｅｃａｔａｌｚｅｄＨ２Ｏ２ ? ｙ事实上，碱催化过氧化氢降解ＡＯ７反应的最适ｐＨ＝［］１１与过氧化氢的ｐ犓ａ＝１１．６２１４相近．根据文献［１５］可知，过氧化氢在碱性条件下的稳定性由ｐＨ值决定，并且当ｐＨ值为１１～１２时，过氧化氢的自分解速率达到最大；同时，根据文献［１４，１６１９］可得化学 ? 方程式（３）～（１４），即Ｈ２Ｏ２  ＨＯ２－＋Ｈ＋，ｐ犓ａ＝１１．６２． · －－－１ＨＯ２＋Ｈ２Ｏ２ → ＨＯ２＋·ＯＨ＋ＯＨ，犽＝３Ｌ· （ｍｏｌ·ｓ）． · ＨＯ２＋·ＯＨ → Ｈ２Ｏ＋Ｏ２， · · ＨＯ２＋Ｏ２－ → Ｈ２Ｏ２＋Ｏ２，－１犽＝７．５×１０９Ｌ· （ｍｏｌ·ｓ）．７－１犽＝９．７×１０Ｌ· （ｍｏｌ·ｓ）．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（３）（４）（５）（６）华侨大学学报（自然科学版）２０４２０１９年－－ ·ＯＨ＋Ｏ· ２ → ＯＨ＋Ｏ２，－１犽＝１．０１×１０１０Ｌ· （ｍｏｌ·ｓ）． · －１ＨＯ２＋Ｈ２Ｏ２ → Ｈ２Ｏ＋·ＯＨ＋Ｏ２，犽＝（０．５０±０．０９）Ｌ· （ｍｏｌ·ｓ）． · ·－＋ＨＯ２ Ｏ２＋Ｈ，ｐ犓ａ＝４．８０． ·－２ ·ＯＨ＋Ｈ２Ｏ２ → Ｈ２Ｏ＋Ｏ， ·－， ·ＯＨ＋ＨＯ２－ → Ｈ２Ｏ＋Ｏ２ ·ＯＨ＋·ＯＨ → Ｈ２Ｏ２， ·－２ ·ＯＨ＋Ｏ · 犽＝２．７×１０Ｌ· （ｍｏｌ·ｓ）．－１犽＝７．５×１０９Ｌ· （ｍｏｌ·ｓ）．－１７犽＝５．５×１０Ｌ· （ｍｏｌ·ｓ）．１９－－１ｍｏｌ·ｓ）． → ＯＨ＋Ｏ２，犽＝８×１０Ｌ· （９－１（７）（８）（９）（１０）（１１）（１２）（１３） · －１（３×１０５Ｌ· （ＨＯ２＋ＨＯ２ → Ｈ２Ｏ２＋１Ｏ２，犽＝８．ｍｏｌ·ｓ）．１４）由式（３）～（１４）可得，过氧化氢在碱性条件下，通过自分解反应生成一系列活性物质，如羟基自由基 ·ＯＨ，超氧自由基Ｏ２·－和单线态氧１Ｏ２等．由此可推测，降解ＡＯ７的主要氧化剂为过氧化氢通过自催化反应产生的活性物质；同时可以看出，在碱性条件下，式（４）为过氧化氢自分解生成活性物质的限速步骤．当反应溶液ｐＨ值接近过氧化氢ｐ犓ａ＝１１．６２时，式（４）的反应速率达到最大，导致生成活性物质（羟基自由基·ＯＨ，超氧自由基Ｏ２·－和单线态氧１Ｏ２）的速率加快，在６０ｍｉｎ内，ＡＯ７的降解率最大．综上所述，碱催化过氧化氢降解ＡＯ７反应的最适ｐＨ值为１１．２．２．２过氧化氢浓度的影响由于过氧化氢是碱催化过氧化氢方法中活性物质的来源，故有必要探究过氧化氢浓度对该方法的影响．在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，２５±２）ｐＨ值为１１，反应温度为（ ℃ 的条件下，考察过氧化氢浓度（犆（Ｈ２Ｏ２））对碱催化过氧化氢降解ＡＯ７的影响，如图４所示．由图４可知：在反应体系中，过氧化氢浓度分别为９，１８，３６，５４，７２ｍｍｏｌ·Ｌ－１时，ＡＯ７的降解率均呈随反应时间的增加而持续上升的趋势，但在该体系中，ＡＯ７的降解受过氧化氢浓度的影响较为明显；当过氧化氢浓度为９ｍｍｏｌ·Ｌ－１时，反应时间超过６０ｍｉｎ后，ＡＯ７的降解率为１５．６％；随着过氧化氢浓度的增加，反应达到终点时刻，ＡＯ７降解率为２７．５％，５４．７％，７３．２％，８３．３％；相应的假一级反应表－１－１观速率常数犽ｏｂｓ从０．００２８ｍｉｎ提高为０．０２９２ｍｉｎ．在碱催化过氧化氢的方法中，随着过氧化氢浓度的增加，ＡＯ７的降解速率也随之增加，反应速率加快．由此可推测，随着过氧化氢浓度的增加，过氧化氢自分解生成的活性物质增多，从而提高ＡＯ７的降解效率．２．２．３温度的影响在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１，ｐＨ值为１１的条件下，考察反应温度（ θ）对碱催化过氧化氢降解ＡＯ７的影响，如图５所示．由图５可知：当反应温度为１０ ℃ ，反应时间为６０ｍｉｎ时，ＡＯ７的降解率为３４．２％；随着反应温度逐步升高到４０ ℃ ，染料的降解率也随之增加，达到７７．５％．这是因为反应温度的升高，加剧了溶液中分子间的碰撞频率，从而促进反应的进行．图４过氧化氢浓度对碱催化Ｈ２Ｏ２降解ＡＯ７的影响图５反应温度对碱催化Ｈ２Ｏ２降解ＡＯ７的影响Ｆｉ４ＥｆｆｅｃｔｏｆＨ２Ｏ２ｃｏｎｃｅｎｔｒａｔｉｏｎｏｎｇ．Ｆｉ５Ｅｆｆｅｃｔｏｆｒｅａｃｔｉｏｎｔｅｍｐｅｒａｔｕｒｅｏｎｇ．ｄｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｂｙａｌｋａｌｉｎｅｃａｔａｌｚｅｄＨ２Ｏ２ ? ｙｄｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｂｙａｌｋａｌｉｎｅｃａｔａｌｚｅｄＨ２Ｏ２ ? ｙ同时，染料在各个温度下的降解动力学都遵循假一级反应，根据在不同温度下的ＡＯ７降解的动力学参数，采用阿伦尼乌斯方程计算反应活化能［２０］，即犽ｏｂｓ＝犃·ｅｘｐ（－犈／犚犜）．（１５）式（１５）中：犃为指前因子；犈为反应活化能；犚＝８．３１４Ｊ·（ｍｏｌ·Ｋ）－１为气体常数；犜为绝对温度，Ｋ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期刘淑坡，等：碱催化过氧化氢氧化法对偶氮染料酸橙７的降解性能２０５在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１的条件下，绘制ｐＨ值为１１，犽ｏｂｓ? ｌｎ犽ｏｂｓ?犜－１曲线，如图６所示． θ，由图６可知：ｌｎ犽ｏｂｓ和犜－１之间具有良好的线性关系，犚２＝０．９９９．计算得出碱催化过氧化氢降解ＡＯ７的反应活化能为３１．６５ｋＪｍｏｌ－１．由于通常普通热反应的反应活化能在６０～２５０ｋＪ· ｍｏｌ－１之间［２０］，故碱催化过氧化氢降解ＡＯ７的反应更容易发生．（ｂ）ｌｎ犽ｏｂｓ?犜－１关系图（ａ）犽ｏｂｓ? θ 拟合图图６估算碱催化过氧化氢降解ＡＯ７的反应活化能Ｆｉ６ＥｓｔｉｍａｔｉｏｎｏｆｒｅａｃｔｉｏｎａｃｔｉｖａｔｅｄｅｎｅｒｒａｄａｔｉｏｎｏｆＡＯ７ｂｙａｌｋａｌｉｎｅｃａｔａｌｚｅｄＨ２Ｏ２ ? ｇ．ｇｙｏｎｄｅｇｙ２．３主要活性物质的鉴定文献［１４，１６１９］研究表明，过氧化氢可在碱性条件下原位自分解，生成包括羟基自由基 ·ＯＨ，超氧 ? 自由基Ｏ２·－和单线态氧１Ｏ２在内的多种活性物质（式（３）～（１４））降解有机污染物．为判断以上的活性物质在碱催化过氧化氢降解ＡＯ７的反应中是否起到主要作用，利用一种普遍使用的自由基猝灭剂抗坏血酸进行鉴别［２１］．在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１，ｐＨ值为１１，反应温度为（２５±２）℃ 的条件下，考察自由基猝灭剂对碱催化过氧化氢降解ＡＯ７的影响，如图７所示．（ａ）抗坏血酸（ｂ）叔丁醇（ｃ）糠醇（ｄ）ＮＢＴ图７自由基猝灭剂对碱催化过氧化氢降解ＡＯ７的影响Ｆｉ７ＩｎｆｌｕｅｎｃｅｏｆｒａｄｉｃａｌｓｃａｖｅｎｇｅｒｓｏｎｄｅｇｒａｄａｔｉｏｎｏｆＡＯ７ｂｙａｌｋａｌｉｃａｔａｌｚｅｄＨ２Ｏ２ ? ｇ．ｙ由图７（ａ）可知：在碱性过氧化氢溶液中加入浓度为７２ｍｍｏｌ·Ｌ－１的抗坏血酸溶液后，该混合溶液犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２０６２０１９年对ＡＯ７几乎没有降解．由此可知，上述提及的自由基中的一种或多种（羟基自由基 ·ＯＨ，超氧自由基 · Ｏ２－和单线态氧１Ｏ２）即为该方法中起降解作用的主要活性物质．［］叔丁醇为羟基自由基的猝灭剂，其与羟基自由基的二级反应速率为６×１０８Ｌ·（ｍｏｌ·ｓ）－１２２．由图７（ｂ）可知：加入浓度为０．１ｍｏｌ·Ｌ－１的叔丁醇溶液后，其对ＡＯ７的降解效果几乎无影响．这说明羟基自由基并不是碱催化过氧化氢降解ＡＯ７的主要活性物质．［］糠醇一般被认为是单线态氧的猝灭剂，其与单线态氧的反应速率为１．２×１０８Ｌ·（ｍｏｌ·ｓ）－１２２．由图７（ｃ）可知：糠醇加入后，也并未影响过氧化氢在碱性条件下对ＡＯ７的降解．由此可知，单线态氧也不是该反应的主要活性物质．［］Ｐｅｎｇ等２３研究表明，ＮＢＴ不与除羟基自由基和超氧自由基以外的物质发生反应，且在前文已验证羟基自由基不是碱催化过氧化氢降解ＡＯ７的主要作用物质，故ＮＢＴ在此处可用于鉴定超氧自由基．由图７（ｄ）可知：加入浓度为０．６ｍｍｏｌ·Ｌ－１的ＮＢＴ溶液后，过氧化氢溶液在碱性条件下几乎对ＡＯ７没有产生降解，此现象与图７（ａ）中加入抗坏血酸溶液的现象一致．这表明ＮＢＴ的加入完全抑制体系中ＡＯ７的降解，说明超氧自由基为碱活化过氧化氢降解ＡＯ７的主要活性物质．［］Ｘｕ等２４研究表明，ＮＢＴ可以与超氧自由基反应，并被还原为甲腙，生成的甲腙在５６０ｎｍ处有最大吸收峰值．因此，ＮＢＴ与过氧化氢在碱性条件下反应的紫外可见吸收光谱被用于进一步证明该反应中超氧自由基的生成．在ＮＢＴ初始浓度为０．６ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６２５±２）℃ 的条件下，考ｍｍｏｌ·Ｌ－１，ｐＨ值为１１，反应温度为（察ＮＢＴ与过氧化氢在碱性条件下反应的紫外可见吸收光谱，如图８所示．由图８可知：在只有ＮＢＴ和氢氧化钠的体系中，并无甲腙的生成，而向体系中加入适量过氧化氢溶液后，在４００～８００ｎｍ的吸收波长内，吸光度值随时间的增加而逐渐上升，说明在该反应中生成甲腙．综上所述，在碱催化过氧化氢反应过程图８ＮＢＴ与过氧化氢在碱性条件下反应的紫外可见吸收光谱中，生成了超氧自由基，且超氧自由基为该反应降解ＡＯ７过Ｆｉ８ＵＶＶｉｓｓｐｅｃｔｒａｏｂｔａｉｎｅｄｆｒｏｍｇ．程中的主要活性物质．２．４产物分析ｒｅａｃｔｉｏｎｏｆＮＢＴａｎｄＨ２Ｏ２ｕｎｄｅｒａｌｋａｌｉｎｅｃｏｎｄｉｔｉｏｎ［］Ｃｈｅｎｇ等２５研究表明，偶氮染料ＡＯ７的紫外可见吸收光谱在４８４ｎｍ处的吸收峰对应ＡＯ７的偶氮键，３１０，２８０ｎｍ处的吸收峰分别对应ＡＯ７的萘环和苯环．在ＡＯ７初始浓度为０．２ｍｍｏｌ·Ｌ－１，Ｈ２Ｏ２初始浓度为３６ｍｍｏｌ·Ｌ－１，反应温度为（２５±２）℃ 的条件下，考察ＡＯ７在降解过程中的紫外可见吸收光谱的变化情况，如图９所示．由图９可知：在ＡＯ７降解过程中，４８４，３１０，２８０ｎｍ吸收峰的吸光度值随时间的增加均有明显的下降，这说明在降解过程中，偶氮键、萘环和苯环均发生破坏．［］Ｑｉ等２６研究表明，由碱活化过一硫酸盐产生超氧自由基氧化脱色偶氮染料ＡＯ７是通过断裂染料偶氮键进行的．通过气相色谱质谱联用仪（ＧＣ／ＭＳ）检测得出：－Ｎ＝Ｎ－键断裂后，ＡＯ７分解生成对氨基苯磺酸和１２ ?氨基? ?萘酚；对氨基苯磺酸由于脱硫作用生成１，４１２ ?苯醌、 ?氨基? ?萘酚，这可进一步氧化生成１（２Ｈ）萘酮，３，４２ ?二氢， ?氨基肉桂酸图９ｐＨ＝１１时，ＡＯ７降解过程中的紫外可见吸收光谱变化Ｆｉ９ＵＶ ｖｉｓｓｐｅｃｔｒａｌｃｈａｎｇｅｓｏｆＡＯ７ｇ．或１２１ ?丁酮， ?羟基? ?苯基；至此，偶氮染料ＡＯ７的脱色过程ｄｕｒｉｎｇｄｅｇｒａｄａｔｉｏｎａｔｐＨ＝１１完成．故推测偶氮染料ＡＯ７被碱催化过氧化氢氧化降解是通过断裂染料偶氮键进行的，降解的生成物或中间产物为对氨基苯磺酸、１２１，４１（２Ｈ）萘酮、３，４２ ?氨基? ?萘酚、 ?苯醌、 ?二氢、 ?氨基肉桂酸或１ ?丁酮和２１ ?羟基? ?苯基．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期刘淑坡，等：碱催化过氧化氢氧化法对偶氮染料酸橙７的降解性能２０７３结论通过测量反应过程中偶氮染料ＡＯ７的吸光度值的变化，可以得出以下３结论．１）碱催化过氧化氢的高级氧化体系可有效地降解水中典型偶氮染料ＡＯ７．２）碱催化过氧化氢降解ＡＯ７的最适ｐＨ值为１１，且随着过氧化氢浓度的增加和反应温度的上升，ＡＯ７的降解速率也随之显著提高．３）在碱催化过氧化氢降解ＡＯ７的反应中，超氧自由基被证明是降解ＡＯ７的主要活性物质．参考文献：［１］ＷＡＮＧＪｉａｄｅ，ＺＨＡＮＧＴｉａｎ，ＹＵＭｅｉ，犲狋犪犾．Ｔｒｅａｔｍｅｎｔｏｆｒｅｖｅｒｓｅ?ｏｓｍｏｓｉｓｃｏｎｃｅｎｔｒａｔｅｏｆｐｒｉｎｔｉｎｇａｎｄｄｙｅｉｎｇｗａｓｔｅｗａｔｅｒｂｙｅｌｅｃｔｒｏ?ｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓｗｉｔｈｃｏｎｔｒｏｌｌｅｄｏｘｉｄａｔｉｏｎ?ｒｅｄｕｃｔｉｏｎｐｏｔｅｎｔｉａｌ（ＯＲＰ）［Ｊ］．Ｃｈｅｍｏｓｐｈｅｒｅ，２０１８，２０１：６２１６２６．ＤＯＩ：１０．１０１６／ｃｈｅｍｏｓｐｈｅｒｅ．２０１８．０３．０５１． ? ｊ．［２］ＬＯＮＧＸｉｚｉ，ＰＡＮＱｉｎｒｏｎｇ，ＷＡＮＧＣｈｕｑｉａｏ，犲狋犪犾．Ｍｉｃｒｏｂｉａｌｆｕｅｌｃｅｌｌｔｏｅｌｅｃｔｒｏｃａｔａｌｔｉｃｃｅｌｌｃｏｍｂｉｎｅｄｓｙｓｔｅｍｆｏｒ ?ｐｈｏｙｂｉｏｒｔｅｃｈ．２０１７．ｔｈｅｒｅｍｏｖａｌｏｆａｚｏｄｙｅｗａｓｔｅｗａｔｅｒ［Ｊ］．ＢｉｏｒｅｓｏｕｒｃｅＴｅｃｈｎｏｌｏｇｙ，２０１７，２４４：１８２１９１．ＤＯＩ：１０．１０１６／ ? ｊ．０７．０８８．［３］ＴＥＨＣＹ，ＢＵＤＩＭＡＮＰＭ，ＳＨＡＫＫＰＹ，犲狋犪犾．Ｒｅｃｅｎｔａｄｖａｎｃｅｍｅｎｔｏｆｃｏａｇｕｌａｔｉｏｎｆｌｏｃｃｕｌａｔｉｏｎａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ ? ｉｎｗａｓｔｅｗａｔｅｒｔｒｅａｔｍｅｎｔ［Ｊ］．ＩｎｄｕｓｔｒｉａｌａｎｄＥｎｇｉｎｅｅｒｉｎｇＣｈｅｍｉｓｔｒｓｅａｒｃｈ，２０１６，５５（１６）：４３６３?４３８９．ＤＯＩ：１０．ｙＲｅ１０２１／ａｃｓ．ｉｅｃｒ．５ｂ０４７０３．［４］ＦＡＬＡＳＰ，ＷＩＣＫＡ，ＣＡＳＴＲＯＮＯＶＯＳ，犲狋犪犾．ＴｒａｃｉｎｇｔｈｅｌｉｍｉｔｓｏｆｏｒｉｃｍｉｃｒｏｐｏｌｌｕｔａｎｔｒｅｍｏｖａｌｉｎｂｉｏｌｏｇｉｃａｌｇａｎＪ］．ＷａｔｅｒＲｅｓｅａｒｃｈ，２０１６，９５：２４０２４９．ＤＯＩ：１０．１０１６／ｗａｓｔｅｗａｔｅｒｔｒｅａｔｍｅｎｔ［ｗａｔｒｅｓ．２０１６．０３．００９． ? ｊ．［５］ＢＡＲＲＥＲＡＤＩＡＺＣ，ＬＩＮＡＲＥＳＨＥＭＡＮＤＥＺＩ，ＲＯＡＭＯＲＡＬＥＳＧ，犲狋犪犾．Ｒｅｍｏｖａｌｏｆｂｉｏｒｅｆｒａｃｔｏｒｏｍｐｏｕｎｄｓｉｎｉｎ  ｙｃｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｂｙｃｈｅｍｉｃａｌａｎｄｅｌｅｃｔｒｏｃｈｅｍｉｃａｌｐｒｅｔｒｅａｔｍｅｎｔｓ［Ｊ］．ＩｎｄｕｓｔｒｉａｌａｎｄＥｎｇｉｎｅｅｒｉｎｇＣｈｅｍｉｓｔｒ  ｙＲｅｓｅａｒｃｈ，２００９，４８（３）：１２５３１２５８．ＤＯＩ：１０．１０２１／ｉｅ８００５６０ｎ． ? ［６］ＰＩＧＮＡＴＥＬＬＯＪＪ，ＯＬＩＶＥＲＯＳＥ，ＭＡＣＫＡＹＡ．ＡｄｖａｎｃｅｄｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓｅｓｆｏｒｏｒｉｃｃｏｎｔａｍｉｎａｎｔｄｅｓｔｒｕｃｔｉｏｎｇａｎＪ］．ＣｒｉｔｉｃａｌＲｅｖｉｅｗｓｉｎＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ｂａｓｅｄｏｎｔｈｅＦｅｎｔｏｎｒｅａｃｔｉｏｎａｎｄｒｅｌａｔｅｄｃｈｅｍｉｓｔｒｙ［２００６，３６（１）：１８４．ＤＯＩ：１０．１０８０／１０６４３３８０５００３２６５６４． ? ［７］王炳煌，张倩，汤须崇，等．废铁屑活化过硫酸盐降解偶氮染料ＲＢ５废水［Ｊ］．华侨大学学报（自然科学版），２０１７，３８（５）：６５３６５８．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１６０７００２． ? ? ［８］张圆春，汤须崇，薛秀玲，等．低成本铁碳复合非均相Ｆｅｎｔｏｎ催化剂制备及其性能［Ｊ］．华侨大学学报（自然科学版）２０１７，３８（４）：５１５５２０．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０４０１３． ? ? ［９］ＢＯＫＡＲＥＡＤ，ＣＨＯＩＷ．ＲｅｖｉｅｗｏｆｉｒｏｎｆｒｅｅＦｅｎｔｏｎｌｉｋｅｓｙｓｔｅｍｓｆｏｒａｃｔｉｖａｔｉｎｇＨ２Ｏ２ｉｎａｄｖａｎｃｅｄｏｘｉｄａｔｉｏｎｐｒｏｃｅｓ  ? ? ｈａｚｍａｔ．２０１４．０４．０５４．Ｊ］．ＪｏｕｒｎａｌｏｆＨａｚａｒｄｏｕｓＭａｔｅｒｉａｌｓ，２０１４，２７５（２）：１２１１３５．ＤＯＩ：１０．１０１６／ｓｅｓ［ ? ｊ．ｊ［１０］ＬＴＡＩＥＦＡＨ，ＳＡＢＡＴＩＮＯＳ，ＰＲＯＩＥＴＯＦ，犲狋犪犾．Ｅｌｅｃｔｒｏｃｈｅｍｉｃａｌｔｒｅａｔｍｅｎｔｏｆａｑｕｅｏｕｓｓｏｌｕｔｉｏｎｓｏｆｏｒｉｃｐｏｌｌｕ  ｇａｎ／ｔａｎｔｓｂｙｅｌｅｃｔｒｏｔｏｎｗｉｔｈｎａｔｕｒａｌｈｅｔｅｒｏｇｅｎｅｏｕｓｃａｔａｌｓｔｓｕｎｄｅｒｐｒｅｓｓｕｒｅｕｓｉｎｇＴｉＩｒＯ２?Ｔａ２Ｏ５ｏｒＢＤＤａｎｏｄｅｓ ?Ｆｅｎｙ［Ｊ］．Ｃｈｅｍｏｓｐｈｅｒｅ，２０１８，２０２：１１１１１８．ＤＯＩ：１０．１０１６／ｃｈｅｍｏｓｐｈｅｒｅ．２０１８．０３．０６１． ? ｊ．［１１］ＹＵＡＮＮａｎｎａｎ，ＨＯＮＧＪｕｎ．ＴｈｅｒｅｓｅａｒｃｈｏｎＲｈｏｄａｍｉｎｅＢｄｅｇｒａｄａｔｉｏｎｉｎＭＷ／Ｈ２Ｏ２ｓｙｓｔｅｍｕｎｄｅｒａｌｋａｌｉｎｅｅｎｖｉ  ／Ｊ］．ＡｐｐｌｉｅｄＭｅｃｈａｎｉｃｓａｎｄＭａｔｅｒｉａｌｓ，２０１１，１０５／１０６／１０７：１５０５１５０８．ＤＯＩ：１０．４０２８／ｗｗｗ．ｓｃｉｅｎｔｉｆｉｃ．ｎｅｔｒｏｎｍｅｎｔ［ ? ＡＭＭ．１０５１０７．１５０５． ? ［１２］ＫＡＴＡＩＦＡＳＡ，ＬＩＰＩＮＳＫＡＭ，ＳＴＲＵＴＹＮＳＫＩＫ．Ａｌｋａｌｉｎｅｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅａｓａｄｅｇｒａｄａｔｉｏｎａｇｅｎｔｏｆｍｅｔｈｙｌｅｎｅｉｎｅｔｉｃａｎｄｍｅｃｈａｎｉｓｔｉｃｓｔｕｄｉｅｓ［Ｊ］．ＲｅａｃｔｉｏｎＫｉｎｅｔｉｃｓ，ＭｅｃｈａｎｉｓｍｓａｎｄＣａｔａｌｓｉｓ，２０１０，１０１（２）：２５１２６６．ＤＯＩ：ｂｌｕｅ ?ｋ ? ｙ１０．１００７／ｓ１１１４４０１００２３４７． ? ? ? ［１３］ＣＨＡＨＶＡＮＥＮ，ＰＯＰＥＳＣＵＤ，ＭＩＴＣＨＥＬＬＤＡ，犲狋犪犾．ＦｅⅢ?ＴＡＭＬ? ｃａｔａｌｚｅｄｇｒｅｅｎｏｘｉｄａｔｉｖｅｄｅｇｒａｄａｔｉｏｎｏｆｔｈｅｙｒｉｃｐｅｒｏｘｉｄｅｓ：Ｐｒｏｄｕｃｔｓ，ｔｏｘｉｃｉｔｉｎｅｔｉｃｓ，ａｎｄｍｅｃｈａｎｉｓｍｓ［Ｊ］．ＧｒｅｅｎＣｈｅｍ ａｚｏｄｙｅＯｒａｎｇｅⅡ ｂｙＨ２Ｏ２ａｎｄｏｇａｎｙ，ｋｉｓｔｒ２００７，９（１）：４９５７．ＤＯＩ：１０．１０３９／ｂ６０４９９０ｇ． ? ｙ，［１４］ＣＨＲＩＳＴＥＮＳＥＮＨ，ＳＥＨＥＳＴＥＤＫ，ＣＯＲＦＩＴＺＥＮＨ．Ｒｅａｃｔｉｏｎｏｆｈｙｄｒｏｘｙｌｒａｄｉｃａｌｗｉｔｈｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅａｔａｍ ｂｉｅｎｔａｎｄｅｌｅｖａｔｅｄｔｅｍｐｅｒａｔｕｒｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｈｙｓｉｃａｌＣｈｅｍｉｓｔｒ１９８２，８６（９）：１５８８１５９０．ＤＯＩ：１０．１０２１／１００２０６ａ ? ｙ，ｊ０２３．［１５］ＱＩＡＮＧＺｈｉｍｉｎ，ＣＨＡＮＧＪＨ，ＨＵＡＮＧＣＰ．Ｅｌｅｃｔｒｏｃｈｅｍｉｃａｌｇｅｎｅｒａｔｉｏｎｏｆｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅｆｒｏｍｄｉｓｓｏｌｖｅｄｏｘｙ  ｎａｃｉｄｉｃｓｏｌｕｔｉｏｎｓ［Ｊ］．ＷａｔｅｒＲｅｓｅａｒｃｈ，２００２，３６（１）：８５９４．ＤＯＩ：１０．１０１６／Ｓ００４３１３５４（０１）００２３５４． ? ? ? ｇｅｎｉ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２０８２０１９年［１６］ＢＵＸＴＯＮＧＶ，ＧＲＥＥＮＳＴＯＣＫＣＬ，ＨＥＬＭＡＮＷＰ，犲狋犪犾．Ｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｆｒａｔｅｃｏｎｓｔａｎｔｓｆｏｒｒｅａｃｔｉｏｎｓｏｆｈｙ  ｄｒａｔｅｄｅｌｅｃｔｒｏｎｓ，ｈｙｄｒｏｇｅｎａｔｏｍｓａｎｄｈｙｄｒｏｘｙｌｒａｄｉｃａｌｓｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｈｙｓｉｃａｌａｎｄＣｈｅｍｉｃａｌ１９８８，１７（２）：５１３８８６．ＤＯＩ：１０．１０６３／１．５５５８０５．ＲｅｆｅｒｅｎｃｅＤａｔａ， ? ［１７］ＣＵＩＨａｎｇ，ＧＵＸｉａｏｇａｎｇ，ＬＵＳｈｕｇｕａｎｇ，犲狋犪犾．Ｄｅｇｒａｄａｔｉｏｎｏｆｅｔｈｙｌｂｅｎｚｅｎｅｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎｂｙｓｏｄｉｕｍｐｅｒｃａｒ  ｂｏｎａｔｅａｃｔｉｖａｔｅｄｗｉｔｈＥＤＤＳｏｍｐｌｅｘ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２０１７，３０９：８０８８．ＤＯＩ：１０．１０１６／ ?Ｆｅ（Ⅲ ）ｃ ? ｊ．ｃｅ２０１６．１０．０２９．ｊ．［１８］ＦＵＸｉａｏｒｉ，ＧＵＸｉａｏｇａｎｇ，ＬＵＳｈｕｇｕａｎｇ，犲狋犪犾．ＢｅｎｚｅｎｅｏｘｉｄａｔｉｏｎｂｙＦｅ（Ⅲ ）ａｃｔｉｖａｔｅｄｐｅｒｃａｒｂｏｎａｔｅ：Ｍａｔｒｉｘｃｏｎｓｔｉｔ  ? ? ｃｅｕｅｎｔｅｆｆｅｃｔｓａｎｄｄｅｇｒａｄａｔｉｏｎｐａｔｈｗａｙｓ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２０１７，３０９：２２?２９．ＤＯＩ：１０．１０１６／ｊ．ｊ．２０１６．１０．００６．［１９］ＭＩＡＯＺｈｏｕｗｅｉ，ＧＵＸｉａｏｇａｎｇ，ＬＵＳｈｕｇｕａｎｇ，犲狋犪犾．Ｅｎｈａｎｃｅｍｅｎｔｅｆｆｅｃｔｓｏｆｃｈｅｌａｔｉｎｇａｇｅｎｔｓｏｎｔｈｅｄｅｇｒａｄａｔｉｏｎｏｆａｔａｌｚｅｄｐｅｒｃａｒｂｏｎａｔｅｓｙｓｔｅｍ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２０１５，２８１：２８６ｔｅｔｒａｃｈｌｏｒｏｅｔｈｅｎｅｉｎＦｅ（Ⅲ ）ｃ ?２９４．ｙＤＯＩ：ｃｅ２０１５．０６．０７６．１０．１０１６／ｊ．ｊ．［２０］ＳＵＮＳｈｅｎｇｐｅｎｇ，ＬＩＣｈｅｎｇｉｅ，ＳＵＮＪｉａｎｈｕｉ，犲狋犪犾．ＤｅｃｏｌｏｒｉｚａｔｉｏｎｏｆａｎａｚｏｄｙｅＯｒａｎｇｅＧｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎｂｙｊＦｅｎｔｏｎｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓ：Ｅｆｆｅｃｔｏｆｓｙｓｔｅｍｐａｒａｍｅｔｅｒｓａｎｄｋｉｎｅｔｉｃｓｔｕｄｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＨａｚａｒｄｏｕｓＭａｔｅｒｉａｌｓ，２００９，ｈａｚｍａｔ．２００８．０４．０８０．１６１（２／３）：１０５２１０５７．ＤＯＩ：１０．１０１６／ ? ｊ．ｊ［２１］ＬＩＹａｎｇ，ＬＩＬｅｉ，ＣＨＥＮＺｉｘｉ，犲狋犪犾．Ｃａｒｂｏｎａｔｅａｃｔｉｖａｔｅｄｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓｆｏｒａｚｏｄｙｅｄｅｃｏｌｏｒｉｚａ  ? ｏｃｅｓｓ，ｋｉｎｅｔｉｃｓ，ａｎｄｍｅｃｈａｎｉｓｍｓ［Ｊ］．Ｃｈｅｍｏｓｐｈｅｒｅ，２０１８，１９２：３７２?３７８．ＤＯＩ：１０．１０１６／ｔｉｏｎ：Ｐｒｃｈｅｍｏｓｐｈｅｒｅ．２０ｊ．１７．１０．１２６．［２２］ＺＨＯＵＹａｎｇ，ＪＩＡＮＧＪｉｎ，ＧＡＯＹｕａｎ，犲狋犪犾．Ａｃｔｉｖａｔｉｏｎｏｆｐｅｒｏｘｙｍｏｎｏｓｕｌｆａｔｅｂｙｂｅｎｚｏｑｕｉｎｏｎｅ：Ａｎｏｖｅｌｎｏｎｒａｄｉｃａｌｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１５，４９（２１）：１２９４１?１２９５０．ＤＯＩ：１０．１０２１／ａｃｓ．ｅｓｔ．５ｂ０３５９５．［２３］ＰＥＮＧＪｉａｎｂｉａｏ，ＳＨＩＨｕａｎｈｕａｎ，ＬＩＪｉａｎｈｕａ，犲狋犪犾．Ｂｉｃａｒｂｏｎａｔｅｅｎｈａｎｃｅｄｒｅｍｏｖａｌｏｆｔｒｉｃｌｏｓａｎｂｙｃｏｐｐｅｒ（Ⅱ ）ｃａｔａ  ｌｚｅｄＦｅｎｔｏｎｌｉｋｅｒｅａｃｔｉｏｎｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２０１６，３０６：４８４４９１．ＤＯＩ：１０．１０１６／ ? ? ｙｃｅ２０１６．０７．０８８．ｊ．ｊ．［２４］ＸＵＡｉｈｕａ，ＬＩＸｉａｏｘｉａ，ＸＩＯＮＧＨｕｉ，犲狋犪犾．Ｅｆｆｉｃｉｅｎｔｄｅｇｒａｄａｔｉｏｎｏｆｏｒｉｃｐｏｌｌｕｔａｎｔｓｉｎａｑｕｅｏｕｓｓｏｌｕｔｉｏｎｗｉｔｈｂｉｃａｒ  ｇａｎｃｈｅｍｏｓｐｈｅｒｅ．２０１０．ａｃｔｉｖａｔｅｄｈｙｄｒｏｇｅｎｐｅｒｏｘｉｄｅ［Ｊ］．Ｃｈｅｍｏｓｐｈｅｒｅ，２０１１，８２（８）：１１９０１１９５．ＤＯＩ：１０．１０１６／ｂｏｎａｔｅ ? ? ｊ．１１．０６６．［２５］ＣＨＥＮＧＬｏｎｇ，ＷＥＩＭｉｎｇｙｕ，ＨＵＡＮＧＬｉａｎｇｈｕａ，犲狋犪犾．ＥｆｆｉｃｉｅｎｔＨ２Ｏ２ｏｘｉｄａｔｉｏｎｏｆｏｒｉｃｄｙｅｓｃａｔａｌｚｅｄｂｙｓｉｍ ｇａｎｙｌｅＣｏｐｐｅｒ（Ⅱ ）ｉｏｎｓｉｎｂｉｃａｒｂｏｎａｔｅａｑｕｅｏｕｓｓｏｌｕｔｉｏｎ［Ｊ］．ＩｎｄｕｓｔｒｉａｌａｎｄＥｎｇｉｎｅｅｒｉｎｇＣｈｅｍｉｓｔｒｓｅａｒｃｈ，２０１４，５３ｐｙＲｅ（９）：３４７８３４８５．ＤＯＩ：１０．１０２１／ｉｅ４０３８０１ｆ． ? ［２６］ＱＩＣｈｅｎｇｄｕ，ＬＩＵＸｉｔａｏ，ＭＡＪｕｎ，犲狋犪犾．Ａｃｔｉｖａｔｉｏｎｏｆｐｅｒｏｘｙｍｏｎｏｓｕｌｆａｔｅｂｙｂａｓｅ：Ｉｍｐｌｉｃａｔｉｏｎｓｆｏｒｔｈｅｄｅｇｒａｄａｔｉｏｎｃｈｅｍｏｓｐｈｅｒｅ．２０１６．０２．０８９．ｏｆｏｒｉｃｐｏｌｌｕｔａｎｔｓ［Ｊ］．Ｃｈｅｍｏｓｐｈｅｒｅ，２０１６，１５１：２８０２８８．ＤＯＩ：１０．１０１６／ ? ｊ．ｇａｎ（编辑：李宝川责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：刘源岗）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０８０３３ ? 不同散热末端耦合运行调节方法马佳慧，王美萍，田琦（太原理工大学环境科学与工程学院，山西晋中０３０６００）摘要：针对目前集中供热系统热量提供的不准确和用户端的热力失调等问题，提出３种对不同末端用户进行耦合计算的方法．采用水力失调度和热力失调度作为判断依据，进而由综合失调度进行分析比较，并通过具体实例计算分析．结果表明：加权值计算方法耦合的一次侧运行调节公式更适合指导供热系统的运行调节．关键词：供热量；耦合计算；水力失调度；调节公式中图分类号：ＴＵ８３３文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２０９０６ ? ? ? 犆狅狌狆犾犻狀犵犗狆犲狉犪狋犻狅狀犚犲犾犪狋犻狅狀犕犲狋犺狅犱狅犳犵狌犕狌犾狋犻犾犻狀犵犜犲狉犿犻狀犪犾 ?犆狅狅ＭＡＪｉａｈｕｉ，ＷＡＮＧＭｅｉｉｎｇ，ＴＩＡＮＱｉｐ（ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＣｏｌｌｅｇｅＴａｉｉｖｅｒｓｉｔｆＴｅｃｈｎｏｌｏｇｙ，Ｊｉｎｚｈｏｎｇ０３０６００，Ｃｈｉｎａ）ｙｕａｎＵｎｙｏ犃犫狊狋狉犪犮狋：Ａｔｐｒｅｓｅｎｔ，ｔｈｅｃｅｎｔｒａｌｈｅａｔｉｎｇｓｙｓｔｅｍｉｓｏｐｅｒａｔｅｄａｎｄａｄｕｓｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｎｄｅｒａｓａｔ ?ｕｓｊｙｐｅｏｆｈｅａｔｄｉｓｓｉｔｉｏｎｍｏｄｅ，ｗｈｉｃｈｌｅａｄｓｔｏｔｈｅｉｎａｃｃｕｒａｃｙｏｆｔｈｅｓｙｓｔｅｍｈｅａｔｓｕｐｐｌｈｅｔｈｅｒｍａｌｉｍｂａｌａｎｃｅｏｆｐａｙａｎｄｔｅｒ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｒｅｅｋｉｎｄｓｏｆｃｏｕｐｌｉｎｇｗａｙｓｆｏｒｔｈｅｄｉｆｆｅｒｅｎｔｅｎｄｅｒｈｅａｔｉｎｇｐａｒａｍｅｔｅｒｓｗｅｒｅｔｈｅｅｎｄ ?ｕｓ ?ｕｓｈｅｎｃｏｍｐａｒｅｄｃａｌｃｕｌａｔｅｄｕｓｉｎｇｈｙｄｒａｕｌｉｃｉｍｂａｌａｎｃｅｄｅｇｒｅｅａｎｄｔｈｅｒｍａｌｉｍｂａｌａｎｃｅｄｅｇｒｅｅａｓｔｈｅｂａｓｅｓ，ａｎｄｔｔｈｒｏｕｇｈｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｉｍｂａｌａｎｃｅｄｅｇｒｅｅａｎｄｔｈｅｃａｌｃｕｌａｔｉｏｎａｎａｌｓｉｓｒｅｓｕｌｔｓｏｆｔｈｅｅｘａｍｐｌｅｓ．Ｔｈｅｒｅｓｕｌｔｓｙｓｈｏｗｔｈａｔａｓｉｄｅｏｐｅｒａｔｉｏｎａｄｕｓｔｍｅｎｔｆｏｒｍｕｌａｃｏｕｐｌｅｄｂｙｔｈｅｗｅｉｔｅｄｖａｌｕｅｃａｌｃｕｌａｔｉｏｎｍｅｔｈｏｄｉｓｍｏｒｅｓｕｉｔ  ｊｇｈａｂｌｅｆｏｒｇｕｉｄｉｎｇｔｈｅｏｐｅｒａｔｉｏｎｏｆｔｈｅｈｅａｔｉｎｇｓｙｓｔｅｍ．犓犲狉犱狊：ｈｅａｔｉｎｇｌｏａｄ；ｃｏｕｐｌｉｎｇｃａｌｃｕｌａｔｉｏｎ；ｈｙｄｒａｕｌｉｃｉｍｂａｌａｎｃｅｄｅｇｒｅｅ；ａｄｕｓｔｍｅｎｔｆｏｒｍｕｌａｊ狔狑狅三北地区集中供热系统因其管网的庞大［１?３］、热量输送过程的时间差［４］、建筑物的热惯性［５］等问题，目前系统集中运行调控大多处于较为粗放的阶段［６］．随着室外温度变化［７?８］，目前热源、热交换站运行调控往往仅对单一用户进行执行［９］，未对不同末端用户类型进行区别对待［１０?１１］，各种用户均采用相同的供热参数，导致系统供热量与用户需热量不符，用户热舒适性差［１２?１３］，系统运行能耗大［１４?１６］．本文针对散热器和地板辐射两种供暖末端用户，对供热系统一次侧运行调节提出３种耦合处理方法．１不同供暖散热末端运行调节的耦合方法１．１不同供暖末端供暖系统模型不同供暖末端供暖系统为间接连接的集中供热系统、散热器和地暖的热负荷确定比例后，通过三通收稿日期：２０１８０８２３ ? ? 通信作者：王美萍（１９７６Ｅ?ｍａｉｌ： ?），女，副教授，博士，主要从事集中暖通空调系统节能优化及新能源利用的研究．ｗａｎｇｍｐ＠１２６．ｃｏｍ．基金项目： “十二五”国家科技支撑计划项目（２０１２ＢＡＪ０４Ｂ０２）２１０华侨大学学报（自然科学版）２０１９年阀门调节流量分配比例，进而调节热量输配的比例．由热源提供热水，再经两个换热站换热，热量一部分提供至散热器的热用户，另一部分提供至地板辐射的热用户．然后，在末端充分放热后流回至换热站，再由热源提供的热水进行换热，以此循环．系统运行模型，如图１所示．图１系统运行模型Ｆｉ１Ｓｙｓｔｅｍｏｐｅｒａｔｉｏｎｍｏｄｅｌｇ．１．２二次网调节公式１．２．１运行调节方式常见的两种运行调节方式有质调节和量调节．质调节是指在整个供暖期间，随着室外温度的变化，只改变热源处网路的供水温度，而网路的循环流量维持设计流量不变的一种调节方法．量调节是指在整个供暖期间，网路供水温度始终维持设计温度不变，随着室外温度的变化，不断改变热源处网路循环流量以适应热负荷变化的一种调节方法．１．２．２散热器末端用户根据目前应用最广泛的散热器热水供暖用户系统热平衡方程［１７］，可得如下两种运行调节公式．１）二次网为无混水时的质调节的运行调节公式为珚１／（１＋犫）＋０．珚．狋ｇＳ＝狋ｎ＋０．５（狋 ′ｇＳ＋狋 ′ｈＳ－２狋ｎ）犙５（狋 ′ｇＳ－狋 ′ｈＳ）犙（１）珚珚．（狋ｈＳ＝狋ｎ＋０．５（狋 ′ｇＳ＋狋 ′ｈＳ－２狋ｎ）犙５（狋 ′ｇＳ－狋 ′ｈＳ）犙２）－０．由于供暖系统中各供暖末端用户散热器形式不一，但实际上，供热系统中用户末端多选用柱型和１／（１＋犫）［］Ｍ? １３２型散热器．根据相关技术资料１５，犫＝０．３，１／（１＋犫）＝０．７７．２）二次网为量调节时的运行调节公式为狋ｇＳ＝狋 ′ｇＳ，（３）珚狋ｈＳ＝２狋ｎ＋（狋 ′ｇＳ－狋 ′ｈＳ－２狋ｎ）犙１／（１＋犫）（ ′ｇＳ．４）－狋珚为相对供暖负荷比和相对流量比；式（１）～（４）中：犙狋ｇＳ，狋 ′ｇＳ分别为散热器二次网实际运行供水温度和设计供水温度；狋ｈＳ，狋 ′ｈＳ分别为散热器二次网实际运行回水温度和设计回水温度；狋ｎ为供暖室内设计温度．［］１．２．３地板辐射用户末端依据地暖热水供暖用户系统热平衡方程１８，可得如下两种运行调节公式．１）二次网为无混水的质调节时的运行调节公式为珚０．９６９＋（珚，狋ｇＤ＝狋ｎ＋（狋 ′ｐｊ－狋ｎ）犙狋 ′ｇＤ－狋 ′ｐｊ）犙珚０．９６９＋（珚．狋ｈＤ＝狋ｎ＋（狋 ′ｐｊ－狋ｎ）犙狋 ′ｈＤ－狋 ′ｐｊ）犙（５）（６）０．９６９（），其中，狇为单位狇式（５），（６）中：地板辐射供暖的地板表面平均温度计算表达式为狋ｐｊ＝狋ｎ＋９．８２１００地面面积所需散热量，Ｗ ·ｍ－２；狋ｎ为室内温度．２）二次网为量调节时的运行调节公式为（狋ｇＤ＝狋 ′ｇＤ，７）珚０．９６９＋（珚．（狋ｈＤ＝２狋ｎ－狋 ′ｇＤ＋２（狋 ′ｐｊ－狋ｎ）犙狋 ′ｇＤ＋狋 ′ｈＤ－２狋 ′ｐｊ）犙８）式（７）～（８）中：狋ｇＤ，狋 ′ｇＤ分别为地暖二次网实际运行供水温度和设计供水温度；狋ｈＤ，狋 ′ｈＤ分别为地暖二次网实际运行回水温度和设计回水温度；狋 ′ｐｊ为地板辐射供暖的地板表面平均温度．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期马佳慧，等：不同散热末端耦合运行调节方法２１１１．３不同供暖散热末端运行调节耦合计算方法针对间接连接供热系统，利用二次侧两种散热类型的运行调节方法，给出一次侧采用质调节时，３种不同的耦合计算方法．１．３．１依据散热末端负荷偏大者的调节若散热器用户热负荷犙ｎＳ大于地板辐用户热负荷犙ｎＤ，则一次网供回水温度调节根据二次侧供暖用户末端为散热器确定，即 τ１＝τ１Ｓ， τ２＝τ２Ｓ．其中： τ１， τ２为供暖末端为散热器时一次侧设计工况下的供回水温度．若犙ｎＳ＜犙ｎＤ，则一次网供回水温度调节根据二次侧供暖用户末端为地板辐射确定， τ１＝τ１Ｄ， τ２＝τ２Ｄ，其中， τ１， τ２为供暖末端为地板辐射时，一次侧设计工况下的供回水温度．１．３．２依据散热末端的平均值调节若犙ｎＳ＞犙ｎＤ或犙ｎＳ＜犙ｎＤ，则一次网供回水温度均根据二次侧供暖用户末端为散热器和地板辐射时一次侧设计工况下的供回水温度的平均值决定，即 τ１＝ τ１Ｓ＋τ１Ｄ，２ τ２Ｓ＋τ２Ｄ．２一次侧供回水温度根据供暖用户末端为散热器的计算负 τ２＝１．３．３依据散热末端的加权平均值的调节荷犙ｎＳ和供暖用户末端为地板辐射的计算负荷犙ｎＤ占总计算负荷犙ｎ的比例确定．假设犙ｎＳ占总计算负荷比例犙ｎ为犪，犙ｎＤ占总计算负荷比例犙ｎ为犫，即 τ１＝犪 τ１Ｓ＋犫 τ１Ｄ， τ２＝犪 τ２Ｓ＋犫 τ２Ｄ．其中：珚＋狋犺］［（ ′１－τ ′２）犙ｅ犇Ｓ－狋犵； τ 犇Ｓｅ－１珚＋狋犺］［（ ′１－τ ′２）犙ｅ犇Ｄ－狋犵； τ τ１Ｄ＝犇Ｄｅ－１珚； ′１－τ ′２）犙 τ２Ｓ＝τ１Ｓ－（ τ τ１Ｓ＝珚． ′１－τ ′２）犙 τ２Ｄ＝τ１Ｄ－（ τ ′１分别为耦合后一次网实际运行供水温度和设计供水温度； ′２分别为耦合后一次网实际运行回 τ１， τ τ２， τ 水温度和设计回水温度； ′１Ｓ分别为散热器一次网实际运行供水温度和设计供水温度； ′２Ｓ分别 τ１Ｓ， τ τ２Ｓ， τ 为散热器一次网实际运行回水温度和设计回水温度； ′１Ｄ分别为地暖一次网实际运行供水温度和设 τ１Ｄ， τ 计供水温度； ′２Ｄ分别为地暖一次网实际运行回水温度和设计回水温度；犇Ｓ，犇Ｄ均为常数， τ２Ｄ， τ ／Δ 犇Ｓ＝［（ ′１－τ ′２）－（狋 ′ｇＳ－狋 ′ｈＳ）］狋 ′Ｓ， τ ′１－狋 ′ｇＳ， τ ／狋 ′Ｓ＝［ ′１－狋 ′ｇＳ）－（ ′２－狋 ′ｈＳ）］ｌｎ Δ τ τ ′２－狋 ′ｈＳ τ ／Δ 犇Ｄ＝［（ ′１－τ ′２）－（狋 ′ｇＤ－狋 ′ｈＤ）］狋 ′Ｄ， τ ′１－狋 ′ｇＤ τ ／狋 ′Ｄ＝［（ ′１－狋 ′ｇＤ）－（ ′２－狋 ′ｈＤ）］ｌｎ． Δ τ τ ′２－狋 ′ｈＤ τ 利用耦合而得的一次网供回水温度，计算出二次网的供回水温度．２供热稳定性判断依据水力失调是影响系统供热质量的重要原因．衡量供热系统水力失调的程度用热用户实际流量和规定流量的比值表示［１７］，即狓＝犞Ｓ／犞ｇ．其中，狓为水力失调度；犞Ｓ，犞ｇ分别为热用户的实际流量和规定流量．热力失调是最终判断系统供热质量好坏的指标，用热用户实际供热量和规定供热量的比值表示，即犙Ｓ，犙ｇ分别为热用户的实际供热量和规定需热量．狔＝犙Ｓ／犙ｇ．其中：狔为热力失调度；当水力失调度或热力失调度等于１时，即实际流量等于设计流量、系统供热量等于实际需热量，供犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２１２２０１９年热系统处于稳定的水力工况和热力工况．当水力失调度或热力失调度与１相差越大，供热系统水力失调与热力失调越严重．因此，通过比较用户端的水力失调度和热力失调度判断哪种耦合供热参数的方法更适合一次网系统的运行调节．３算例分析以山西省太原市某一热水供热间接连接系统为例，供暖建筑的面积为８４０万ｍ２，供暖面积热指标取５０Ｗ ·ｍ－２．一次侧设计供回水温度取１２０ ℃／７０ ℃．二次侧用户末端为散热器时，设计供回水温度取７５ ℃／５０ ℃ ；地板辐射采暖时，取５０ ℃／４０ ℃ ，且考虑面层为木板．一次网、二次网循环流量公式和供暖热负荷公式可参考文献［１９］．设散热器用户负荷占比为４０％，地板辐射用户负荷占比为６０％．供热末端为散热器时，一次网运行调节的公式中常数犇＝１．２５３；供热末端为地板辐射时，一次网运行调节公式中常数犇＝０．８４７．依照提出的３种耦合计算方法，水力失调度和热力失调度，如表１～２所示．表１～２珡中：Ｑ为相对负荷．表１不同耦合方式下散热器的失调度Ｔａｂ．１Ｉｍｂａｌａｎｃｅｄｅｇｒｅｅｏｆｔｈｅｒａｄｉａｔｏｒｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｏｕｐｌｉｎｇｍｏｄｅｓ调节方式项目偏大值质调节平均值加权值偏大值量调节平均值加权值珚犙失调度０．４００．５００．６００．７００．８００．９０１．００热力失调度１１１１１１１水力失调度１１１１１１１热力失调度１１１１１１１水力失调度１１１１１１１热力失调度１１１１１１１水力失调度１１１１１１１热力失调度０．８２４６００．８４５８００．８６７６００．８９１３００．９１８８００．９５２９００．９９９７０水力失调度０００３０１．２１２７０１．１８２４０１．１５２６０１．１２１９０１．０８８４０１．０４９４０１．热力失调度０．９１２２９０．９２２８６０．９３３７８０．９４５６６０．９５９４００．９７６４７０．９９８８５水力失调度００３１５１．０９６１４１．０８３５９１．０７０９２１．０５７４６１．０４２３２１．０２４０９１．热力失调度０．８９４７６０．９０７４４０．９２０５４０．９３４８００．９５１２８０．９７１７６０．９９９８１水力失调度１．１１７６２１．１０２００１．０８６３２１．０６９７５１．０５１２２１．０２９０６１．０００１９表２不同耦合方式下地板辐射的失调度Ｔａｂ．２Ｉｍｂａｌａｎｃｅｄｅｇｒｅｅｏｆｔｈｅｆｌｏｏｒｒａｄｉａｔｉｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｏｕｐｌｉｎｇｍｏｄｅｓ调节方式项目偏大值质调节平均值加权值偏大值量调节平均值加权值珚犙失调度０．４００．５００．６００．７００．８００．９０１．００热力失调度１１１１１１１水力失调度１１１１１１１热力失调度１１１１１１１水力失调度１１１１１１１热力失调度１１１１１１１１１１１１１１水力失调度热力失调度１．０００００１．０００００１．０００００１．０００００１．０００００１．０００００１．０００００水力失调度１．０００００１．０００００１．０００００１．０００００１．０００００１．０００００１．０００００热力失调度１．１４１８３１．１２６４８１．１１１３２１．０９５１１１．０７５８２１．０４８９４１．００３０５水力失调度９９８９６０．８７５７９０．８８７７２０．８９９８３０．９１３１５０．９２９５３０．９５３３５０．热力失调度１．１１２８４１．１００７５１．０８８８９１．０７６２８１．０６１４１１．０４０８６１．００３８１水力失调度０．８９８６１０．９０８４７０．９１８３７０．９２９１３０．９４２１５０．９６０７４０．９９６２０由表１，２可以得出以下两点主要结论．１）当一次网、二次网均采用质调节时，散热器和地板辐射的水力失调度和热力失调度均为１，不受末端用户计算方法的影响，系统的稳定性强，系统供热量也满足供暖末端实际的需热量，但单纯质调节运行能耗高，不利于节能．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期马佳慧，等：不同散热末端耦合运行调节方法２１３２）当一次网为质调节、二次网采用量调节时，如选用供热参数偏大值，散热器和地板辐射的水力失调度和热力失调度均较大地偏离１，热力失调度最高可达１８％，水力失调度高达２１％，系统的水力工况不稳定，系统供热量也不满足供暖末端的需热量．如选用供热参数平均值和加权值，散热器和地板辐射的水力失调度和热力失调度均较小地偏离１，热力失调度低至０．３％，水力失调度低至０．１％．为进一步判断平均值和加权值两种耦合计算方法，引入综合失调度概念，比较结果，如表３所示．综合失调度＝｜散热器失调度－１｜＋｜地板辐射失调度－１｜，综合失调度值越高，系统供热量与用户实际需热量偏差越大，反之亦然．表３散热器和地板辐射的综合失调度Ｔａｂ．３Ｃｏｍｐｒｅｈｅｎｓｉｖｅｄｅｇｒｅｅｓｏｆｔｈｅｒａｄｉａｔｏｒａｎｄｔｈｅｆｌｏｏｒｒａｄｉａｔｉｏｎ项目平均值加权值珚犙失调度０．４００．５００．６００．７００．８００．９０１．００热力失调度０．２２９５４０．２０３６２０．１７７５４０．１４９４４０．１１６４２０．０７０７５０．００４２０水力失调度０．２２０３５０．１９５８７０．１７１０９０．１４４３００．１１２７９０．０７０７５０．００４１９热力失调度０．２１８０８０．１９３３２０．１６８３５０．１４１４８０．１１０１３０．０６９１００．００４００水力失调度０．２１９０２０．１９３５４０．１６７９５０．１４０６２０．１０９０７０．０６８３２０．００３９９由表３可知：采用加权值的综合失调度较小地偏离１，系统的稳定性最强，系统供热量与供暖末端的需热量更加接近．因此，通过加权耦合得出指导意义的二次网供回水温度曲线，如图２所示．图２中：狋为温度．（ａ）质调节（ｂ）量调节图２二次网供回水温度曲线Ｆｉ２Ｃｕｒｖｅｏｆｗａｔｅｒｓｕｐｐｌｅｔｕｒｎｔｅｍｐｅｒａｔｕｒｅｏｆｔｈｅｓｅｃｏｎｄａｒｔｗｏｒｋｇ．ｙ＆ｒｙｎｅ４结束语实际供热系统中既有散热器又有地板辐射末端用户，而常规系统的运行调节仅依赖于单一散热末端进行，导致系统供热量与用户需热量间不匹配问题．文中提出了基于不同用户末端的３种耦合计算方法，考虑在一次侧采用质调节情况下，采用综合失调度作为判断供热质量好坏的依据，通过计算实例分析两种散热末端用户在不同分配比下，得出用加权耦合一次侧供热参数的方法，系统供热量与热用户需热量间更加匹配，更符合经济性和节能性要求．参考文献：［１］ＸＩＡＯＴｉｉａｏ．Ｈｙｄｒａｕｌｉｃｉｍｂａｌａｎｃｅｏｆｃｅｎｔｒａｌｈｅａｔｉｎｇｐｉｔｗｏｒｋａｎｄｉｔｓｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ［Ｊ］．ＨｅｉｌｏｎｇｉａｎｇＳｃｉ  ｊｐｅｎｅｊｅｎｃｅ，２０１６：７（１６）：５６５７．ＤＯＩ：１０．３９６９／ｉｓｓｎ．２０９５６６３０．２０１６．２７．３２５． ? ? ｊ．［２］ＷＡＮＧＸｉａｏ，ＬＩＮＦｕ，ＺＨＡＯＸｉｌｉｎｇ，犲狋犪犾．ＴｈｅｒｍｏｄｙｎａｍｉｃａｎａｌｓｉｓｏｆａｃｅｎｔｒａｌｈｅａｔｉｎｇｓｙｓｔｅｍｃｏｍｂｉｎｇｔｈｅｕｒｂａｎｙｈｅａｔｎｅｔｗｏｒｋｗｉｔｈｇｅｏｔｈｅｒｍａｌｅｎｅｒＣ］∥ＡＳＭＥ２０１３７ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｎｅｒｔａｉｎａｂｉｌｉｔｌ  ｇｙ［ｇｙＳｕｓｙＣｏｌｏｃａｔｅｄｗｉｔｈｔｈｅＡＳＭＥ２０１３ＨｅａｔＴｒａｎｓｆｅｒＳｕｍｍｅｒＣｏｎｆｅｒｅｎｃｅａｎｄｔｈｅＡＳＭＥ２０１３１１ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ．［Ｓ．ｌ．］：ＡＳＭＥ，２０１３：１４１９．ＤＯＩ：１０．１１１５／ｅｓ２０１３１８２８５．ｏｎＦｕｅｌＣｅｌｌＳｃｉｅｎｃｅ，Ｅｎｇ ? ? ［３］晋娜娜，田琦，王美萍，等．基于供热调节方式的混水直连模式的适用性［Ｊ］．华侨大学学报（自然科学版），２０１４，３５犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２１４２０１９年（１）：７２７５．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１４．０１．００７２． ? ? ［４］ＺＨＵＸｉａｏｉｎｇ，ＭＯＲＯＯＫＡＳ，ＯＫＡＹ．ＮｕｍｅｒｉｃａｌｉｎｖｅｓｔｉｔｉｏｎｏｆｇｒｉｄｓｐａｃｅｒｅｆｆｅｃｔｏｎｈｅａｔｔｒａｎｓｆｅｒｏｆｓｕｐｅｒｃｒｉｔｉｃａｌｊｇａＪ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＴｈｅｒｍａｌＳｃｉｅｎｃｅｓ，２０１４，７６（２）：２４５?２５７．ＤＯＩ：１０．ｗａｔｅｒｆｌｏｗｓｉｎａｔｉｔｒｏｄｂｕｎｄｌｅ［ｇｈ１０１６／ｉｔｈｅｒｍａｌｓｃｉ．２０１３．１０．００３．ｊ．ｊ［５］ＧＵＷｅｉ，ＷＵＣｈｅｎｙｕ，ＷＡＮＧＪｕｎ，犲狋犪犾．ＯｐｔｉｍａｌｏｐｅｒａｔｉｏｎｆｏｒｉｎｔｅｇｒａｔｅｄｅｎｅｒｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｔｈｅｒｍａｌｉｎｅｒｔｉａｇｙｓｙＪ］．ＡｐｐｌｉｅｄＥｎｅｒ２０１７，１９９（５）：２３４?２４６．ＤＯＩ：１０．１０１６／ａｐｅｎｅｒｏｆｄｉｓｔｒｉｃｔｈｅａｔｉｎｇｎｅｔｗｏｒｋａｎｄｂｕｉｌｄｉｎｇｓ［ｇｙ，ｊ．ｇｙ．２０１７．０５．００４．［６］关银俊．北京建筑大学大兴校区：区域燃气锅炉房调控运行分析［Ｄ］．北京：北京建筑大学，２０１６．［７］ＣＡＯＪｉｎｇｆｕ，ＬＩＭｉｎｇｃａｉ，ＷＡＮＧＭｉｎ，犲狋犪犾．ＥｆｆｅｃｔｓｏｆｃｌｉｍａｔｅｃｈａｎｇｅｏｎｏｕｔｄｏｏｒｍｅｔｅｏｒｏｌｏｇｉｃａｌｐａｒａｍｅｔｅｒｓｆｏｒｂｕｉｌｄｉｎｇｅｎｅｒｓａｖｉｎｇｄｅｓｉｎｔｈｅｄｉｆｆｅｒｅｎｔｃｌｉｍａｔｅｚｏｎｅｓｏｆＣｈｉｎａ［Ｊ］．Ｅｎｅｒｉｌｄｉｎｇｓ，２０１７，１４６（４）：６５７２． ? ? ｇｙｇｎｉｇｙａｎｄＢｕ１０．１０１６／ｅｎｂｕｉｌｄ．２０１７．０４．０４５．ＤＯＩ：ｊ．［８］ＺＡＫＨＡＲＥＶＩＣＨＡＥ．Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｄａｉｌｌｕｃｔｕａｔｉｏｎｓｏｆｏｕｔｓｉｄｅａｉｒｔｅｍｐｅｒａｔｕｒｅｏｎｔｈｅｉｎｄｏｏｒｃｌｉｍａｔｅ［Ｊ］．ｙｆ１５（６）：４７６４８０．ＤＯＩ：１０．２１１２２／２２２７１０３１２０１６１５６４７６４８０．２０１６， ? ? ? ? ? ? ? ［ｉｓｓｎ．９］张美玲，刘曙光．区域供热系统的热负荷预测方法研究［Ｊ］．山西建筑，２０１８，４４（３）：１２０ＤＯＩ：１０．３９６９／ ?１２１．ｊ．１００９６８２５．２０１８．０３．０６５． ? ［１０］ＬＩＹｅｍａｏ，ＸＩＡＪｉａｎｕｎ，ＳＵＹｉｎｇｂｏ，犲狋犪犾．Ｓｙｓｔｅｍａｔｉｃｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｔｈｅｕｔｉｌｉｚａｔｉｏｎｏｆｌｏｗ? ｔｅｍｐｅｒａｔｕｒｅｉｎｄｕｓｔｒｉａｌｊＪ］．Ｅｎｅｒ２０１８，１４４（１）：９８４９９１．ＤＯＩ：１０．１０１６／ｅｘｃｅｓｓｈｅａｔｆｏｒｄｉｓｔｒｉｃｔｈｅａｔｉｎｇ［ｅｎｅｒ２０１７．１２．０４８． ? ｇｙ，ｊ．ｇｙ．［１１］ＫＡＮＧＺｈｉｉａｎｇ，ＭＥＮＧＱｉｎ，ＹＡＮＧＸｕｅ，犲狋犪犾．ＡｎａｌｓｉｓｏｆｔｈｅｅｎｅｒｏｎｓｕｍｐｔｉｏｎａｎｄｅｃｏｎｏｍｉｃｆｏｒｃｏｍｂｉｎｅｄｑｙｇｙｃＪ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１６，１４６（６）：ｈｅａｔｉｎｇｓｕｐｐｌｓｔｅｍｂａｓｅｄｏｎｇｒｏｕｎｄｗａｔｅｒｈｅａｔｐｕｍｐａｎｄｂｏｉｌｅｒｐｌａｎｔ［ｙｓｙ５３０５３５．ＤＯＩ：１０．１０１６／ｒｏｅｎｇ．２０１６．０６．３９１． ? ｊ．ｐ［１２］ＣＡＯＢｉｎ，ＺＨＵＹｉｎｇｘｉｎ，ＬＩＭｉｎ，犲狋犪犾．Ｉｎｄｉｖｉｄｕａｌａｎｄｄｉｓｔｒｉｃｔｈｅａｔｉｎｇ：Ａｃｏｍｐａｒｉｓｏｎｏｆｒｅｓｉｄｅｎｔｉａｌｈｅａｔｉｎｇｍｏｄｅｓｅｎ  ｗｉｔｈａｎａｎａｌｓｉｓｏｆａｄａｐｔｉｖｅｔｈｅｒｍａｌｃｏｍｆｏｒｔ［Ｊ］．Ｅｎｅｒｉｌｄｉｎｇｓ，２０１４，７８（７８）：１７?２４．ＤＯＩ：１０．１０１６／ｊ．ｙｇｙａｎｄＢｕｂｕｉｌｄ．２０１４．０３．０６３．［１３］袁炯炯，孟庆林，袁彦峰．厦门地区典型农村住宅夏季室内热环境实测与分析［Ｊ］．华侨大学学报（自然科学版），２０１７，３８（１）：５３５７．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０１０１０． ? ? ［１４］ＹＡＮＦｅｎｇ．Ｈｅａｔｉｎｇｅｎｅｒａｖｉｎｇｃｏｎｔｒｏｌｓｙｓｔｅｍｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｒｉｔｈｍ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇｇｙｓｇｏＵｎｉｖｅｒｓｉｔｆＴｅｃｈｎｏｌｏｇｙ，２０１７，３９（３）：３２８３３２．ＤＯＩ：１０．７６８８／１６４６．２０１７．０３．１６．ｉｓｓｎ．１０００ ? ? ｙｏｊ．［１５］赵蕾，王嘉，朱立东，等．间接连接区域供热系统动态特性及控制策略仿真［Ｊ］．热科学与技术，２０１４（２）：１４２ ?１４９．ＤＯＩ：１０．１３７３８／８０９７．２０１４．０２．００５．ｉｓｓｎ．１６７１ ? ｊ．［１６］李静，杨俊红，王朴方，等．集中供热系统运行能效评价及节能潜力分析［Ｊ］．区域供热，２０１７（３）：７?１４．ＤＯＩ：１０．１６６４１／ｃｎｋｉ．ｃｎ１１３２４１／ｔｋ．２０１７．０３．００２． ? ｊ．［１７］贺平，孙刚．供热工程［Ｍ］．４版．北京：中国建筑工业出版社，１９９３：２７９２８０． ? ［１８］王潇．地温热水地面辐射供暖系统调节的研究［Ｄ］．哈尔滨：哈尔滨工业大学，２００６．［１９］李德英．供热工程［Ｍ］．北京：中国建筑工业出版社，２００４．（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：刘源岗）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０９０１８ ? 抗癌药物马赛替尼的合成工艺优化张嘉颖１，裘京晓２，黄程勇１，吴振３，王立强１（１．华侨大学生物医学学院，福建泉州３６２０２１；２．北京第二外国语大学附属医院，北京１０００２４；３．厦门大学药学院，福建厦门３６１１０２）摘要：对现有文献报道的马赛替尼合成工艺进行优化改进．以２ ?甲基?５ ?硝基苯胺为原料，经缩合、噻吩环１化、还原氢化、酰化等反应制备马赛替尼，产物结构经电喷雾质谱（ＥＳＩ ?ＭＳ），核磁共振氢谱（Ｈ?ＮＭＲ），核磁１３共振碳谱（Ｃ ?ＮＭＲ）等确证，并对其中的合成条件进行优化对比研究．结果表明：优化工艺后，马赛替尼的总收率为３７．３％（以２５ ?甲基? ?硝基苯胺计），与文献报道的工艺相比，提高了９％；优化后的工艺具有反应时间短、成本低、收率高等特点，更易应用于工业化生产．关键词：马赛替尼；抗癌药物；２５ ?甲基? ?硝基苯胺；工艺优化中图分类号：Ｒ９４４文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２１５０６ ? ? ? 犐犿狆狉狅狏犲犱犛狔狀狋犺犲狊犻狊狅犳犃狀狋犻犲狉犇狉狌犵犕犪狊犻狋犻狀犻犫 ?犆犪狀犮ＺＨＡＮＧＪｉａｙｉｎｇ１，ＱＩＵＪｉｎｇｘｉａｏ２，ＨＵＡＮＧＣｈｅｎｇｙｏｎｇ１，ＷＵＺｈｅｎ３，ＷＡＮＧＬｉｉａｎｇ１ｑ（１．ＳｃｈｏｏｌｏｆＢｉｏｍｅｄｉｃａｌＳｃｉｅｎｃｅｓ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｉｎａ；ｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈ２．ＡｆｆｉｌｉａｔｅｄＨｏｓｐｉｔａｌ，ＢｅｉｉｎｇＩｎｔｅｒｎａｔｉｏｎａｌＳｔｕｄｉｅｓＵｎｉｖｅｒｓｉｔｉｉｎｇ１０００２４，Ｃｈｉｎａ；ｊｙ，Ｂｅｊ３．ＳｃｈｏｏｌｏｆＰｈａｒｍａｃｅｕｔｉｃａｌＳｃｉｅｎｃｅｓ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔａｍｅｎ３６１１０２，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｔｈｅｓｙｎｔｈｅｓｉｓｐｒｏｃｅｓｓｏｆｍａｓｉｔｉｎｉｂｗｈｉｃｈｗａｓｒｅｐｏｒｔｅｄｉｎｔｈｅｌｉｔｅｒａｔｕｒｅｗａｓｉｍｐｒｏｖｅｄ．Ｍａｓｉｔｉｎｉｂｗａｓｓｙｎｔｈｅｓｉｚｅｄｂｙｕｓｉｎｇ２ｔｈｙｌ５ｉｔｒｏａｎｉｌｉｎｅａｓａｒａｗｍａｔｅｒｉａｌ，ｖｉａｃｏｎｄｅｎｓａｔｉｏｎ，ｃｙｃｌｉｚａｔｉｏｎ，ｈｙｄｒｏｇｅｎａ  ?ｍｅ ? ?ｎｔｉｏｎａｎｄａｃｙｌａｔｉｏｎ犲狋犮，ｉｔｓｓｔｒｕｃｔｕｒｅｗａｓｃｏｎｆｉｒｍｅｄｂｙｅｌｅｃｔｒｏｓｐｒａｙｉｏｎｉｚａｔｉｏｎｍａｓｓｓｐｅｃｔｒｏｍｅｔｒＥＳＩ ?ＭＳ），ｙ（１１３ｒｏｔｏｎｎｕｃｌｅａｒｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅ（Ｈ?ＮＭＲ）ａｎｄｃａｒｂｏｎ１３ｎｕｃｌｅａｒｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅ（Ｃｈｅ ?ＮＭＲ），ａｎｄｔｐｒｅａｃｔｉｏｎｃｏｎｄｉｔｉｏｎｓｏｆｓｏｍｅｓｔｅｐｓｗｅｒｅｏｐｔｉｍｉｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｙｉｅｌｄｏｆｍａｓｉｔｉｎｉｂａｆｔｅｒｏｐｔｉｍｉｚａ  ｔｉｏｎｗａｓｕｐｔｏ３７．３％（ｉｎｔｅｒｍｓｏｆ２ｔｈｙｌ５ｉｔｒｏａｎｉｌｉｎｅ），ｗｈｉｃｈｉｓ９％ｈｉｒｔｈａｎｔｈａｔｒｅｐｏｒｔｅｄｉｎｌｉｔｅｒａ  ?ｍｅ ? ?ｎｇｈｅｔｕｒｅ；ｔｈｅｏｐｔｉｍｉｚｅｄｐｒｏｃｅｓｓｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｓｕｃｈａｓｓｈｏｒｔｒｅａｃｔｉｏｎｔｉｍｅ，ｌｏｗｃｏｓｔａｎｄｈｉｉｅｌｄ，ａｎｄｉｔ ′ ｇｈｙｓｅａｓｉｅｒｔｏａｐｐｌｏｉｎｄｕｓｔｒｉａｌｐｒｏｄｕｃｔｉｏｎ．ｙｔ犓犲狉犱狊：ｍａｓｉｔｉｎｉｂ；ａｎｔｉｃａｎｃｅｒｄｒｕｇ；２ｔｈｙｌ５ｉｔｒｏａｎｉｌｉｎｅ；ｏｐｔｉｍｉｚａｔｉｏｎ ? ?ｍｅ ? ?ｎ狔狑狅马赛替尼（ｍａｓｉｔｉｎｉｂ）学名为４４１４３４３２ ?［（ ?甲基? ?哌嗪基）甲基］ ?Ｎ?［ ?甲基? ?［［ ?（ ?吡啶基） ? ?噻唑基］氨基］苯基］苯甲酰胺，是由法国制药巨头ＡＢＳｃｉｅｎｃｅ公司研制的一种选择性多靶点酪氨酸酶抑制剂［１］，作用于小胶质细胞和肥大细胞［２］．临床前动物实验结果表明，与一线药物伊马替尼（ｉｍａｔｉｎｉｂ）相比，马赛替尼具有更好的选择性和活性，且因其不作用于非受体蛋白酪氨酸激酶ｃｌ，降低了心脏毒 ?Ａｂ收稿日期：２０１８０９１０ ? ? 通信作者：王立强（１９７０Ｅｉｌ：ｗｌｃｏｍ． ?），男，教授，博士，主要从事药剂学和创新药物的研究． ?ｍａｑ１５９９＠１６３．基金项目：国家重点研发计划项目（２０１６ＹＦＥ０１０１７００）；华侨大学研究生科研创新能力培育计划资助项目（１７０１４０７１０２１）华侨大学学报（自然科学版）２１６２０１９年性［３?４］，对胃肠道肿瘤、黑色素瘤及胰腺癌具有潜在治疗作用［５?８］．此外，马赛替尼还可治疗哮喘［９］、类风湿性关节炎［１０］、多发性硬化症等炎症［１１?１２］，目前正处于三期临床研究阶段．２００８年，欧洲药物管理局［］（ＥＭＡ）批准马赛替尼作为犬肥大细胞肿瘤１３和皮肤恶性肿瘤的治疗药；２０１５年和２０１６年，马赛替尼又先后被美国食品药品监督管理局（ＦＤＡ）和ＥＭＡ授予治疗肌萎缩侧索硬化症（ＡＬＳ）的孤儿药地位［１４］．目前，该药物尚未在中国上市及进口．因此，本文对马赛替尼的合成工艺进行优化改进，简化操作，提高产率，使其更易于产业化．１实验部分１．１试剂与仪器Ｎ?甲基哌嗪（优级纯，上海迈瑞尔化学技术公司）；３ ?乙酰基吡啶（优级纯，上海书亚医药公司）；其他试剂均为市售分析纯．２４５０型紫外可见分光光度计（日本岛津公司）；Ｒ? ２０１型旋转蒸发器（上海申胜生物技术有限公ＵＶ? 司）；Ｘ? ５型显微熔点测定仪（河南省巩义市予华仪器有限责任公司）；ＱＥｘａｃｔｉｖｅ型高分辨质谱仪（美国ＴｈｅｒｍｏＳｃｉｅｎｔｉｆｉｃ公司）；ＡＶＡＮＣＥＡＶ? ４００型核磁共振波谱仪（瑞士Ｂｒｕｋｅｒ公司）；１２００型高效液相色谱仪（ＤＡＤ检测器，美国安捷伦公司）．１．２实验方法１．２．１合成路线文献报道的马赛替尼合成方法主要有２种［１５?１９］．第１种是以２５ ?甲基? ?硝基苯胺为原料，经酰化、缩合生成Ｎ?（２５ ?甲基? ?硝基苯基胺基硫代甲酰）乙酰胺（中间体５），在碱性条件下，与２ ? 溴? １３２５４３２ ?（吡啶? ?基）乙酮（中间体２）生成Ｎ?（ ?甲基? ?硝基苯基） ? ?（吡啶? ?基）噻唑? ?胺（中间体６），中间体６经ＲａｎｅｙＮｉ催化氢化还原后，通过Ｓｃｈｏｔｔｅｎ４１ ?Ｂａｕｍａｎｎ反应与４ ?（ ?甲基哌嗪? ?基）甲基苯甲酰氯（中间体３）得到马赛替尼［１５］．第２种是以２，４ ?二氨基甲苯为原料，先用二碳酸二叔丁酯选择性保护４位氨基；然后，与硫氰酸铵和苯甲酰氯反应生成［３３?苯甲酰基硫脲基）４?甲基苯基］氨基甲酸叔丁基 ?（ ? 酯；再在碱性条件下脱去苯甲酰基后，与２１３ ?溴? ?（吡啶? ?基）乙酮成环为噻唑化合物，脱去叔丁氧羰基保［１６１８］护基团得到４３２２５４ ?（吡啶? ?基） ? ?［（ ?甲基? ?氨基苯基）氨基］噻唑 ? ；最后，与事先制备得到的４ ?（ ?甲基［１９］哌嗪? １７％．该合成方法步骤较复杂，且在合成中间体 ?基甲基）苯甲酰氯生成目标产物，总收率为２６．的后处理中经过多次柱层析，成本高且效率低，不适合工业生产．因此，经文献调研分析，文中选用第一种路线合成马赛替尼，其合成路线如图１所示．图１马赛替尼的合成路线Ｆｉ１Ｓｙｎｔｈｅｔｉｃｒｏｕｔｅｏｆｍａｓｉｔｉｎｉｂｇ．１．２．２２１３２ｍＬ，１８ｍｍｏｌ）置于二氯甲烷 ?溴? ?（吡啶? ?基）乙酮（中间体２）的制备将３ ?乙酰基吡啶（（３０ｍＬ）中，于２５ ℃ 下加入质量分数为３０％的氢溴酸溶液（３．６ｍＬ，５４ｍｍｏｌ）．在１ｈ内滴加溴素（０．９犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张嘉颖，等：抗癌药物马赛替尼的合成工艺优化２１７ｍＬ，１８ｍｍｏｌ）的二氯甲烷（３．５ｍＬ）溶液，滴加完毕后反应２ｈ，薄层板（ＴＬＣ）监测反应完全．抽滤，滤饼用丙酮（５ｍＬ）洗涤２次，８０ ℃ 真空干燥，得到白色粉状固体２（３．２４ｇ，产率为９０．１％），熔点为１９５．１～１９６．０ ℃ （文献［３］产率为７５．０％，熔点为１９２．２～１９３．８ ℃ ），纯度为９８．９％（ＨＰＬＣ面积归一化法，检Ｒ测条件：色谱柱为Ｉｎｅｒｔｓｉｌ○ Ｃ１８（４．６ｍｍ×２５０ｍｍ，５μｍ），流动相Ａ为体积分数为０．１％的三氟乙酸（ＴＦＡ）１％的ＴＦＡ?水，等度洗脱（流动相Ａ∶ 流动相Ｂ＝９０∶１０），流 ?乙腈，流动相Ｂ为体积分数为０．速为０．４ｍＬ·ｍｉｎ－１，检测波长为３０６ｎｍ，进样体积为１０μＬ，柱温为３０ ℃ ）．４１６．０ｇ，３５．２１．２．３４ ?（ ?甲基哌嗪? ?基）甲基苯甲酸二盐酸盐（中间体４）的制备将４ ?氯甲基苯甲酸（ｍｍｏｌ）加入正丁醇（７４ｍＬ）中，溶解后加入１４．７ｍＬ，４２．４ｍｍｏｌ），于２５ ℃ 下反应６ｈ，ＴＬＣ ?甲基哌嗪（－１监测反应完全．反应液减压浓缩，加入乙酸乙酯（１００ｍＬ），用３ｍｏｌ·ＬＮａＯＨ溶液（１００ｍＬ）萃取，取水层，用乙酸乙酯洗涤３次，收集水层，用３ｍｏｌ·Ｌ－１盐酸调节ｐＨ值至３～４，加入异丙醇，静置过夜．过滤，滤饼用异丙醇（５ｍＬ）洗涤２次，于５０ ℃ 真空干燥，得白色固体４（１０．３７ｇ，产率为９６．０％）（文献［３］产率为９４．１％），熔点为３０９．８～３１１．４ ℃ （文献［２０］熔点为３１０～３１２ ℃ ），纯度为９８％（ＨＰＬＣ面积Ｒ归一化法，检测条件：色谱柱为Ｉｎｅｒｔｓｉｌ○ Ｃ１８（４．６ｍｍ×２５０ｍｍ，５μｍ），流动相Ａ为体积分数０．１％的ＴＦＡ?乙腈，流动相Ｂ为体积分数０．１％的ＴＦＡ?水，等度洗脱（流动相Ａ∶ 流动相Ｂ＝９０∶１０），流速为－１０．４ｍＬ·ｍｉｎ，检测波长为２５４ｎｍ，进样体积为１０μＬ，柱温为３０ ℃ ）．１狕）：２３５．２４［Ｍ＋Ｈ］＋．Ｈ?ＮＭＲ（４００ＭＨｚ，ＤＭＳＯ?ｄ６），化学位移（７．８８（ｄ，ＥＳＩ ?ＭＳ（质荷比犿／ δ）：１３犑＝８．１Ｈｚ，２Ｈ），７．３９（ｄ，犑＝８．１Ｈｚ，２Ｈ），３．５１（ｓ，２Ｈ），２．３７（ｍ，８Ｈ），２．１７（ｓ，３Ｈ）．Ｃ?ＮＭＲ（１０１ＤＭＳＯ? ｄ６），１６７．８２，１４３．９０，１３０．７１，１２９．４５，１２９．２０，６２．０２，５５．０３，５２．８６，４５．９９．ＭＨｚ， δ：１．２．４４４１２．３ｇ，７ｍｍｏｌ）悬浮于四氢 ?（ ?甲基哌嗪? ?基）甲基苯甲酰氯（中间体３）的制备将中间体４（呋喃（ＴＨＦ，５０ｍＬ）中，加入二氯亚砜（０．７ｍＬ，１０ｍｍｏｌ）及吡啶（１滴），６０ ℃ 回流反应０．５ｈ，减压浓缩，得中间体３．２?甲基?５１０．０ｇ，０．１３１．２．５Ｎ?（ ?硝基苯基胺基硫代甲酰）乙酰胺（中间体５）的制备将硫氰酸铵（ｍｏｌ）置于丙酮（２５０ｍＬ）中，于２５ ℃ 下加入乙酰氯（９ｍＬ，０．１３ｍｏｌ），搅拌１５ｍｉｎ，分３次向反应液中加入２５１６．５ｇ，０．１１ｍｏｌ），加入完毕后反应２０ｍｉｎ，抽滤，滤饼用丙酮（５ｍＬ）洗涤２次， ?甲基? ?硝基苯胺（干燥后得白色固体５（２７．０２ｇ，产率为９７．１％）（文献［３］产率为９６．５％），熔点为２０４．１～２０５．３ ℃ （文献［３］熔点为２０３．８～２０４．２ ℃ ）．１犿／狕）：２５３．９５［Ｍ＋Ｈ］＋．Ｈ?ＮＭＲ（４００ＭＨｚ，ＤＭＳＯ?ｄ６），６６（ｄ，犑＝２．３Ｈｚ，１Ｈ），ＥＳＩ ?ＭＳ（ δ：８．１３８．０５（ｓ，１Ｈ），７．５８（ｄ，犑＝２５Ｈｚ，１Ｈ），２．３２（ｓ，３Ｈ），２．１８（ｓ，３Ｈ）．Ｃ?ＮＭＲ（１０１ＭＨｚ，ＤＭＳＯ?ｄ６）， δ：１８０．３２，１７３．２９，１４５．９５，１４１．９１，１３８．２８，１３１．９４，１３１．７３，１０９．３０，２４．２８，１８．３０．２４．２ｇ，３０１．２．６Ｎ?（ ?甲基?５?硝基苯基） ?４?（吡啶?３?基）噻唑?２?胺（中间体６）的制备将Ｋ２ＣＯ３（ｍｍｏｌ）悬浮于甲醇（２００ｍＬ）中，加入中间体５（２．６ｇ，１０ｍｍｏｌ），搅拌２０ｍｉｎ后，加入中间体２（４．０ｇ，２０ｍｍｏｌ），反应２ｈ，ＴＬＣ检测反应完全．向反应液中加水（２００ｍＬ）搅拌１０ｍｉｎ，抽滤，烘干得中间体６（２．５６ｇ，产率为８２．１％）（文献［３］产率为７６．３％），熔点为２２３．５～２２５．２ ℃ ，纯度为９９．２％（ＨＰＬＣ归Ｒ一化法，检测条件：色谱柱为Ｉｎｅｒｔｓｉｌ○ Ｃ１８柱（４．６ｍｍ×２５０ｍｍ，５μｍ），流动相Ａ为甲醇，流动相Ｂ为体积分数为０．１％的ＴＦＡ?水，等度洗脱（流动相Ａ∶ 流动相Ｂ＝６０∶４０），流速为０．４ｍＬ·ｍｉｎ－１，检测波长为２５３ｎｍ，进样量为１０μＬ，柱温为３０ ℃ ）．１犿／狕）：３１２．９８［Ｍ＋Ｈ］＋．Ｈ?ＮＭＲ（４００ＭＨｚ，ＤＭＳＯ?ｄ６），９．８０（ｓ，１Ｈ），９．３０（ｓ，１Ｈ），ＥＳＩ ?ＭＳ（ δ：９．１８（ｄ，犑＝１．８Ｈｚ，１Ｈ），８．５２（ｄ，犑＝４．７Ｈｚ，１Ｈ），８．２７（ｓ，１Ｈ），７．７９（ｄ，犑＝２．２Ｈｚ，１Ｈ），７．６５（ｄｄ，１３犑＝５．３，１．７Ｈｚ，１Ｈ），７．４７（ｄ，犑＝２．６Ｈｚ，１Ｈ），７．１０（ｓ，１Ｈ），２．４３（ｓ，３Ｈ）．Ｃ?ＮＭＲ（１０１ＭＨｚ，ＤＭ ＳＯ? ｄ６），１６１．１０，１４９．０１，１４７．４０，１４５．０６，１４３．７７，１３７．４０，１３４．４６，１３３．０４，１３１．６７，１３０．４３，１２６．６９， δ：１２４．２２，１１２．８９，１０６．８８，１８．９６．１．２．７６４３２１，３ ?甲基?Ｎ?［ ?（吡啶? ?基）噻唑? ?基］ ? ?苯二胺二盐酸盐（中间体７）的制备将中间体６（１．５５ｍｍｏｌ）置于４０ｍＬ甲醇和氯化铵（体积比为１∶３）的饱和溶液中，在氮气保护下，加入活化的锌粉ｇ，（１．０ｇ，１５ｍｍｏｌ），６５ ℃ 回流反应３ｈ，ＴＬＣ监测反应完全．过滤，滤饼用甲醇（５ｍＬ）洗涤３次后，用二犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．２１８华侨大学学报（自然科学版）２０１９年氯甲烷（８０ｍＬ）溶解，过滤，滤液减压浓缩，得到白色粉末７（１．１６ｇ，产率为８２．２％）（文献［３］产率为６９．３％），熔点为１３６．２～１３７．９ ℃ （文献［３］熔点１３７．５～１３８．３ ℃ ）．ＥＳＩ犿／狕）：２８３．１０［Ｍ＋Ｈ］＋． ?ＭＳ（１．２．８马赛替尼（目标化合物１）的制备将中间体７（１．４ｇ，５ｍｍｏｌ）置于二氯甲烷（５０ｍＬ）中溶解，冰水浴降温至０ ℃ ，加入Ｎ，Ｎ?二异丙基乙胺（ＤＩＰＥＡ）（３ｍＬ，２２ｍｍｏｌ）．向反应液中缓慢滴加中间体３（１．６ｇ，５ｍｍｏｌ）的二氯甲烷（１０ｍＬ）溶液，室温反应９ｈ，ＴＬＣ监测反应完全．反应液依次用体积分数为１０％的ＮａＯＨ（１５ｍＬ×２）溶液和水（２０ｍＬ）萃取，二氯甲烷层用无水硫酸钠干燥，过滤，浓缩，加入乙醇（６０ｍＬ）溶解，用体积分数为１０％的ＮａＯＨ溶液调节ｐＨ值至９～１０，过滤，烘干，得目标化合物１（１．４２０％），熔点为９３．７～９５．１ ℃．ｇ，产率为５７．１ＥＳＩ犿／狕）：４９９．４２［Ｍ＋Ｈ］＋．Ｈ?ＮＭＲ（４００ＭＨｚ，ＤＭＳＯ? ｄ６），１０．２０（ｓ，１Ｈ），９．４６（ｓ，１Ｈ）， ?ＭＳ（ δ：９．１４（ｓ，１Ｈ），８．６０（ｄ，犑＝７．１Ｈｚ，１Ｈ），８．４６（ｄ，犑＝５．７Ｈｚ，１Ｈ），７．９０（ｄ，犑＝６．７Ｈｚ，２Ｈ），７．５３（ｄ，犑＝１Ｈ），７．３６（ｄ，犑＝６．８Ｈｚ，２Ｈ），７．１７～７．３０（ｍ，３Ｈ），６．９２（ｓ，１Ｈ），３．５０（ｓ，２Ｈ），２．２５（ｍ，４Ｈ），６．４Ｈｚ，１３２．１４（ｍ，４Ｈ），１．９２（ｓ，６Ｈ）．Ｃ?ＮＭＲ（１０１ＭＨｚ，ＤＭＳＯ?ｄ６），２３，１６５．７０，１４８．７４，１４７．６７， δ：１６６．１４２．５９，１３９．７１，１３８．２３，１３４．２９，１３３．７２，１３３．１４，１３０．９３，１３０．７４，１２９．１３，１２８．０９，１２４．５６，１２４．１２，１１６．１１，１１３．７５，１０４．９８，６１．９３，５４．８３，５２．５７，４５．６８，１８．０７．２合成工艺条件的优化２．１中间体２的合成工艺优化按文献［３］方法制备中间体２时发现，氢溴酸（ＨＢｒ）在反应中既作诱导剂又作溶剂，腐蚀性强，挥发性大，成本高，且后处理需要重结晶．为了降低成本，提高产率，更换溶剂（氯仿、水、乙醚、二氯甲烷、醋酸）摸索最佳反应条件，实验结果表明：以二氯甲烷（ＤＣＭ）为反应溶剂时，中间体２产率最高，达到９０％，且无需重结晶进行后处理．通过预实验发现，原料３ ?乙酰吡啶与ＨＢｒ物质的量的比值对反应产率影响较大．采用单因素考察法，固定反应时间为２ｈ，反应温度为２５ ℃ ，考察原料物质的量（狀）之比对中间体２产率（ η（中间体２））的影响，结果如图２所示．由图２可知：当狀（ＨＢｒ）∶狀（３ ?乙酰吡啶）＝３∶１时，中间体２产率最佳，为９０．１％．图２原料物质的量比对中间体２产率的影响Ｆｉ２Ｅｆｆｅｃｔｏｆｍｏｌａｒｒａｔｉｏｏｎｇ．２．２中间体４的合成工艺优化合成中间体４的过程属于取代型Ｎ?烷基化反应，其机ｉｅｌｄｏｆｃｏｍｐｏｕｎｄ２ｙ理为４３］中，氮气保护下制备中间体４时，需 ?氯甲基苯甲酸与Ｎ?甲基哌嗪发生亲电取代反应．在文献［要４当量的Ｎ?甲基哌嗪，条件要求较高，且产物不易纯化．通过考察原料、产物的稳定性及分析反应机理，改变原工艺中的氮气条件，发现总产率并无明显变化，因此，省略氮气保护以降低成本，且更适用于工业化生产．去氮气保护后，改变溶剂对中间体４的产率无影响，但对反应时间有较大的影响，因此，通过单因素考察反应溶剂对反应时间的影响，结果如表１所表１不同反应溶剂对反应时间的影响示．表１中：狋为４?氯甲基苯甲酸消失所需的时Ｔａｂ．１Ｅｆｆｅｃｔｏｆｄｉｆｆｅｒｅｎｔｓｏｌｖｅｎｔｓｏｎｒｅａｃｔｉｏｎｔｉｍｅ间．由表１可知：将反应溶剂乙醇更换为正丁醇，反应溶剂可使反应时间从１６ｈ缩减为６ｈ，在保证产率和／ｈ狋甲醇乙醇异丙醇正丁醇１０～１２１６～１８５～８３～６纯度的前提下，大大节约了时间成本．经条件优化后，中间体４的产率达９６．０％．２．３中间体６的合成工艺优化为了进一步提高中间体６的产率，采用单因素考察法，控制反应时间为１ｈ，反应温度为２５ ℃ ，考察Ｋ２ＣＯ３和中间体５物质的量之比对中间体６产率（ η（中间体６））的影响，结果如图３所示．由图３可知：当狀（Ｋ２ＣＯ３）∶狀（中间体５）为１∶１～３∶１时，反应产率随比值的增大而增加；当狀（Ｋ２ＣＯ３）∶狀（中间体５）为３∶１时，反应产率最高，为７６．３％，而后趋于恒定．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张嘉颖，等：抗癌药物马赛替尼的合成工艺优化２１９通过对反应时间的考察，发现反应时间对中间体６的产率有较大影响．因此，设定反应温度为２５ ℃，狀（Ｋ２ＣＯ３）∶狀（中间体５）＝３∶１时，探究反应时间对产率的影响，结果如图４所示．由图４可知：当反应时间为２ｈ时，中间体６产率达到最高，为８２．１％．图３物质的量的比值对中间体６产率的影响图４反应时间对中间体６产率的影响Ｆｉ３Ｅｆｆｅｃｔｏｆｍｏｌａｒｒａｔｉｏｏｎｙｉｅｌｄｏｆｃｏｍｐｏｕｎｄ６ｇ．Ｆｉ４Ｅｆｆｅｃｔｏｆｒｅａｃｔｉｏｎｔｉｍｅｏｎｙｉｅｌｄｏｆｃｏｍｐｏｕｎｄ６ｇ．２．４马赛替尼的合成工艺优化以酰氯为反应原料进行酰化反应时，缚酸剂可中和反应产生的氯化氢，因此，寻找适当的缚酸剂可以有效地提高反应产率．当反应溶剂为二氯甲烷，反应时间为５ｈ时，研究不同缚酸剂对马赛替尼产率（ η（马赛替尼））的影响，结果如图５所示．由图５可知：采用有机碱Ｎ，Ｎ?二异丙基乙胺（ＤＩＰＥＡ）做缚酸剂时，产率最优，且处理较为简单．文献［３］中，反应５ｈ并不能使反应完全，因此，将反应时间延长至９ｈ可反应完全，收率提高至５７．０％（以中间体７计）．３结束语图５缚酸剂对马赛替尼产率的影响Ｆｉ５Ｅｆｆｅｃｔｏｆｂａｓｅｓｐｅｃｉｅｓｇ．ｏｎｙｉｅｌｄｏｆｍａｓｉｔｉｎｉｂ以２５３］中的工艺条件进行优化．合成 ?甲基? ?硝基苯胺等为原料制备抗癌新药马赛替尼，并对文献［的马赛替尼经由质谱，核磁氢谱及碳谱等确证结构．制备中间体２时，通过单因素考察法优化工艺，采用二氯甲烷作为溶剂，既可减少ＨＢｒ的用量，反应后也无需重结晶处理，当原料物质的量比值狀（ＨＢｒ）∶ 狀（３１％；在合成 ?乙酰吡啶）为３∶１，反应温度由原文献中的６０ ℃ 调整为２５ ℃ 时，产率最优可达到９０．中间体４时，省去氮气保护，选用正丁醇代替乙醇作为反应溶剂，反应时间由１６ｈ缩短为９ｈ，反应绿色环保，产率提高至９６．０％（文献［３］产率为９４．１％）；当合成中间体６时，投料物质量的比值狀（Ｋ２ＣＯ３）∶ 狀（中间体５）为３∶１，反应时间为２ｈ时，产率最佳，为８２．１％（文献［３］产率为７６．３％）；合成目标产物马赛替尼时，更换缚酸剂三乙胺（ＴＥＡ）为ＤＩＰＥＡ，并将反应时间由５ｈ增加至９ｈ，使反应完全，产率由５４．８％提高至５７．０％（以中间体７计）．改进后的合成工艺操作简单，绿色环保，反应易于控制，总收率从２８．０％提高至３７．３％（以２５ ?甲基? ?硝基苯胺计），更适合工业化生产．参考文献：［１］鲍书馨．多韦替尼和马赛替尼合成工艺研究［Ｄ］．南京：南京工业大学，２０１１．［２］ＬＯＲＴＨＯＬＡＲＹＯ，ＣＨＡＮＤＥＳＲＩＳＭＯ，ＢＵＬＡＩＬＩＶＩＤＥＡＮＵＣ，犲狋犪犾．Ｍａｓｉｔｉｎｉｂｆｏｒｔｒｅａｔｍｅｎｔｏｆｓｅｖｅｒｅｌ  ｙｓｙｍｐａｎｄｏｍｉｓｅｄ，ｐｌａｃｅｂｏ?ｃｏｎｔｒｏｌｌｅｄ，ｐｈａｓｅ３ｓｔｕｄｙ［Ｊ］．Ｌａｎｃｅｔ，２０１７，３８９ｔｏｍａｔｉｃｉｎｄｏｌｅｎｔｓｙｓｔｅｍｉｃｍａｓｔｏｃｙｔｏｓｉｓ：Ａｒ（１００６９）：６１２６２０．ＤＯＩ：１０．１０１６／Ｓ０１４０６７３６（１６）３１４０３９． ? ? ? ［ｃｎｋｉ．３］杨照，王志祥，方正，等．马赛替尼合成工艺研究［Ｊ］．中国现代应用药学，２０１３，３０（１）：３５３８．ＤＯＩ：１０．１３７４８／ ? ｊ．ｉｓｓｎ１００７７６９３．２０１３．０１．００１． ? ［４］ＳＯＲＩＡＪＣ，ＭＡＳＳＡＲＤＣ，ＭＡＧＮ?Ｎ，犲狋犪犾．Ｐｈａｓｅ１ｄｏｓｅｅｓｃａｌａｔｉｏｎｓｔｕｄｙｏｆｏｒａｌｔｒｏｓｉｎｅｋｉｎａｓｅｉｎｈｉｂｉｔｏｒｍａｓｉｔｉｎｉｂ ? ｙｒｍｅｔａｓｔａｔｉｃｓｏｌｉｄｃａｎｃｅｒｓ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＣａｎｃｅｒ，２００９，４５（１３）：２３３３?２３４１．ＤＯＩ：１０．ｉｎａｄｖａｎｃｅｄａｎｄ／ｏｅｃａ．２００９．０５．０１０．１０１６／ｊ．ｊ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２２０２０１９年［５］ＢＲＡＨＭＩＭ，ＣＡＳＳＩＥＲＰＡ．Ｍａｓｉｔｉｎｉｂｆｏｒｇａｓｔｒｏｉｎｔｅｓｔｉｎａｌｓｔｒｏｍａｌｔｕｍｏｒｓ［Ｊ］．ＥｘｐｅｒｔＯｐｉｎｉｏｎｏｎＯｒｕｇｓ，ｐｈａｎＤｒ２０１６，４（６）：６７１６７６．ＤＯＩ：１０．１０８０／２１６７８７０７．２０１６．１１８０９７３． ? ［６］ＤＥＰＬＡＮＱＵＥＧ，ＤＥＭＡＲＣＨＩＭ，ＨＥＢＢＡＲＭ，犲狋犪犾．Ａｒａｎｄｏｍｉｚｅｄ，ｐｃｏｎｔｒｏｌｌｅｄｐｈａｓｅⅢ ｔｒｉａｌｏｆｍａｓｉｔｉｎｉｂｌａｃｅｂｏ ? ｌｕｓｇｅｍｃｉｔａｂｉｎｅｉｎｔｈｅｔｒｅａｔｍｅｎｔｏｆａｄｖａｎｃｅｄｐａｎｃｒｅａｔｉｃｃａｎｃｅｒ［Ｊ］．ＡｎｎａｌｓｏｆＯｎｃｏｌｏｇｙ，２０１５，２７（７）：１１９４?１２００．ｐ／ｍｄｖ１３３．ＤＯＩ：１０．１０９３／ａｎｎｏｎｃ［７］ＴＥＳＴＡＵ．Ｋｉｔｍｕｔａｔｉｏｎｓｉｎｃａｎｃｅｒａｎｄｔｈｅｉｒｔｒｅａｔｍｅｎｔｗｉｔｈｐｒｏｔｅｉｎｋｉｎａｓｅｉｎｈｉｂｉｔｏｒｓ［Ｊ］．ＤｒｕｇｓｏｆｔｈｅＦｕｔｕｒｅ，２００８，３３（２）：１６１１７４．ＤＯＩ：１０．１３５８／ｄｏｆ．２００８．０３３．０２．１１６４２０７． ? ［８］ＨＡＭＭＡＭＫ，ＳＡＥＺ?ＡＹＡＬＡＭ，ＲＥＢＵＦＦＥＴＥ，犲狋犪犾．ＤｕａｌｐｒｏｔｅｉｎｋｉｎａｓｅａｎｄｎｕｃｌｅｏｓｉｄｅｋｉｎａｓｅｍｏｄｕｌａｔｏｒｓｆｏｒＪ］．ＮａｔｕｒｅＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１７，８（１）：１４２０．ＤＯＩ：１０．１０３８／ｓ４１４６７?０１７? ｒａｔｉｏｎａｌｌｓｉｌｒｍａｃｏｌｏｇｙ［ｙｄｅｇｎｅｄｐｏｙｐｈａ０１５８２５． ? ［／ＰＤＧＦｒ９］ＨＵＭＢＥＲＴＭ，ＤＥＢＬＡＹＦ，ＧＡＲＣＩＡＧ，犲狋犪犾．Ｍａｓｉｔｉｎｉｂ，ａｃｉｔｅｃｅｐｔｏｒｔｒｏｓｉｎｅｋｉｎａｓｅｉｎｈｉｂｉｔｏｒ，ｉｍ ?ｋｙｒｏｖｅｓｄｉｓｅａｓｅｃｏｎｔｒｏｌｉｎｓｅｖｅｒｅｃｏｒｔｉｃｏｓｔｅｒｏｉｄｔａｓｔｈｍａｔｉｃｓ［Ｊ］．Ａｌｌｅｒ２００９，６４（８）：１１９４ＤＯＩ：１０． ?ｄｅｐｅｎｄｅｎ ?１２０１．ｐｇｙ，１３９８９９９５．２００９．０２１２２．ｘ．１１１１／ ? ｊ．［１０］ＴＥＢＩＢＪ，ＭＡＲＩＥＴＴＥＸ，ＢＯＵＲＧＥＯＩＳＰ，犲狋犪犾．Ｍａｓｉｔｉｎｉｂｉｎｔｈｅｔｒｅａｔｍｅｎｔｏｆａｃｔｉｖｅｒｈｅｕｍａｔｏｉｄａｒｔｈｒｉｔｉｓ：Ｒｅｓｕｌｔｓｏｆａｍｕｌｔｉｃｅｎｔｒｅ，ｏｐｅｎ? ｓｅ２ａｓｔｕｄｙ［ｌａｂｅｌ，ｄｏｓｅａｎｇｉｎｇ，ｐｈａＪ］．ＡｒｔｈｒｉｔｉｓＲｅｓＴｈｅｒ，２００９，１１（３）：Ｒ９５．ＤＯＩ：１０． ?ｒ１１８６／ａｒ２７４０．［１１］ＶＥＲＭＥＲＳＣＨＰ，ＢＥＮＲＡＢＡＨＲ，ＳＣＨＭＩＤＴＮ，犲狋犪犾．Ｍａｓｉｔｉｎｉｂｔｒｅａｔｍｅｎｔｉｎｐａｔｉｅｎｔｓｗｉｔｈｐｒｏｇｒｅｓｓｉｖｅｍｕｌｔｉｌｅｐｓｃｌｅｒｏｓｉｓ：Ａｒａｎｄｏｍｉｚｅｄｐｉｌｏｔｓｔｕｄｙ［Ｊ］．ＢＭＣＮｅｕｒｏｌ，２０１２，１２（１）：１９．ＤＯＩ：１０．１１８６／１４７１２３７７１２３６． ? ? ? ? ［１２］ＰＡＵＬＣ，ＳＡＮＳＢ，ＳＵＡＲＥＺＦ，犲狋犪犾．Ｍａｓｉｔｉｎｉｂｆｏｒｔｈｅｔｒｅａｔｍｅｎｔｏｆｓｙｓｔｅｍｉｃａｎｄｃｕｔａｎｅｏｕｓｍａｓｔｏｃｙｔｏｓｉｓｗｉｔｈｈａｎｄｉｃａｐ：Ａｐｈａｓｅ２ａｓｔｕｄｙ［Ｊ］．ＡｍｅｒｉｃａｎＪｏｕｒｎａｌｏｆＨｅｍａｔｏｌｏｇｙ，２０１０，８５（１２）：９２１?９２５．ＤＯＩ：１０．１００２／ａｈ．ｊ２１８９４．［１３］ＤＡＬＹＭ，ＳＨＥＰＰＡＲＤＳ，ＣＯＨＥＮＮ，犲狋犪犾．Ｓａｆｅｔｆｍａｓｉｔｉｎｉｂｍｅｓｙｌａｔｅｉｎｈｅａｌｔｈｙｃａｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＶｅｔｅｒｉｎａｒｙｏｙ１９３９２０１１，２５（２）：２９７３０２．ＤＯＩ：１０．１１１１／１６７６．２０１１．０６８７．ｘ．ＩｎｔｅｒｎａｌＭｅｄｉｃｉｎｅ， ? ? ｊ．［１４］ＫＩＮＥＴＪＰ，ＭＯＵＳＳＹＡ，ＭＡＮＳＦＩＥＬＤＣ．Ｕｓｅｏｆｍａｓｉｔｉｎｉｂｆｏｒｔｒｅａｔｍｅｎｔｏｆａｍｙｏｔｒｏｐｈｉｃｌａｔｅｒａｌｓｃｌｅｒｏｓｉｓ：ＷＯ２０１５／０６３３１８Ａ１［Ｐ］．２０１５０５０７． ? ? ［１５］ＭＯＵＳＳＹＡ，ＲＥＧＩＮＡＵＬＴＰ，ＢＥＬＬＡＭＹＦ，犲狋犪犾．Ｐｒｏｃｅｓｓｆｏｒｔｈｅｓｙｎｔｈｅｓｉｓｏｆ２ａｍｉｎｏｔｈｉａｚｏｌｅｃｏｍｐｏｕｎｄｓａｓｋｉ  ? ｎａｓｅｉｎｈｉｂｉｔｏｒｓ：ＵＳ８１５３７９２Ｂ２［Ｐ］．２００８０８２１． ? ? ［１６］ＭＡＲＣＯＣ，ＣＡＭＩＬＬＥＷ，ＢＲＵＮＯＧ，犲狋犪犾．２３ａｍｉｎｏａｒｌ）ａｍｉｎｏ４ａｒｌｔｈｉａｚｏｌｅｓａｎｄｔｈｅｉｒｕｓｅａｓｃｉｔｉｎｈｉｂｉ  ?（ ? ? ? ? ?ｋｙｙｔｏｒｓ：ＵＳ００８４５０３０２Ｂ２［Ｐ］．２０１３０５２８． ? ? ［１７］ＭＯＵＳＳＹＡ，ＫＩＮＥＴＪＰ．ＵｓｅｏｆｃｉｔｉｎｈｉｂｉｔｏｒｓｆｏｒｔｒｅａｔｉｎｇｔＩｄｉａｂｅｔｅｓ：ＵＳ２００７００３２５２１Ａ１［Ｐ］．２００５０２２４． ?ｋ ? ? ｙｐｅＩ［１８］ＫＯＲＯＬＥＶＡＥＶ，ＫＡＤＵＴＳＫＩＩＡＰ，ＦＡＲＩＮＡＣＡＶ，犲狋犪犾．Ａｐｒａｃｔｉｃａｌｓｙｎｔｈｅｓｉｓｏｆ４４ｔｈｙｌｉｒａｚｉｎ１ｌ） ?［（ ?ｍｅ ? ?ｙｐｐｅｍｅｔｈｙｌ］ｂｅｎｚｏｉｃａｃｉｄ：Ｔｈｅｋｅｙｐｒｅｃｕｒｓｏｒｔｏｗａｒｄｉｍａｔｉｎｉｂ［Ｊ］．ＴｅｔｒａｈｅｄｒｏｎＬｅｔｔｅｒｓ，２０１２，５３（３８）：５０５６５０５８．ＤＯＩ： ? ｔｅｔｌｅｔ．２０１２．０６．１０７．１０．１０１６／ｊ．［１９］ＨＡＰＭＰ，ＴＵＲＣＯＴＴＥＳ，ＦＬＡＮＡＧＡＮＪＵ，犲狋犪犾．４?ＰｙｒｉｄｙｌａｎｉｌｉｎｏｔｈｉａｚｏｌｅｓｔｈａｔｓｅｌｅｃｔｉｖｅｌａｒｔｖｏｎＨｉｌ ? ｙｔｇｅｐｐｅＬｉｎｄａｕｄｅｆｉｃｉｅｎｔｒｅｎａｌｃｅｌｌｃａｒｃｉｎｏｍａｃｅｌｌｓｂｙｉｎｄｕｃｉｎｇａｕｔｏｐｈａｇｉｃｃｅｌｌｄｅａｔｈ［Ｊ］．ＪＭｅｄＣｈｅｍ，２０１０，５３（２）：７８７７９７． ? ＤＯＩ：１０．１０２１／ｊｍ９０１４５７ｗ．［２０］ＢＯＲＮＭＡＮＮＷ，ＡＬＡＵＤＤＩＮＭ，ＧＥＬＯＶＡＮＩＪ，犲狋犪犾．Ｒａｄｉｏｈａｌｏｉｍａｔｉｎｉｂｓａｎｄｍｅｔｈｏｄｓｏｆｔｈｅｉｒｓｙｎｔｈｅｓｉｓａｎｄｕｓｅｉｎｐｅｔｉｍａｇｉｎｇｏｆｃａｎｃｅｒｓ：ＵＳ２００６０８２３３２４Ｐ［Ｐ］．２００８０２２８． ? ? （责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：刘源岗）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１６１００３２ ? 利用干涉测量技术的染液均匀性方法梅小华，李平，金福江，李扬森（华侨大学信息科学与工程学院，福建厦门３６１０２１）摘要：针对染色过程中染料和助剂不均容易导致色花问题，搭建干涉测量实验平台，采集染液处于不同均匀程度下的干涉条纹图，根据干涉条纹图形状特点及其频域特征，实现染液均匀性定性判断．实验结果表明：当染液存在化料不均的情况时，干涉条纹形态及频域特征相对均匀状态染液差异明显，利用干涉测量技术实现对染液均匀性检测的方法是可行的．关键词：均匀性检测；染液；干涉测量；干涉条纹中图分类号：ＴＳ１９３．４；ＴＰ２７４文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２２１０５ ? ? ? 犎狅犿狅犵犲狀犲犻狋狊狋犻狀犵狅犳犝狀犻犳狅狉犿犇犲狉犲犲狅犳狔犜犲犵犇狔犲犻狀犵犛狅犾狌狋犻狅狀犝狊犻狀犵犐狀狋犲狉犳犲狉犲狀犮犲犕犲犪狊狌狉犲犿犲狀狋ＭＥＩＸｉａｏｈｕａ，ＬＩＰｉｎｇ，ＪＩＮＦｕｉａｎｇ，ＬＩＹａｎｇｓｅｎｊ（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｗｈｅｎｔｈｅｄｉｓｓｏｌｕｔｉｏｎｏｆｄｙｅｓｏｒｄｙｅａｕｘｉｌｉａｒｉｅｓｉｓｎｏｔｕｎｉｆｏｒｍ，ｉｔｃａｎｂｅｅａｓｙｔｏｃａｕｓｅｃｏｌｏｒｅｄｓｐｏｔ．ｒｉｍｅｎｔａｌｓｙｓｔｅｍｐｌａｔｆｏｒｍｏｆｉｎｔｅｒｆｅｒｏｍｅｔｒｓｄｅｓｉｈｅｉｎｔｅｒｆｅｒｅｎｃｅＴｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｅｘｐｅｙｗａｇｎｅｄ，ａｎｄｔｆｒｉｎｇｅｉｍａｇｅｓｉｎｄｉｆｆｅｒｅｎｔｕｎｉｆｏｒｍｄｅｇｒｅｅｏｆｄｙｅｗｅｒｅｃｏｌｌｅｃｔｅｄ．Ｔｈｅｓｈａｐｅｆｅａｔｕｒｅｏｆｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｓａｎｄｔｈｅｆｅａｔｕｒｅｓｉｎｆｒｅｉｎａｒｅｗａｓｕｓｅｄｔｏｊｕｄｇｅｔｈｅｕｎｉｆｏｒｍｄｅｇｒｅｅｏｆｄｙｅｉｎｇｓｏｌｕｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅ  ｑｕｅｎｃｙｄｏｍａｓｕｌｔｓｐｒｏｖｅｔｈａｔｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｔｈｅｓｈａｐｅｏｆｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｓａｎｄｔｈｅｆｅａｔｕｒｅｓｉｎｆｒｅｉｎａｒｅｏｂ  ｑｕｅｎｃｙｄｏｍａｖｉｏｕｓｗｈｅｎｔｈｅｄｙｅｓｉｎｄｉｆｆｅｒｅｎｔｄｅｇｒｅｅｏｆｕｎｉｆｏｒｍｉｔｃｏｒｄｉｎｇｌｌｓｉｓｔｈｅｄｅｇｒｅｅｏｆｕｎｉｆｏｒｍｉｔｆｄｙｅｓｙ．Ａｃｙ，ａｎａｙｙｏｂｙｕｓｉｎｇｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃｔｅｃｈｎｉｓｆｅａｓｉｂｌｅ．ｑｕｅｉ犓犲狉犱狊：ｈｏｍｏｇｅｎｅｉｔｅｓｔｉｎｇ；ｄｙｅｌｉｒ；ｉｎｔｅｒｆｅｒｅｎｃｅｍｅａｓｕｒｅｍｅｎｔ；ｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｙｔｑｕｏ狔狑狅为了避免染色过程中染料或助剂不均导致织物色花，配制好的染液首先需要通过化料机进行搅拌处理［１３］ ? ．化料机通常由化料桶和搅拌棒构成，化料时间长短通常根据经验进行设定．如果化料时间过短，会导致化料不均，进而容易染花织物，对产品质量造成严重影响，往往需要消耗大量的人力与物力对染花的不合格产品进行重新染色．通常需要尽量延长化料时间，但这又会影响生产进度，不利于提高产量．黄旭明等［４］通过添加助剂的方法调节染液染料的均匀性，但是无法实时观察染液均匀程度，且增加额外的助剂成本．沈娟等［５］通过示差折光检测器测量溶液折射率，实现对溶液均匀性、稳定性的检测，但对于质量浓度较低的溶液，存在灵敏度不足的问题．干涉测量技术［６］是以光波干涉原理为基础进行测试的一门技术，相对于一般的光学成像技术具有更高的灵敏度．随着激光的出现及计算机的应用，在提高精度的同时，实现了条纹的实时自动分析．文献［７  ８］成功地将干涉测试技术应用于玻璃的均匀性检测．本文利用干涉测试技术的优势，搭建染液均匀性检测系统，以解决染料化料不均的问题．收稿日期：２０１７１０１６ ? ? 通信作者：梅小华（１９７８Ｅｉｌ：ｆｏｒｅｓｔ９９９＠１２６．ｃｏｍ． ?），女，讲师，主要从事智能技术与自动化的研究． ?ｍａ基金项目：国家自然科学基金面上资助项目（６１２７３０６９）；福建省泉州市科技计划项目（２０１３Ｚ２０）华侨大学学报（自然科学版）２２２２０１９年１干涉原理与检测方法［］１．１光的干涉原理９设犈０１（狉，狋）和犈０２（狉，狋）是两列频率相同的平面电磁波，在空间产生的电磁场分别为犈１（狉，狋）＝犈０１ｃｏｓ（２π 狋－犽１狉＋φ１）， ν 犈２（狉，狋）＝犈０２ｃｏｓ（２π 狋－犽２狉＋φ２）． ν ｝（１）式（１）中：犈０１，犈０２为电磁波振幅；狉为失径；犽１，犽２为波矢量； ν 为频率； φ１， φ２为初始相位．根据叠加定理，两电磁波相遇区域电场为犈（狉，狋）＝犈１（狉，狋）＋犈２（狉，狋）．（２）相遇区域的光场强度犐为２   犐＝〈犈犈 〉＝〈犈２０１＋犈０２＋犈１犈２＋犈１犈２〉＝２〈犈２犈０１犈０２）ｃｏｓθ〉＝犐１＋犐２＋〈２犈０１犈０２ｃｏｓψ·ｃｏｓθ〉．０１＋犈０２＋２（（３）式（，分别表示两平面电磁波的平均光强；３）中：〈〉表示对时间求平均，则犐１＝〈犈２犐２＝〈犈２０１〉０２〉 ψ 为犈０１和犈０２的夹角；犽２－犽１）狉－（３）中的第３项为干涉项，当两平面电磁波不相干时，干涉项为 θ＝（ φ２－φ１）．式（零，犐＝犐１＋犐２，光场一片均匀．若两列光波相干，则干涉项不为零，光强分布呈现干涉图纹．当 ψ＝０，即两偏振电磁波偏振方向相同，有（４）犐＝犐１＋犐２＋２槡犐１犐２ｃｏｓθ ．犐随θ 变化，其极大值和极小值分别为烌犐ｍａｘ＝犐１＋犐２＋２槡犐１犐２，烍犐ｍｉｎ＝犐１＋犐２－２槡犐１犐２．烎激光是一种相干性好、方向性好且亮度极高的光源，是光学干涉计量中的理想光源．（５）１．２染液均匀性检测方法染液均匀性检测系统示意图［１０］，如图１所示．从氦氖激光器发出的点光源经空间滤波器和正透镜扩束成相干光束，由空间分光棱镜Ｂ１分为两束相干平面波，分别经反光镜Ｍ１，Ｍ２反射，光束１通过装有待测溶液的比色皿与光束２在分光棱镜Ｂ２处汇合，形成混合光，在电荷耦合器件（ＣＣＤ）相机屏产生干涉条纹图，并采集传送至个人计算机（ＰＣ）端．图１染液均匀性检测系统示意图如果比色皿中的染液处于均匀状态，则由光束１组Ｆｉ１Ｄｉａｇｒａｍｏｆｄｙｅｕｎｉｆｏｒｍｉｔｇ．ｙ成的波面仍为平面波，与光束２平面波之间仍保持相干ｄｅｇｒｅｅｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ性，满足式（５）的形式，干涉图条纹形态固定且相互平行．如果染液处于不均匀状态，光束１通过不均匀染液后，会对光束中的各光线产生不同程度的影响，波面不再是平面波，与光束２波面之间的相干性发生了变化，光场不再满足式（５），而是变成了其他更为复杂的形式，导致干涉条纹图形态发生明显变化．由以上分析可知，可直接通过肉眼观测条纹的形态对染液均匀性进行判断．除此之外，为了减轻人眼观测负担，可提取干涉条纹频谱特征，设定判断指标，实现染液均匀性自动判断．设染液为均匀状态，ＣＣＤ相机采集到的干涉条纹图某点（狓，狓，狔）处的物光和参考光波分别为犗（狔）和犚（狓，３）可得ＣＣＤ屏光场强度为狔），由式（２２    犐＝（犗（狓，狓，犗（狓，狓，狔）＋犚（狔））· （狔）＋犚（狔））＝狘犗狘＋狘犚狘＋犚犗＋犚犗．（６）对干涉光强分布Ｉ作傅里叶变换，即２２犃０＝犉（狘犗狘＋狘犚狘），犃＋１＝犉（犚犗），犃－１＝犉（犚犗  ）．（７）式（７）中：犃０，犃＋１，犃－１分别表示频谱图中的零级频谱、＋１级频谱和－１级频谱．当染液均匀性发生变化时，物光波的相干性受到影响，频谱图不仅仅由这三级主频谱构成，通过程序设定适当的判断条件，即可实现染液均匀度的定性判断．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期梅小华，等：利用干涉测量技术的染液均匀性方法２２３２实验部分２．１材料与仪器激光干涉测量平台（ＣＣＤ相机的分辨率为１０２４ｐｘ×１０２４ＦＮ? ２Ｒ黄均匀染液、染色助剂（元明粉、固ｐｘ）、光学减震平台；色碱）．２．２实验方法搭建激光干涉测量实验平台，如图２所示．实验有如下５个图２激光干涉实验平台Ｆｉ２Ｅｘｐｅｒｉｍｅｎｔａｌｐｌａｔｆｏｒｍｏｆｇ．主要步骤：１）调节光路，使物光和参考光波在ＣＣＤ屏发生干涉；２）在比色皿中缓慢滴入０．１ｇ·Ｌ－１ＦＮ? ２Ｒ黄均匀染液１０ｌａｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅｍＬ，静置３０ｓ；３）用移液器取１０ｇ·Ｌ－１ＦＮ? ２Ｒ黄均匀染液，往比色皿中缓慢滴入两滴染液；４）在滴入染液的同时，采用ＣＣＤ相机每隔１ｓ采集１次，采集１０次获得１０幅干涉条纹图；用搅拌棒搅拌均匀，采集１幅染液处于较为均匀状态下的干涉条纹图；５）清空比色皿中的染液，将步骤３）中的ＦＮ? ２Ｒ黄均匀染液分别换成元明粉及固色碱进行实验．通过以上实验步骤，可采集到３组实验图像．３结果与分析３．１干涉图纹形态分析取３组干涉实验条纹图中第２秒、第４秒、第８秒和染液处于均匀状态时的干涉条纹图进行对比，结果如图３～５所示．由图３～５可知：加入溶质后，由于溶液的不均匀性，干涉条纹扭曲且不断变化，随着时间的推移，溶液逐渐变均匀，干涉条纹逐渐恢复相互平行状态且形态稳定．因此，在进行染液均匀性检测时，可以通过观测干涉条纹图的条纹是否处于稳定的相互平行状态，而对染液均匀性做定性判断．（ａ）第２秒（ｂ）第４秒（ｃ）第８秒（ｄ）均匀情况图３加入ＦＮ? ２Ｒ黄染液后的不同时刻干涉条纹图Ｆｉ３ＩｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｉｍａｇｅｓａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｐｏｉｎｔａｆｔｅｒａｄｄｉｎｇｄｙｅｉｎｇｓｏｌｕｔｉｏｎｏｆｙｅｌｌｏｗＦＮ? ２Ｒｇ．（ａ）第２秒（ｂ）第４秒（ｃ）第８秒（ｄ）均匀情况图４加入元明粉后的不同时刻干涉条纹图Ｆｉ４Ｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｉｍａｇｅｓａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｐｏｉｎｔａｆｔｅｒａｄｄｉｎｇｓｏｄｉｕｍｓｕｌｆａｔｅｇ．（ａ）第２秒（ｂ）第４秒（ｃ）第８秒（ｄ）均匀情况图５加入固色碱后的不同时刻干涉条纹图Ｆｉ５Ｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｉｍａｇｅｓａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｐｏｉｎｔａｆｔｅｒａｄｄｉｎｇｓｏｄａａｓｈｇ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２２４２０１９年３．２干涉图纹频域分析图像的频率是表征图像中灰度变换剧烈程度的指标，是灰度在平面空间上的梯度．将图像从空间域变换到频域，对于图像的特征提取和图像识别等方面发挥着重要作用［１１］．利用ＭＡＴＬＡＢ对染液加入元明粉后采集到的干涉条纹图进行离散快速傅里叶变换，求得的干涉条纹频谱图，如图６所示．由图６可知：在主频谱周边，存在不同程度的杂谱，且杂谱的影响随着染液均匀度的提高逐渐减小．（ａ）第２秒（ｂ）第４秒（ｃ）第８秒（ｄ）均匀情况图６加入元明粉后不同时刻干涉条纹频谱图Ｆｉ６Ｆｒｅｒｔｓｏｆｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｉｍａｇｅｓａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｐｏｉｎｔａｆｔｅｒａｄｄｉｎｇｓｏｄｉｕｍｓｕｌｆａｔｅｇ．ｑｕｅｎｃｙｃｈａ为了便于实现染液均匀程度的定性检测，设置合适的阈值，将幅值小于阈值的点置为零，设阈值为１．０×１０６，染液加入元明粉后的不同时刻频谱处理平面图，如图７所示．由图７可知：染液越均匀，白点所占比重越少，可以利用计算均值的方法实现图像的特征提取．（ａ）第２秒（ｂ）第４秒（ｃ）第８秒（ｄ）均匀情况图７加入元明粉后的不同时刻频谱处理图Ｆｉ７Ｆｒｅｒｏｃｅｓｓｉｎｇｃｈａｒｔｓｏｆｉｎｔｅｒｆｅｒｅｎｃｅｆｒｉｎｇｅｉｍａｇｅｓａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｐｏｉｎｔａｆｔｅｒａｄｄｉｎｇｓｏｄｉｕｍｓｕｌｆａｔｅｇ．ｑｕｅｎｃｙｐ１０２４１０２４珨ａ＝各频谱处理平面图中像素平均值的计算结果如下：１）图７（ａ）的像素平均值犕 ∑ ∑犕（狓，ａ狓＝１狔＝１１０２４１０２４珨ｂ＝／（１０２４×１０２４）≈３６９７；２）图７（ｂ）的像素平均值犕狔） ∑ ∑犕ｂ（狓，狔）／（１０２４×１０２４）≈１８５３；狓＝１狔＝１１０２４１０２４珨ｃ＝珨ｄ＝３）图７（ｃ）的像素平均值犕 ∑ ∑犕ｃ（狓，狔）／（１０２４×１０２４）≈１２９１；４）图７（ｄ）的像素均值犕狓＝１狔＝１１０２４１０２４／（１０２４×１０２４）≈１０９５．由计算结果可知：染液越均匀，像素平均值越小，可根据均匀狔） ∑ ∑犕（狓，ｄ狓＝１狔＝１大小实现染液均匀性的定性判断．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期梅小华，等：利用干涉测量技术的染液均匀性方法２２５分别对加入固色碱、ＦＮ? ２Ｒ黄的均匀染液干涉条纹图进行频域分析，溶质均匀状态的频谱处理图，如图８所示．各频谱处理平面图中像素平均值的计算结果如１０２４１０２４珨固色碱＝下：１）图８（ａ）的像素平均值犕 ∑ ∑ 犕固色碱（狓，狔）／狓＝１狔＝１珨ＦＮ?２Ｒ黄＝（１０２４×１０２４）≈１１１９；２）图８（ｂ）的像素平均值犕１０２４１０２４ ∑ ∑犕ＦＮ? ２Ｒ黄（／（狓，１０２４×１０２４）≈ １１２６．综上可得，当狔）狓＝１狔＝１染液中加入不同溶质后，达到均匀状态时，其频谱处理图中像（ａ）固色碱（ｂ）ＦＮ? ２Ｒ黄图８均匀状态频谱处理图素平均值小于１２００，即可判断染液处于较为均匀状态．Ｆｉ８Ｆｒｅｒｏｃｅｓｓｉｎｇｃｈａｒｔｓｇ．ｑｕｅｎｃｙｐ４结论ｏｆｕｎｉｆｏｒｍｃｏｎｄｉｔｉｏｎ１）当染液处于均匀状态时，干涉图条纹间接近相互平行状态；而当染液不为均匀状态时，干涉条纹相对于均匀状态变化明显．２）均匀状态下染液的干涉图纹与不均匀状态下的频域存在较大差异，染液越均匀，围绕零级、＋１级和－１级主频谱的杂谱越少，且主频谱幅值越大．３）直接通过肉眼观察采集到的干涉图纹，可实现对染液均匀状态的定性判断．通过图像处理的方法，在频域提取图像特征，当像素平均值小于１２００时，即可实现对染液均匀程度的定性判断．通过图像处理的方法实现对染液均匀性的判断方法，可摆脱人眼观察的不便性，有利于提高生产的自动化程度．参考文献：［１］刘江岭，陈蒙，李华，等．涤纶织物染色色花问题分析与修补［Ｊ］．针织工业，２００３（４）：６３ＤＯＩ：１０．３９６９／ｉｓｓｎ． ?６４．ｊ．４０３３．２００３．０４．０１２．１０００ ? ［２］李振峰，王纪年，苏长志．影响浸染染色质量的因素［Ｊ］．印染，２００７，３３（２）：２０２２． ? ［３］杨晓红．针织物活性艳绿色的染色实践［Ｊ］．纺织科技进展，２００７（２）：５１５２． ? ［４］黄旭明，金雅，蔡再生．稳定液体活性染料的制备及印花喷墨油墨的试制［Ｊ］．纺织科技进展，２００６（１）：５８６０． ? ［５］沈娟，吴建刚，李咏雪，等．高效液相色谱仪标准物质丙三醇水溶液的研制［Ｊ］．医疗卫生装备，２０１１，３２（９）：２２ ?２３．ＤＯＩ：ｉｓｓｎ．１００３１０．３９６９／８８６８．２０１１．０９．００８． ? ｊ．［６］王文生，华苗，陈宇，等．现代光学测试技术［Ｍ］．北京：机械工业出版社，２０１３．［７］ＭＡＮＴＥＬＫ，ＳＣＪＷＩＤＥＲＪ．Ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃｈｏｍｏｇｅｎｅｉｔｅｓｔｕｓｉｎｇａｄａｐｔｉｖｅｆｒｅｏｍｂｉｌｌｕｍｉｎａｔｉｏｎ［Ｊ］．Ａｐ  ｙｔｑｕｅｎｃｙｃ２０１３，５２（９）：１８９７１９１２．ｌｉｅｄＯｐｔｉｃｓ， ? ｐ［８］ＨＡＲＤＥＲＩ，ＬＥＵＣＨＳＧ，ＭＡＮＴＥＬＫ，犲狋犪犾．Ａｄａｐｔｉｖｅｆｒｅｏｍｂｉｌｌｕｍｉｎａｔｉｏｎｆｏｒｉｎｔｅｒｆｅｒｏｍｅｔｒｎｔｈｅｃａｓｅｏｆｑｕｅｎｃｙｃｙｉｎｅｓｔｅｄｔｗｏａｍｃａｖｉｔｉｅｓ［Ｊ］．ＡｐｐｌｉｅｄＯｐｔｉｃｓ，２０１１，５０（２５）：４９４２４９５６． ?ｂｅ ? ［９］熊秉衡，李俊昌．全息干涉计量：原理和方法［Ｍ］．北京：科学出版社，２００９．［１０］王铁汉．基于干涉法测量溶液浓度变化的研究［Ｄ］．济南：山东大学，２０１２．［１１］张强，王正林．精通ＭＡＴＬＡＢ图像处理［Ｍ］．２版．北京：电子工业出版社，２０１２．（责任编辑：钱筠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０７０３３ ? 犔犆犔型并网逆变器的自适应开关频率控制潘健，李坤，廖冬初（湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室，湖北武汉４３００６８）摘要：针对光伏系统工作在低功率状态下ＬＣＬ滤波器的滤波效果变差的问题，提出一种根据逆变器瞬时输出功率改变开关频率的控制策略．首先，分析ＬＣＬ滤波器各参数的设计方法，采用单级光伏并网逆变结构，在基于电网电压定向的矢量控制（ＶＯＣ）的基础上建立频率控制环，以确定当前功率状态下开关管的最佳开关频率．其次，分析频率环中功率鉴定器、频率鉴定器和频率滞环比较器的设计方法．最后，通过实验对比传统固定开关频率控制和自适应开关频率控制的并网电流波形．实验结果表明：该自适应开关频率控制方法能降低并网电流畸变率，有效改善并网电能质量，控制策略具有可行性和有效性．关键词：光伏并网；逆变器；开关频率；ＬＣＬ滤波器；频率环；电能质量中图分类号：ＴＭ４６４文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２２６０６ ? ? ? 犃犱犪狆狋犻狏犲犛狑犻狋犮犺犻狀犵犉狉犲犲狀犮狋狉狅犾狅犳狇狌狔犆狅狀犔犆犔犌狉犻犱犮狋犲犱犐狀狏犲狉狋犲狉 ?犆狅狀狀犲ＰＡＮＪｉａｎ，ＬＩＫｕｎ，ＬＩＡＯＤｏｎｇｃｈｕ（ＨｕｂｅｉＫｅｙＬａｂｏｒａｔｏｒｏｒＨｉｆｉｃｉｅｎｃｉｌｉｚａｔｉｏｎｏｆＳｏｌａｒＥｎｅｒｒａｔｉｏｎＣｏｎｔｒｏｌｏｆ ?ＥｆｙｆｇｈｙＵｔｇｙａｎｄＯｐｅＥｎｅｒｔｏｒａｇｅＳｙｓｔｅｍ，ＨｕｂｅｉＵｎｉｖｅｒｓｉｔｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００６８，Ｃｈｉｎａ）ｇｙＳｙｏ犃犫狊狋狉犪犮狋：ＡｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｆｉｌｔｅｒｉｎｇｅｆｆｅｃｔｏｆＬＣＬｆｉｌｔｅｒｂｅｃｏｍｅｓｗｏｒｓｅｗｈｅｎｔｈｅｐｈｏｔｏｖｏｌｔａｉｃｓｙｓｔｅｍｗｏｒｋｓａｔｌｏｗｐｏｗｅｒ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｔｏｃｈａｎｇｅｔｈｅｓｗｉｔｃｈｉｎｇｆｒｅｃｃｏｒｄｉｎｇｑｕｅｎｃｙａｔｏｔｈｅｉｎｓｔａｎｔａｎｅｏｕｓｏｕｔｔｐｏｗｅｒｏｆｔｈｅｉｎｖｅｒｔｅｒ．Ｆｉｒｓｔｌｌｚｉｎｇｔｈｅｄｅｓｉｔｈｏｄｏｆｅａｃｈｐａｒａｍｅｔｅｒｏｆｐｕｙ，ｂｙａｎａｙｇｎｍｅｉｎｇｌｅｓｔａｇｅｐｈｏｔｏｖｏｌｔａｉｃｇｒｉｄｃｏｎｎｅｃｔｅｄｉｎｖｅｒｔｅｒｓｔｒｕｃｔｕｒｅｉｓｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｆｒｅｏｎ  ＬＣＬｆｉｌｔｅｒ，ａｓ ? ? ｑｕｅｎｃｙｃｔｒｏｌｌｏｏｐｂａｓｅｄｏｎｇｒｉｄｖｏｌｔａｇｅｏｒｉｅｎｔｅｄｖｅｃｔｏｒｃｏｎｔｒｏｌ（ＶＯＣ）ｔｏｄｅｔｅｒｍｉｎｅｔｈｅｏｐｔｉｍａｌｓｗｉｔｃｈｉｎｇｆｒｅ  ｑｕｅｎｃｙｕｎｄｅｒｔｈｅｃｕｒｒｅｎｔｐｏｗｅｒｓｔａｔｅ．Ｓｅｃｏｎｄｌｈｅｄｅｓｉｔｈｏｄｓｏｆｐｏｗｅｒｄｅｔｅｃｔｏｒ，ｆｒｅｔｅｃｔｏｒａｎｄｆｒｅ  ｙ，ｔｇｎｍｅｑｕｅｎｃｙｄｅｑｕｅｎｃｙｈｙｓｔｅｒｅｓｉｓｃｏｍｐａｒａｔｏｒａｒｅａｎａｌｚｅｄｉｎｄｅｔａｉｌ．Ｆｉｎａｌｌｈｅｇｒｉｄｏｎｎｅｃｔｅｄｃｕｒｒｅｎｔｗａｖｅｆｏｒｍｓｏｆｔｒａｄｉｔｉｏｎａｌ ?ｃｙｙ，ｔｆｉｘｅｄｓｗｉｔｃｈｉｎｇｆｒｅｏｎｔｒｏｌａｎｄａｄａｐｔｉｖｅｓｗｉｔｃｈｉｎｇｆｒｅｏｎｔｒｏｌａｒｅｃｏｍｐａｒｅｄｂｙｅｘｐｅｒｉｍｅｎｔｓ．Ｔｈｅ ? ｑｕｅｎｃｙｃｑｕｅｎｃｙｃｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｄａｐｔｉｖｅｓｗｉｔｃｈｉｎｇｆｒｅｏｎｔｒｏｌｍｅｔｈｏｄｃａｎｒｅｄｕｃｅｔｈｅｇｒｉｄｃｏｎｎｅｃｔｅｄ ? ｑｕｅｎｃｙｃｃｏｎｎｅｃｔｅｄｐｏｗｅｒｑｕａｌｉｔｏｎｔｒｏｌｓｔｒａｔｅｇｙｉｓｆｅａｓｉ  ｃｕｒｒｅｎｔｄｉｓｔｏｒｔｉｏｎｒａｔｅａｎｄｅｆｆｅｃｔｉｖｅｌｒｏｖｅｔｈｅｇｒｉｄ ? ｙｉｍｐｙ．Ｔｈｅｃｂｌｅａｎｄｅｆｆｅｃｔｉｖｅ．犓犲狉犱狊：ｐｈｏｔｏｖｏｌｔａｉｃｇｒｉｄｃｏｎｎｅｃｔｉｏｎ；ｉｎｖｅｒｔｅｒ；ｓｗｉｔｃｈｉｎｇｆｒｅｉｌｔｅｒ；ｆｒｅｏｏｐ；ｐｏｗｅｒｑｕｅｎｃｙ；ＬＣＬｆｑｕｅｎｃｙｌ狔狑狅ｌｉｔｑｕａｙ基于ＬＣＬ滤波的光伏并网逆变器的滤波器参数是根据并网逆变器额定功率设计的［１?３］，然而，由于收稿日期：２０１８０７１９ ? ? 通信作者：潘健（１９６２Ｅｉｌ：８６１４６９６９＠ｑｑ．ｃｏｍ． ?），男，教授，主要从事控制理论与控制工程的研究． ?ｍａ基金项目：国家重点研发计划重大专项（２０１８ＡＡＡ０５６）；国家自然科学基金资助项目（５１６７７０５８）第２期潘健，等：ＬＣＬ型并网逆变器的自适应开关频率控制２２７光伏组件的发电功率与太阳辐射强度密切相关，太阳辐射强度随着时间和季节不断变化，所以逆变器不会一直工作在额定功率［４］．当光伏组件的输出功率逐渐降低时，按额定输出功率设计的ＬＣＬ滤波电路的滤波性能随着输出电流降低而降低［５］，以至于输出电流谐波增加．谐波电流注入电网使电网的电压和电流畸变［６］，而电网电压的谐波又增大本地并网电流的谐波［７?８］．所以，必须对并网电流谐波加以限制，［］提高并网电能质量．目前，针对并网电能质量问题，Ｌａｉ等９将并网电流和电网电压经过滑动平均滤波器分离出谐波成分，对谐波进行预测补偿，但是这种方法存在计算延时，以至于不能和电网电压完全同［］步．Ｊｕｄｅｘｉｃｚ等１０采用预测电流控制法，理论上可以有效减小并网电流谐波，但是该控制方法中影响系统带宽和鲁棒性的控制参数λ 很难确定，以至于无法达到较好的效果．为降低功率器件的开关损耗，逆变器一般按额定功率选择较低开关频率［１１］．逆变器工作在较低功率时，功率器件的开关损耗已不再是限制因素．因此，随输出功率降低，按一定约束提高功率器件的开关频率有利于降低并网电流谐波含量，提高并网电能质量．本文提出一种根据逆变器瞬时输出功率改变开关频率的控制策略．１逆变器模型及滤波器的设计１．１犔犆犔型逆变器结构三相ＬＣＬ型并网逆变器拓扑结构，如图１所示．图１中：犞ｉｎ为直流母线电压；ＰＶ为光伏阵列；Ｃ为直流母线电容；Ｓ１～Ｓ６为开关管；Ｌ为网侧电感；犻为电流；ＥＭＩ为电磁干扰；犪，犫，犮为三相交流电．由图１可知：ＰＶ产生的直流电经过Ｃ１滤波后，由开关管Ｓ１～Ｓ６进行调制，得到逆变后的调制方波，经ＬＣＬ滤波得到和电网电压同频同相的正弦波［１２］，最后，经变压器并入电网．图１三相ＬＣＬ型逆变器电路结构ｓｅＬＣＬｔｎｖｅｒｔｅｒｃｉｒｃｕｉｔｓｔｒｕｃｔｕｒｅＦｉ１Ｔｈｒｅｅ ?ｐｈａｙｐｅｉｇ．１．２三相犔犆犔滤波器的设计１．２．１ＬＣＬ滤波电容的设计ＬＣＬ滤波电容越大，滤波器引入的无功功率就越大，流过电感Ｌ１和开关管的电流也越大，因此，开关管导通损耗也会增加．定义电容犆在整个逆变器中引入的无功功率与输出额定有功功率之比为λＣ，通常规定其值小于等于５％［１３］，则滤波电容犆的最大值为 λＣ犘ｏｎｅ（１）２． ω０犞ｇ式（１）中：犘ｏｎｅ为三相ＬＣＬ型逆变器一相的功率；犞ｇ为电网相电压有效值． ω０为电网角频率；１．２．２逆变侧电感Ｌ１的设计流过电感Ｌ１的电流也就是流过开关管的电流（图１），当电感Ｌ１的电犆＝流纹波过大，电感损耗就变大，也会增加开关管的电流应力，导致开关管的导通损耗和开关损耗的增加．定义电感犔１的纹波系数为λＬ１．在电网频率５０Ｈｚ的情况下，滤波电感犔１的最小值［１］为犔１－ｍｉｎ＝３犕ｒ犞ｉｎ犞ｇ槡．４ λＬ１犘犳ｓｗ（２）式（２）中：犞ｉｎ为直流母线电压；犕ｒ为调制比，犕ｒ＝２槡２犞ｇ／犞ｉｎ；犘为逆变器的总功率；犳ｓｗ为开关管的载波频率．１．２．３网侧电感Ｌ２的设计网侧电感Ｌ２的主要目的是消除逆变器所产生的高次谐波，因此，可通过仿真模型找出逆变器输出电流的主要高次谐波，然后，选取电感犔２的大小，其最小值的计算公式［１］为１狘犞ａＮ（ ωｈ）狘）ｊ（（犔１＋．３）２犔１犆ωｈ－１ ωｈλｈ犐２式（３）中：犐２ ωｈ为主要谐波频率；｜犞ａＮ（ ω犺）｜为主要谐波有效值； λｈ为主要谐波占额定并网电流的比例；ｊ犔２－ｍｉｎ＝犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２２８２０１９年为额定并网电流有效值．１．３犔犆犔滤波器频率分析当ＬＣＬ滤波器的参数设计完成后，它的谐振频率１犔１＋犔２也就确定了通常情况下，谐振频率．２π 犔１犔２犆大于电网频率的１０倍，小于开关频率犳ｓｗ的一半．ＬＣＬ犳ｒｅｓ＝槡滤波器的伯德图，如图２所示．图２中：犃为放大倍数．由图２可知：在谐振频率右侧，ＬＣＬ滤波器对高频信号有更强的抑制能力，所以开关频率犳ｓｗ越高，ＬＣＬ滤波器对其衰减倍数越大，增大开关频率有助于增强ＬＣＬ图２三相ＬＣＬ滤波器伯德图Ｆｉ２ＴｈｒｅｅｓｅＬＣＬｆｉｌｔｅｒＢｏｄｅｄｉａｇｒａｍ ?ｐｈａｇ．滤波器的滤波效果．２犔犆犔型并网逆变器的自适应开关频率控制２．１犔犆犔型并网逆变器的控制策略在ＬＣＬ滤波器的设计中，电感犔１通常较电感犔２大［１］，因此，电感犔１成为滤波器体积和经济的主要限制因素．犔１的最小值与逆变器的额定功率和开关管的载波频率成反比（式（２）），ＬＣＬ滤波器的参数根据逆变器的额定功率设计，然而，光伏逆变器在一整天中并不总是工作在额定功率下，特别是在早晨和傍晚．由于输出功率低，ＬＣＬ滤波器的滤波效果变差，为此提出一种可变开关管载波频率的控制策略，如图３所示．图３中：ＰＷＭ为脉冲宽度调制；ＰＩ为调节器；犪，犫，犮指三相电的犪，犫，犮相；犲犪，犫，犮＝［犲犪，犲犫，犲犮］为电网相电压；犻犪，犫，犮＝［犻犪，犻犫，犻犮］为并网相电流；犱，犻狇 为无功电流的给定值；犐犱 为 α，狇为坐标轴； β，有功电流给定值；犞ｄｃ为母线电压的给定值；犞ｄｃ为母线电压实际值；狌 为电压给定值； θｅ为电网电压相  位；犔为电感犔１和犔２的和； ω０为电网角频率；犳ｆｒｅ为当前开关管的开关频率；犳ｆｒｅ为通过频率鉴定器鉴定后的开关频率；犘ｆｒｅ为当前逆变器的输出功率．图３三相ＬＣＬ型逆变器控制策略ｓｅＬＣＬｉｎｖｅｒｔｅｒｃｏｎｔｒｏｌｓｔｒａｔｅｇｙＦｉ３Ｔｈｒｅｅ ?ｐｈａｇ．［］该策略在电网电压定向矢量控制（ＶＯＣ）１４?１５的基础上，增加了一个频率环．在３个控制环中，电流环最快，电压环其次，频率环最慢．电流环主要包括Ｃｌａｒｋ变换、Ｐａｒｋ变换和前馈解耦，目的是为了快速跟踪电网电压，保证并网电能质量；电压环的输出作为电流环中有功电流的参考给定值，目的是稳定直流母线电压；频率环主要包括功率鉴定器、频率鉴定器和频率滞环比较器３个部分，功率鉴定器的作用是获得当前逆变器的输出功率，频率鉴定器的作用是根据当前功率确定开关管的最佳载波频率，频率滞环比较器主要是防止因传感器测量误差引起的频率抖动．２．２频率环设计２．２．１功率鉴定器功率鉴定器的目的是为了计算并网逆变器当前并入电网的复功率，三相ＬＣＬ型犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期潘健，等：ＬＣＬ型并网逆变器的自适应开关频率控制２２９３３并网逆变器的瞬时有功功率犘犱（犘犱＝（犲犱犻犱＋犲狇犻狇）），无功功率犘狇（犘狇＝（犲犱犻狇－犲狇犻犱））．由瞬时功率理２２论，该三相ＬＣＬ型并网逆变器并入电网的复功率犘ｓ为３（３（犲犱犻犱＋犲狇犻狇）＋ｊ（犲犱犻狇－犲狇犻犱）．４）２２由于采用的是基于电网电压定向的矢量控制方法，所以犲狇＝０，瞬时有功功率、无功功率分别简化为犘ｓ＝犘犱＋ｊ犘狇＝３３犘犱＝犲犱犻犱，犘狇＝犲犱犻狇，有２２３３（犲犱犻犱＋ｊ犲犱犻狇．５）２２在光伏逆变器功率变化的情况下，为了保证滤波器的滤波性能，当前功率犘和当犘ｓ＝２．２．２频率鉴定器前频率犳ｓｗ的乘积犘犳ｓｗ应为一恒定值（式（２））．设光伏并网逆变器的额定功率为犘Ｒ，额定功率下的开关管频率为犳Ｒ，则犘犳ｓｗ＝犘Ｒ犳Ｒ，由式（５）可以得出视在功率｜犘ｓ｜，即狘犘ｓ狘＝３２２２２犲犱犻犱＋犲犱犻狇．槡２（６）则可得２犘Ｒ犳Ｒ．２２２２３槡犲犱犻犱＋犲犱犻狇开关管的开关损耗也和其开关频率有关，开关管的开关损耗计算公式［１６］为犳ｓｗ＝（７）１１（犞ＤＳ犐Ｄ狋ｒ犳ｓｗ，犘ｓｗｉｔｃｈ?ｏｆｆ＝犞ＤＳ犐Ｄ狋ｆ犳ｓｗ．８）２２式（８）中：犘ｓｗｉｔｃｈ?ｏｎ为开关管的开通损耗；犘ｓｗｉｔｃｈ?ｏｆｆ为开关管的关断损耗；犞ＤＳ为开关管完全关断时所承受的犘ｓｗｉｔｃｈ?ｏｎ＝压降；犐Ｄ为开关管导通时所流过的电流；狋ｒ为电流上升时间与电压下降时间的和；狋ｆ为电流下降时间与电压上升时间的和．由式（８）可知：开关管的开关损耗和其开关频率成正比．当系统功率降低时，开关管的开关频率增加，尽管此时流过开关管的电流在减小，但系统的效率随着开关频率的增加而减小（式（７）），其表达式为犘ｓｗｉｔｃｈ?ｏｎ＋犘ｓｗｉｔｃｈ?ｏｆｆ＋犘ｏｎ犞ＤＳ犐Ｄ（狋ｒ＋狋ｆ）犘ｏｎ．＝犳ｓｗ＋犘２犘犘式（９）中：犘ｏｎ为开关管的导通损耗．为了保证系统效率，开关频率必须有一个上限值． η＝２．２．３频率滞环比较器为防止因传感器采样误差引起的频率抖动，需要一个频率滞环比较器，如图４所示．图４中：犓为频率选择开关，当犓＝１时， Δ犎为频率滞环一半宽度；选择犳ｆｒｅ，当犓＝０时，则选择犳ｆ 当犳ｆ 犓＝ｒｅ．ｒｅ－犳ｆｒｅ＞Δ犎时，  ｄ（犳ｆｒｅ－犳ｆｒｅ）１；当－Δ犎＜犳ｆ 犓＝１；当＜０时，ｒｅ－犳ｆｒｅ＜Δ犎且ｄ狋  犓＝０；当－Δ犎＜犳ｆ 犳ｆｒｅ－犳ｆｒｅ＜－Δ犎时，ｒｅ－犳ｆｒｅ＜Δ犎图４频率滞环比较器Ｆｉ４Ｆｒｅｓｔｅｒｅｓｉｓｃｏｍｐａｒａｔｏｒｇ．ｑｕｅｎｃｙｈｙ（）且ｄ犳ｆｒｅ－犳ｆｒｅ＞０时，犓＝０．频率滞环比较器的输出反ｄ狋映的是实际开关频率偏离计算开关频率的开关状态量．  ３实验验证与分析为了验证上述分析的正确性，在实验室搭建实验平台，如图５所示．利用ＬＣＬ滤波器参数设计方法，设计额定功率５ｋＷ时的参数如下：额定功率犘Ｒ为５ｋＷ；并网电压犞ｇ为２２０Ｖ；电网频率犳０为５０Ｈｚ；直流母线图５逆变器实验平台Ｆｉ５Ｉｎｖｅｒｔｅｒｅｘｐｅｒｉｍｅｎｔａｌｐｌａｔｆｏｒｍｇ．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（９）华侨大学学报（自然科学版）２３０２０１９年电压犞ｉｎ为６５０Ｖ；逆变侧电感犔１为２．２５ｍＨ；滤波电容犆为１０μＦ；网侧电感犔２为０．４５ｍＨ；初始开关频率犳Ｒ为１０ｋＨｚ．在三相ＬＣＬ型并网逆变器在５００Ｗ输出功率下，开关管频率为１０ｋＨｚ时的测试数据，并网电流与电网电压波形，如图６（ａ）所示．并网电流的频谱测试数据，此时的并网电流畸变率（ＴＨＤ）为１．５％，如图６（ｂ）所示．逆变器输出功率降为２５０Ｗ时，固定开关频率控制下并网电流与电网电压测试波形，如图７（ａ）所示．传统固定开关频率控制下的并网电流ＴＨＤ，如图７（ｂ）所示．采用自适应开关频率控制下的并网电流ＴＨＤ，如图７（ｃ）所示．（ａ）并网电流与电网电压波形（ｂ）并网电流ＴＨＤ图６输出功率为５００Ｗ的逆变器波形图Ｆｉ６Ｉｎｖｅｒｔｅｒｗａｖｅｆｏｒｍｗｉｔｈｏｕｔｔｐｏｗｅｒｏｆ５００Ｗｇ．ｐｕ（ａ）并网电流与电网电压（ｂ）固定开关频率控制（ｃ）自适应开关频率控制图７输出功率为２５０Ｗ的逆变器波形图Ｆｉ７Ｉｎｖｅｒｔｅｒｗａｖｅｆｏｒｍｗｉｔｈｏｕｔｔｐｏｗｅｒｏｆ２５０Ｗｇ．ｐｕ由图７（ｂ）可知：由于输出功率降低，滤波器的滤波性能变差，导致并网电流ＴＨＤ从１．５％上升至３．６％．由图７（ｃ）可知：为利用频率控制环改变开关管的开关频率后，使并网电流的ＴＨＤ从固定频率控制的３．６％降为２．３％，虽然相比５００Ｗ输出功率下的１．５％仍有增加，但相比同功率下的传统固定开关频率控制有很大改善，有效验证了该自适应开关频率控制的有效性．固定开关频率控制方法和自适应开关频率控制方法在非额定功率状态下的并网电流ＴＨＤ变化情况，如图８所示．由图８可知：随着系统瞬时功率的降低，在固定频率控制方法下的并网电流ＴＨＤ上升迅速，而在自适应开关频率控制策略下的并网电流ＴＨＤ虽然仍在上升，但是上升较为缓慢．图８固定开关频率控制和自适应开关４结束语Ｆｉ８Ｆｉｘｅｄｓｗｉｔｃｈｉｎｇｆｒｅｏｎｔｒｏｌｇ．ｑｕｅｎｃｙｃ频率控制在非额定功率下的ＴＨＤａｎｄａｄａｐｔｉｖｅｓｗｉｔｃｈｉｎｇｆｒｅｑｕｅｎｃｙ结合并网逆变器ＬＣＬ滤波器的设计方法及电流内环电压外犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．ｃｏｎｔｒｏｌｆｏｒＴＨＤａｔｎｏｎｒａｔｅｄｐｏｗｅｒ ? 第２期潘健，等：ＬＣＬ型并网逆变器的自适应开关频率控制２３１环的控制策略，增设带功率鉴定器、频率鉴定器和频率滞环比较器的频率控制环，对自适应开关频率控制的频率环做了详细推导，从理论上证明了自适应开关频率控制策略的可行性与有效性．实验给出了固定频率控制和自适应开关频率控制实验数据对比，验证了逆变器在低功率状态下该自适应开关频率控制方法能降低并网电流ＴＨＤ，有效改善并网电能质量．参考文献：［１］ＲＵＡＮＸｉｎｂｏ，ＷＡＮＧＸｕｅｈｕａ，ＰＡＮＤｏｎｇｈｕａ，犲狋犪犾．ＣｏｎｔｒｏｌｔｅｃｈｎｉｓｆｏｒＬＣＬｔｒｉｄｃｏｎｎｅｃｔｅｄｉｎｖｅｒｔｅｒｓ［Ｍ］． ? ? ｑｕｅｙｐｅｇＳｉｎｇａｐｏｒｅ：ＳｐｒｉｎｇｅｒＮａｔｕｒｅＳｉｎｇａｐｏｒｅＰｔｅＬｔｄａｎｄＳｃｉｅｎｃｅＰｒｅｓｓ，２０１８．［２］黄亚峰，李龙，严干贵，等．大容量光伏逆变器ＬＣＬ滤波器参数优化设计［Ｊ］．电力系统保护与控制，２０１３，４１（２１）：ｉｓｓｎ．１６７４１０４１０９．ＤＯＩ：１０．７６６７／３４１５．２０１３．２１．０１７． ? ? ｊ．［３］刘飞，查晓明，段善旭．三相并网逆变器ＬＣＬ滤波器的参数设计与研究［Ｊ］．电工技术学报，２０１０，２５（３）：１１０ ?１１６．１０．１９５９５／ｃｎｋｉ．１０００６７５３．ｔｃｅｓ．２０１０．０３．０１７．ＤＯＩ： ? ｊ．［４］赵熙临，明航，吴胧胧，等．非线性准ＰＲ双模逆变器的设计［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（１）：８１８５． ? １０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１６１２０１７．ＤＯＩ： ? ［５］许津铭，季林，葛小伟，等．计及逆变器侧电流反馈影响的ＬＣＬ滤波器参数优化设计［Ｊ］．中国电机工程学报，２０１６，３６（１７）：４６５６４６６４．ＤＯＩ：１０．１３３３４／０２５８８０１３．ｓｅｅ．１５１５７９． ? ? ｊ．ｐｃ［６］阳同光，桂卫华．电网不平衡情况下并网逆变器控制策略综述［Ｊ］．电工技术学报，２０１５，３０（１４）：２４１２４６．ＤＯＩ：１０． ? ｉｓｓｎ．１０００６７５３．２０１５．１４．０３３．３９６９／ ? ｊ．［７］全宇，年珩．不平衡及谐波电网下并网逆变器的谐振滑模控制技术［Ｊ］．中国电机工程学报，２０１４，３４（９）：１３４５１３５２． ? １０．１３３３４／８０１３．ｓｅｅ．２０１４．０９．００４．ＤＯＩ：０２５８ ? ｐｃｊ．［８］刘伟增，周洪伟，张磊，等．电网不平衡条件下光伏并网控制策略研究［Ｊ］．太阳能学报，２０１３，３４（４）：６４７６５２．ＤＯＩ： ? ｉｓｓｎ．０２５４１０．３９６９／００９６．２０１３．０４．０１７． ? ｊ．［９］ＬＡＩＮＢ，ＫＩＭＫＨ．Ａｎｉｍｐｒｏｖｅｄｃｕｒｒｅｎｔｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｆｏｒａｇｒｉｄｃｏｎｎｅｃｔｅｄｉｎｖｅｒｔｅｒｕｎｄｅｒｄｉｓｔｏｒｔｅｄｇｒｉｄｃｏｎｄｉ  ? Ｊ］．Ｅｎｅｒｉｅｓ，２０１６，９（３）：１９０．ＤＯＩ：ｏｒ３３９０／ｅｎ９０３０１９０．ｔｉｏｎｓ［ｇｇ／１０．［１０］ＪＵＤＥＷＩＣＺＭＧ，ＧＯＮＺＡＬＥＺＳＡ，ＥＣＨＥＶＥＲＲＩＡＮＩ，犲狋犪犾．Ｇｅｎｅｒａｌｉｚｅｄｐｒｅｄｉｃｔｉｖｅｃｕｒｒｅｎｔｃｏｎｔｒｏｌ（ＧＰＣＣ）ｆｏｒｔｉｅｔｈｒｅｅｐｈａｓｅｉｎｖｅｒｔｅｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ，２０１６，６３（７）：４４７５?４４８４．ＤＯＩ：１０．ｒｉｄ ? ｇ２０１５．２５０８９３４．１１０９／ＴＩＥ．［１１］皇金锋．ＤＣ?ＤＣ开关变换器开关工作频率设计［Ｊ］．电源技术，２０１１，３５（５）：５７４ＤＯＩ：１０．３９６９／ｉｓｓｎ．１００２? ?５７７．ｊ．０８７Ｘ．２０１１．０５．０２８．［１２］洪雪梅，金福江，李扬森，等．三相正弦波逆变器容错控制［Ｊ］．华侨大学学报（自然科学版），２０１６，３７（４）：４９７５０２． ? １０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１６０４０２１．ＤＯＩ： ? ［１３］ＬＩＳＥＲＲＥＭ，ＢＬＡＡＢＪＥＲＧＦ，ＨＡＮＳＥＮＳ．ＤｅｓｉｏｎｔｒｏｌｏｆａｎＬＣＬ? ｆｉｌｔｅｒｂａｓｅｄｔｈｒｅｅｓｅａｃｔｉｖｅｒｅｃｔｉｆｉｅｒ ?ｐｈａｇｎａｎｄｃ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎｉｎｄｕｓｔｒｌｉｃａｔｉｏｎｓ，２００５，４１（５）：１２８１１２９１．ＤＯＩ：１０．１１０９／ＴＩＡ．２００５．８５３３７３． ? ｙａｐｐ［１４］王赞，肖岚，姚志垒，等．并网独立双模式控制高性能逆变器设计与实现［Ｊ］．中国电机工程学报，２００７，２７（１）：５４ ? ｉｓｓｎ：５９．ＤＯＩ：１０．３３２１／０２５８８０１３．２００７．０１．０１０． ? ｊ．［１５］过亮，许爱国，谢少军．间接电流控制独立／并网双模式逆变器研究［Ｊ］．电力电子技术，２００８，４２（４）：３６?３８．ＤＯＩ：１０．３９６９／ｉｓｓｎ．１０００１００Ｘ．２００８．０４．０１４． ? ｊ．［１６］王博宇．混沌ＳＰＷＭ控制ＡＣＤ］．北京：北京交通大学，２０１４． ?ＤＣ变换器ＩＧＢＴ的损耗计算方法及温升研究［（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０６０３１ ? 新型换流变压器铁心谐波磁通抑制与损耗计算邵鹏飞１，２，徐锡烽１，２，李勇３，陈浩１，肖华４（１．华侨大学信息科学与工程学院，福建厦门３６１０２１；２．华侨大学福建省电机控制与系统优化调度工程技术研究中心，福建厦门３６１０２１；３．湖南大学国家电能变换与控制工程技术研究中心，湖南长沙４１００８２；４．广州西门子变压器有限公司，广东广州５１０５３０）摘要：为研究新型换流变压器铁心谐波磁通抑制与损耗，以原理样机实测电流为激励，建立有限元二维仿真模型．基于场路耦合方法，对新型换流变压器是否投入感应滤波调谐装置的多种情况进行仿真．结果表明：新型换流变压器在投入感应滤波调谐装置时，能有效抑制铁心谐波磁通，降低铁心损耗，具有良好的节能效果．关键词：换流变压器；谐波磁通；铁心损耗；场路耦合中图分类号：ＴＭ４０１文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２３２０７ ? ? ? 犆狅犿狆狌狋犪狋犻狅狀狅犳犛狌狆狆狉犲狊狊犻狅狀犪狀犱犔狅狊狊狅犳犆狅狉犲犎犪狉犿狅狀犻犮犕犪犵狀犲狋犻犮犉犾狌狓狅犳犖犲狑犆狅狀狏犲狉狋犲狉犜狉犪狀狊犳狅狉犿犲狉，，ＳＨＡＯＰｅｎｇｆｅｉ１２，ＸＵＸｉｆｅｎｇ１２，ＬＩＹｏｎｇ３，ＣＨＥＮＨａｏ１，ＸＩＡＯＨｕａ４（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ；ｙ，Ｘｉ２．ＦｕｉａｎＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＭｏｔｏｒＣｏｎｔｒｏｌａｎｄＳｙｓｔｅｍＯｐｔｉｍａｌＳｃｈｅｄｕｌｅ，ｊＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ；ｙ，Ｘｉ３．ＮａｔｉｏｎａｌＥｎｅｒｒｓｉｏｎａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ＨｕｎａｎＵｎｉｖｅｒｓｉｔｉｎａ；ｇｙＣｏｎｖｅｙ，Ｃｈａｎｇｓｈａ４１００８２，Ｃｈ４．ＧｕａｎｇｚｈｏｕＳｉｅｍｅｎｓＴｒａｎｓｆｏｒｍｅｒＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｇｕａｎｇｚｈｏｕ５１０５３０，Ｃｈｉｎａ）犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｓｔｕｄｙｔｈｅｃｏｒｅｈａｒｍｏｎｉｃｆｌｕｘｓｕｐｐｒｅｓｓｉｏｎａｎｄｌｏｓｓｏｆｔｈｅｎｅｗｃｏｎｖｅｒｔｅｒｔｒａｎｓｆｏｒｍｅｒ，ｔｈｅｆｉｎｉｔｅｅｌｅｍｅｎｔｔｗｏ?ｄｉｍｅｎｓｉｏｎａｌｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅａｃｔｕａｌｓａｍｐｌｅｃｕｒｒｅｎｔｍｅａｓｕｒｅ  ｃｉｒｃｕｉｔｃｏｕｐｌｉｎｇｍｅｔｈｏｄ，ｔｈｅｓｉｔｕａｔｉｏｎｏｆｗｈｅｔｈｅｒｔｈｅｎｅｗｃｏｎｖｅｒｔｅｒｔｒａｎｓｆｏｒｍｅｒｉｓｐｕｔｍｅｎｔ．Ｂａｓｅｄｏｎｔｈｅｆｉｅｌｄ ? ｉｎｔｏｔｈｅｉｎｄｕｃｔｉｏｎｆｉｌｔｅｒｔｕｎｉｎｇｄｅｖｉｃｅｉｓｓｉｍｕｌａｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｃｏｎｖｅｒｔｅｒｔｒａｎｓｆｏｒｍｅｒｃａｎｅｆ  ｆｅｃｔｉｖｅｌｒｅｓｓｔｈｅｃｏｒｅｈａｒｍｏｎｉｃｍａｇｎｅｔｉｃｆｌｕｘｗｈｅｎｉｔｉｓｐｕｔｉｎｔｏｔｈｅｉｎｄｕｃｔｉｏｎｆｉｌｔｅｒｔｕｎｉｎｇｄｅｖｉｃｅ，ａｎｄｔｈｅｙｓｕｐｐｃｏｒｅｌｏｓｓｉｓｒｅｄｕｃｅｄ，ｗｈｉｃｈｈａｓｇｏｏｄｅｎｅｒａｖｉｎｇｅｆｆｅｃｔ．ｇｙｓ犓犲狉犱狊：ｃｏｎｖｅｒｔｅｒｔｒａｎｓｆｏｒｍｅｒ；ｈａｒｍｏｎｉｃｍａｇｎｅｔｉｃｆｌｕｘ；ｃｏｒｅｌｏｓｓ；ｆｉｅｌｄｃｉｒｃｕｉｔｃｏｕｐｌｉｎｇ ? 狔狑狅换流变压器作为直流输电系统的核心设备，对电网输送起着重要作用．在实际运行中，换流阀作为主要谐波源将引起变压器谐波电流增大、振动加剧、铁心损耗增加和过热等问题．直流输电换流站使用收稿日期：２０１８０６１２ ? ? 通信作者：邵鹏飞（１９８２Ｅ? ?），男，讲师，博士，主要从事新型电气设备电磁场、温度场优化计算、继电保护等的研究．ｍａｉｌ：ｈｅｒｏｌａｍｐａｒｄ＠ｈｏｔｍａｉｌ．ｃｏｍ．基金项目：国家自然科学基金资助项目（５１３７７００１，５１４７７０５８）；高层次人才科研启动项目（１４ＢＳ１０３）第２期邵鹏飞，等：新型换流变压器铁心谐波磁通抑制与损耗计算２３３晶闸管换流器，造成输电系统在运行中，产生大量的特征次谐波，给电网系统带来诸多负面影响［１?３］．目前，电力系统谐波抑制技术主要分为无源滤波和有源滤波．无源滤波成本低、结构简单，但滤波效果差；而有源滤波虽然改进了无源滤波方案中的滤波效果，但成本高，技术难度大．传统的换流变压器的滤波装置接在网侧，谐波电流仍然可以在换流变压器内自由流通，铁心和结构件中的谐波磁通量高．在运行过程中，铁心损耗及其谐波损耗都会增大．而感应滤波换流变压器运用感应滤波技术，克服了有源滤波与无源滤波的缺点［４?７］．换流变压器采用感应滤波技术，即在其内部增设滤波装置，接在阀侧端，就近隔离谐波，可有效地抑制变压器铁心的谐波磁通，同时，还能降低铁心损耗和电磁振动．由于经常在非正弦激励下工作，换流变压器铁心磁通会发生明显的畸变，从而导致变压器常用的经验公式法和传统铁心损耗分离计算方法无法采用［８?１０］．国内外学者提出采用磁滞数学模型的方法，在非正弦条件下，考虑计算畸变磁通对变压器铁心损耗的影响［１１］，但该方法在实际应用中较为复杂，很难用简单的解析式来计算表达．近年来，随着有限元仿真技术的不断发展，计算铁心的损耗也逐渐成熟［１２］，其计算的基本原理如下：首先，基于损耗分离模型，通过有限元计算得到铁心的磁场分布；然后，依据铁心的磁通密度进行傅里叶分析，提取铁心的磁通密度以计算各次的特征次谐波损耗；最后，分别将各次的特征次损耗相加得到总铁心损耗．本文针对新型换流变压器原理样机［１３?１５］，根据新型换流变压器的基本滤波机理，采用场路耦合法，建立换流变压器场路耦合电路模型，并搭建二维电磁场有限元模型．１新型换流变压器的滤波原理１．１接线方案新型换流变压器与传统的换流变压器不同，具有独特的接线方式［１６］，新型换流变压器原理绕组接    线，如图１所示．图１中：网侧绕组由ＡＯ，犐Ａ，犐Ｂ，犐Ｃ为对应的电流，采用星形接法，中性点ＢＯ，ＣＯ组成，      接地；阀侧绕组采用三角形接法，由公共绕组ｄｅ，ｅｆ，ｆｄ和延边绕组ａｄ，ｂｅ，ｃｆ构成，其中，犐ａ，犐ｂ，犐ｃ，犐α，犐β，  犐γ 为对应绕组中的电流；滤波调谐装置（ＬＣ滤波支路）是在新型换流变压器阀侧绕组端接入，由５，７，    犐ｆ，ａ，犐ｆ，ｂ，犐ｆ，ｃ为各滤波支路中对应的电流，在滤波的同时，可兼顾无１１，１３次特征谐波调谐滤波器组成，功补偿；箭头代表各绕组的电流方向．１．２铁心谐波磁通抑制机理变压器铁心谐波磁通流径，如图２所示．图２中：犲１，狀，犲２，狀，犲３，狀为感生谐波电动 Ф狀为交变谐波磁通；势；犐１，狀，犐２，狀，犐３，狀为谐波电流；犐ｆ，狀为流过滤波装置绕组的电流．由图２可知：当网侧绕组１和滤波绕组３开路时，换流阀及直流负载产生的狀次特征谐波电流犐２，狀将在阀侧绕组２上产生谐波磁动势犖２犐２，狀，相应地，在铁心中会产生交变谐波磁通 Ф狀．根据电磁感应定律，该磁通将在３个绕组中分别感生谐波电动势，即犲１，狀，犲２，狀，犲３，狀．网侧绕组产生的谐波电动势犲１，狀必然在网侧绕组中产生谐波电流犐１，狀．若减弱铁心中谐波磁通 Ф狀，可大大降低犲１，狀，从而减小网侧的谐波电流犐１，狀，实现滤波效果［１７］．图１新型换流变压器原理绕组接线图２变压器铁心谐波磁通流径Ｆｉ１Ｗｉｎｄｉｎｇｗｉｒｉｎｇｏｆｎｅｗｃｏｎｖｅｒｔｅｒｇ．Ｆｉ２Ｆｌｏｗｐａｔｈｏｆｈａｒｍｏｎｉｃｍａｇｎｅｔｉｃｇ．ｔｒａｎｓｆｏｒｍｅｒｐｒｉｎｃｉｌｅｐｆｌｕｘｉｎｔｒａｎｓｆｏｒｍｅｒｃｏｒｅ１．３绕组电流计算波形与实测波形的对比为验证滤波效果，对新型换流变压器的网侧绕组和阀侧绕组的电流进行实测与计算，如图３所示．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２３４２０１９年图３中：犐为电流；狋为时间．由图３可知：投入感应滤波调谐装置前，网侧绕组的电流波形严重畸变（主要为基波和５，７，１１，１３次特征谐波）；投入滤波装置后，电流波形有了极大改善，接近理想正弦波，表明网侧绕组中仅有少量谐波成分，大部分的特征次谐波电流被感应滤波调谐装置和滤波绕组构成的滤波支路滤除，从而实现良好的滤波效果．（ａ）绕组电流实测波形（三相）（ｂ）绕组电流计算波形（单相）图３绕组电流波形Ｆｉ３Ｗａｖｅｆｏｒｍｏｆｗｉｎｄｉｎｇｃｕｒｒｅｎｔｇ．２新型换流变压器场路耦合模型依据新型换流变压器原理样机的接线方案，建立对应的有限元二维变压器场路耦合的模型．该新型换流变压器为单相式三绕组结构，为满足１２脉波换流要求，即新型换流变压器两套绕组（上桥和下桥）［］阀侧线电压之间相角差为３０ °．根据移相的要求计算，可得３个绕组的额定电压１８．其中，原理样机基本参数为：额定电压为２２０．０，１９５．９，１１２．９Ｖ；额定电流为８２．６５，４６．８９，８０．９６Ａ；频率为５０Ｈｚ；磁通密度为１．５１０４Ｔ；额定视在容量为１８．２３９５ｋＶ·Ａ；绕组型号为同心式；材料为３０Ｑ１３０．感应滤波换流变压器单相三绕组的绕组结构布置，以及新型换流变压器场路耦合的电路部分模型，分别如图４，５所示．图４中：犫１，犫２，犫３分别为网侧绕组、滤波绕组和阀侧绕组的径向厚度；犎ｔ为网侧绕图４原理样机绕组布置图５新型换流变压器场路耦合电路模型Ｆｉ４Ｗｉｎｄｉｎｇａｒｒａｎｇｅｍｅｎｔｏｆｐｒｏｔｏｔｇ．ｙｐｅＭｏｄｅｌｏｆｎｅｗｔｒａｎｓｆｏｒｍｅｒｆｉｅｌｄｒｏａｄｃｏｕｐｌｉｎｇｃｉｒｃｕｉｔ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期邵鹏飞，等：新型换流变压器铁心谐波磁通抑制与损耗计算２３５组、阀侧绕组、滤波绕组的轴向高度；犇１，犇２，犇３为各绕组与铁犵１，犵２，犵３为各绕组之间的平均绝缘距离；心的距离．网侧绕组接入对应的系统阻抗，阀侧绕组端分别并联基波电流和５，７，１１，１３次主要特征次谐波电流，以模拟阀侧换流阀负载产生电流．在滤波绕组端接入感应滤波调谐装置，其对应于５，７，１１，１３次特征次调谐滤波器装置．３仿真计算与分析在新型换流变压器的磁场计算与分析中，采用节点法二维瞬态磁场分析与电磁电路耦合分析对变压器铁心部分进行磁场仿真计算．原理样机电磁分析参数，如表１所示．表１中：μｒ为相对磁导率；ρ 为表１原理样机电磁分析参数电阻率．对感应滤波换流变压器进行二维有限元建Ｔａｂ．１Ａｎａｌｓｉｓｐａｒａｍｅｔｅｒｓｏｆｐｒｏｔｏｔｌｅｃｔｒｏｍａｇｍｅｔｉｃｙｙｐｅｅ模，由于磁场分布的对称性，可建立变压器铁模块名称单元类型心、绕组及空气的二分之一模型，并设各个绕组铁心绕组空气域内的电流密度分布均匀．ＰＬＡＮＥ５３ μｒ犅?犎曲线－８ ρ／×１０ Ω·ｍ－ＰＬＡＮＥ５３１２ＰＬＡＮＥ５３１－３．１铁心的磁场特性以直流输电实验平台原理样机的实测电流作为有限元模型的输入激励，在阀侧绕组端加载１，５，７，１１，１３次谐波电流进行场路耦合．模型采用平行边界条件，即取空气边界为０．采用节点法二维瞬态磁场分析，可以得到新型换流变压器在未投入与投入５，７次、投入１１，１３次和全投入感应滤波调谐装置时，绕组及其铁心的磁通密度分布云图，如图６所示．（ａ）未投入滤波（ｂ）投入５，７次滤波器（ｃ）投入１１，１３次滤波器（ｄ）全投入滤波器图６４种工况下滤波装置的磁通密度分布云图Ｆｉ６Ｃｌｏｕｄｍａｐｓｏｆｍａｇｎｅｔｉｃｄｅｎｓｉｔｉｓｔｒｉｂｕｔｉｏｎｏｆｆｉｌｔｅｒｄｅｖｉｃｅｕｎｄｅｒｆｏｕｒｗｏｒｋｉｎｇｃｏｎｄｉｔｉｏｎｓｇ．ｙｄ由图６可知：未投入感应滤波调谐装置时，铁心磁通密度饱和度比投入５，７次、投入１１，１３次和全投入滤波调谐装置时的铁心磁通密度饱和度大；从铁心部分中最大的磁通密度分析，未投入感应滤波调谐装置时，铁心的最大磁通密度为１．４６４Ｔ，投入５，７次、投入１１，１３次和全投入滤波调谐装置之后的磁通密度分别降低为１．３９３，１．４３５，１．３５５Ｔ．这表明感应滤波调谐装置可有效减小铁心的磁通密度，并降低铁心的磁饱和度．为验证投入感应滤波调谐装置时，对铁心谐波磁通的抑制及降低各特征次谐波的损耗，在这４种工况下，图７４种工况下感应滤波装置选取铁心部分中磁通密度最大的节点，并提取其磁通密磁通密度幅值变化曲线度幅值随时间变化的曲线，如图７所示．图７中：犅为磁Ｆｉ７Ｍａｇｎｅｔｉｃｄｅｎｓｉｔｒｉａｔｉｏｎｃｕｒｖｅｏｆｇ．ｙｖａ通密度．ｆｉｌｔｅｒｄｅｖｉｃｅｕｎｄｅｒｆｏｕｒｗｏｒｋｉｎｇｃｏｎｄｉｔｉｏｎｓ对图７中的数据进行傅里叶分析，得到铁心磁通密度｜犅｜（取磁通密度的绝对值）最大的节点幅值 频率分布对比图，如图８所示．图８中：犳为频率．铁心磁通密度最大的节点傅里叶分解谐波｜犅｜的幅值犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２３６２０１９年大小，如表２所示．由表２可知：投入感应调谐滤波器后，５，７，１１，１３次谐波分量的磁通密度｜犅｜幅值比未投入滤波调谐装置时略有减小，对铁心的谐波磁通具有一定的抑制作用．（ａ）未投入与投入５，７次滤波装置（ｂ）未投入与投入１１，１３次滤波装置（ｃ）未投入与全投入滤波装置图８铁心磁通密度｜犅｜最大的节点幅值频率Ｆｉ８Ｍａｘｉｍｕｍａｍｐｌｉｔｕｄｅｆｒｅｆｃｏｒｅｍａｇｎｅｔｉｃｆｌｕｘｄｅｎｓｉｔｇ．ｑｕｅｎｃｙｏｙ｜犅｜表２铁心磁通密度最大的节点傅里叶分解谐波｜犅｜Ｔａｂ．２ＡｍｐｌｉｔｕｄｅｏｆｃｏｒｅｍａｇｎｅｔｉｃｆｌｕｘｄｅｎｓｉｔｎＦｏｕｒｉｅｒｄｅｃｏｍｐｏｓｉｔｉｏｎｙ｜犅｜ｉ谐波次数｜犅｜／Ｔ未投入滤波器投入５，７次投入１１，１３次全投入滤波器５０．５６０４０．５２９６０．５１８２０．４９８６７０．３８４１０．３２８９０．３２７９０．３０６２１１０．２００７０．１３９２０．１３４９０．１１９５１３０．１４５３０．１０２３０．０９８２０．０７７７３．２铁心的损耗分析铁心中的磁通对损耗（磁滞损耗、涡流损耗和异常损耗）的计算有较大影响，由于新型换流变压器经常在非正弦条件下工作，因此，必须考虑在畸变磁通条件下对铁心损耗计算的影响，其传统的铁心损耗公式法已不再适用．故提出一种在非正弦激励情况下，考虑畸变磁通影响的铁心损耗计算方法．基于损耗的分离理论［１９?２０］，铁心损耗可表示为２犱２２犘＝犓ｈ犳α犅β ＋πσ ∑犳２狀２犅狀．６狀犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（１）第２期邵鹏飞，等：新型换流变压器铁心谐波磁通抑制与损耗计算２３７２犱２２式（为涡流损耗；１）中：犓ｈ犳α犅β 为磁滞损耗与异常损耗之和；πσ ∑犳２狀２犅狀狀为谐波次数；犱犳为频率；６狀为硅钢片的厚度；犓ｈ， σ 为硅钢片的电导率； α， β 为系数，需结合损耗曲线数据拟合计算．计算得出犓ｈ＝００３９６１，０１０３．由此可知，在畸变磁通的条件下，可以利用式（１）中的第２项计算出涡流损０． α＝１， β＝２．耗，而式（１）中的第１项需要进行处理才能得到磁滞损耗与异常损耗．文献［２１］指出，在畸变磁通作用下，磁滞损耗与异常损耗之和等于基波及各次谐波各自作用下产生的损耗之和．依据Ｐｒｅｉｓａｃｈ磁滞模型计算高次谐波产生的磁滞损耗，依据磁畴理论计算异常损耗的值．由于Ｐｒｅｉｓａｃｈ磁滞模型在计算损耗时，难度会相对较大，且计算异常损耗所需要的一些参数难以确定．故在工程的实际运用中，将不采纳上述计算损耗的方法．假设在高次谐波下，磁滞损耗与异常损耗产生的损耗值与在相应频率和正弦磁化情况下，磁滞损耗和异常损耗产生的损耗值近似相等．此时，可根据傅里叶分解得到的感应滤波换流变压器铁心磁通密度犅结合相应的频率值，通过式（１）分别计算各自的磁滞损耗与异常损耗，再将产生的损耗相加，从而得到总的损耗值．此时，计算磁滞损耗与异常损耗相对简单，适合在实际工程上的应用与操作．因此，可将式（１）中第１项的磁滞损耗与异常损耗之和的公式变换为（２）犘Ａ＝犓ｈ∑犳α犅β 狀．狀式（２）中：犅狀为基波及高次谐波的磁通密度．换流变压器阀侧主要含有５，７，１１，１３次特征谐波，而其他次谐波含量较小，可忽略不计．对此，基波频率的磁通密度幅值采用铁心中节点磁通密度的最大值，而５，７，１１，１３次谐波的磁通密度幅值可以利用表２中的相关数据，再通过式（１），（２）计算出４种工况的单位质量铁心损耗，即未投入滤波器的单位质量铁心损耗、投入５，７次的单位质量铁心损耗、投入１１，１３次的单位质量铁心损耗，以及全投入滤波器的单位质量铁心损耗分别为１．０７７６，０．８７７５，０．８８３９，０．７８３１Ｗ．计算结果表明，投入感应滤波调谐装置可以使铁心单位质量的损耗下降，从而有效地抑制铁心中高频交变磁场产生的损耗，提高系统的电能质量，改善新型换流变压器的磁场特性．３．３节能降耗的对比对单台新型换流变压器在投入感应滤波调谐装置前、后的功率进行测量，结果如表３所示．表３中：犛为视在功率；犙为无功功率；犘为有功功率； λ 为功率因数．由表３可知：投入之后，功率因数由０．８９１５提高到０．９６７１，输入的有功功率有所下降，无功补偿的效果良好，表明感应滤波装置能有效降低换流表３感应滤波装置投入前后功率对比变压器网侧绕组的谐波电流．利用变压器内部的Ｔａｂ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｏｗｅｒｗｉｔｈａｎｄｗｉｔｈｏｕｔｆｉｌｔｅｒｓ谐波磁势平衡，可减少换流变压器铁心中的谐波状态犛／ｋＶ·Ａ犙／ｋＶ·Ａ犘／ｋＷ λ 磁通，从而降低换流变压器的谐波损耗，达到节能未投入１６．８４８７．６３１１５．０２１０．８９１５投入１４．６６７４．７３３１４．１８４０．９６７１降耗的效果．４结束语根据新型换流变压器的原理样机，建立二维变压器有限元仿真模型．利用场路耦合的分析方法对未投入与投入感应滤波调谐装置的多种工况进行有限元计算，分析其铁心谐波磁通的抑制，并计算铁心损耗．结果表明：投入感应滤波调谐装置后，可抑制铁心的特征次谐波磁通，降低铁心磁饱和度，进而降低铁心损耗；而高次谐波磁通的减少，可以改善换流变压器的运行环境，有利于提高换流变压器的运行寿命和效率．参考文献：［１］邵鹏飞，罗隆福，宁志豪，等．感应滤波技术应用于工业定制电力系统的运行经验分析［Ｊ］．电力自动化设备，２０１１，３１（４）：５９６３．ＤＯＩ：１０．３９６９／６０４７．２０１１．０４．０１３．ｉｓｓｎ．１００６ ? ? ｊ．［２］肖彩艳，文继锋，袁源，等．超高压直流系统中的换流变压器保护［Ｊ］．电力系统自动化，２００６，３０（９）：９１９４．ＤＯＩ：１０． ? 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２３８２０１９年３３２１／ｉｓｓｎ：１０００１０２６．２００６．０９．０２０． ? ｊ．［３］莫丽琼．±８００ｋＶ特高压直流输电系统不稳定研究［Ｊ］．电力自动化设备，２０１２，３２（５）：１１８?１２２．ＤＯＩ：１０．３９６９／ｊ．６０４７．２０１２．０５．０２２．ｉｓｓｎ．１００６ ? ［４］李勇，罗隆福，刘福生，等．变压器感应滤波技术的发展现状与应用前景［Ｊ］．电工技术学报，２００９，２４（３）：８６?９２．ＤＯＩ：１０．３３２１／ｉｓｓｎ：１０００６７５３．２００９．０３．０１５． ? ｊ．［５］周远翔，刘心曲，王明渊，等．换流变压器损耗现场测试影响因素及仿真［Ｊ］．高电压技术，２０１６，４２（５）：１６０８ ?１６１６．１００３ＤＯＩ：１０．１３３３６／６５２０．ｈｖｅ．２０１６０４１２０５０． ? ｊ．［６］张良县，陈模生，彭宗仁，等．非正弦负载电流下特高压换流变压器绕组的谐波损耗分析［Ｊ］．中国电机工程学报，０２５８２０１４，３４（１５）：２４５２２４５８．ＤＯＩ：１０．１３３３４／８０１３．ｓｅｅ．２０１４．１５．０１６． ? ? ｊ．ｐｃ［７］ #玲英，王胡．应用于高压直流输电系统的混合有源电力滤波器［Ｊ］．华侨大学学报（自然科学版），２０１７，３８（２）：２１２ ? ２１７．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０２０１５． ? ［８］ＳＴＥＩＮＭＥＴＺＣＰ．Ｏｎｔｈｅｌａｗｏｆｈｙｓｔｅｒｅｓｉｓ［Ｊ］．Ｐｒｏｃ．ＩＥＥＥ，１９８４，７２（２）：１９７ＤＯＩ：１０．１１０９／ＰＲＯＣ．１９８４．１２ ?２２１．８４２．［９］ＢＥＲＴＯＴＴＩＧ．Ｇｅｎｅｒａｌｐｒｏｐｅｒｔｉｅｓｏｆｐｏｗｅｒｌｏｓｓｅｓｉｎｓｏｆｔｆｅｒｒｏｔｉｃｍａｔｅｒｉａｌｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＭａｇ  ?ｍａｇｎｅｎｅｔｉｃｓ，１９８８，２４（４）：６２１６３０．ＤＯＩ：１０．１１０９／２０．４３９９４． ? ［１０］刘洋，景崇友，李琳，等．基于平波电抗器模型的交直流混合激励条件下硅钢片磁性能的模拟与验证［Ｊ］．电工电能新技术，２０１６，３５（１）：４８５２．ＤＯＩ：１０．３９６９／３０７６．２０１６．０１．００９．ｉｓｓｎ．１００３ ? ? ｊ．［１１］ＥＮＯＫＩＺＯＮＯＭ，ＴＯＤＡＫＡＴ，ＵＲＡＴＡＳ．ＤｙｎａｍｉｃｖｅｃｔｏｒｍａｇｎｅｔｏｓｔｅｒｅｔｉｃＥ＆Ｓｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｅｄｄｙｃｕｒ  ?ｈｙＪ］．ＣＯＭＰＥＬＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔａｔｉｏｎｓａｎｄＭａｔｈｅｍａｔｉｃｓｉｎＥｌｅｃｔｒｉｃａｌ，２００９，２８（１）：８５９７．ｒｅｎｔｅｆｆｅｃｔ［ ? ＤＯＩ：１０．１１０８／０３３２１６４０９１０９１８８９６．［１２］王永强，郑志宏，欧阳宝龙，等．基于有限元耦合算法的变压器铁芯损耗计算［Ｊ］系统仿真学报，２０１６，２８（８）：１７５７ ? ｃｎｋｉ．ｏｓｓ．２０１６．０８．００７６３．１７６３．ＤＯＩ：１０．１６１８２／ｊ．ｊ［ｒｓｅｂａｌａｎｃｅｄｔｒａｎｓｆｏｒｍｅｒｆｏｒｒａｉｌｗａｙｔｒａｃｔｉｏｎａｐｐｌｉ  １３］ＺＨＡＮＧＺｈｉｗｅｎ，ＷＵＢｉｎ，ＫＡＮＧＪｉｎｓｏｎｇ，犲狋犪犾．Ａｍｕｌｔｉ ?ｐｕｐｏｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰｏｗｅｒＤｅｌｉｖｅｒ２００９，２４（２）：７１１７１８．ＤＯＩ：１０．１１０９／ＴＰＷＲＤ．２００８．２００８４９１． ? ｙ，［１４］ＳＨＡＯＰｅｎｇｆｅｉ，ＬＵＯＬｏｎｇｆｕ，ＬＩＹｏｎｇ，犲狋犪犾．ＥｌｅｃｔｒｏｍａｇｎｅｔｉｃｖｉｂｒａｔｉｏｎａｎａｌｓｉｓｏｆｔｈｅｗｉｎｄｉｎｇｏｆａｎｅｗＨＶＤＣｙＪ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰｏｗｅｒＤｅｌｉｖｅｒ２０１２，２７（１）：１２３?１３０．ＤＯＩ：１０．１１０９／ＴＰＷＲＤ．ｃｏｎｖｅｒｔｅｒｔｒａｎｓｆｏｒｍｅｒ［ｙ，２０１１．２１７４１６４．［１５］王灿，罗隆福，陈跃辉，等．一种改进型感应滤波高压直流输电系统及其谐波传递特性分析［Ｊ］．电力自动化设备，２０１５，３５（１０）：１２７１３２． ? ［１６］ＷＡＧＮＣａｎ，ＮＩＮＧＺｈｉｈａｏ，ＺＨＡＮＧＫｅｒｅｎ，犲狋犪犾．Ａｎａｌｓｉｓｏｆｉｎｄｕｃｔｉｖｅｆｉｌｔｅｒｉｎｇｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｍｕｌｔｉｎｄｉｎｇ ?ｗｉｙｔｒａｎｓｆｏｒｍｅｒａｎｄｉｔｓｔｉｃａｌｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎ［Ｃ］∥ＥｎｅｒｎｔｅｒｎｅｔａｎｄＥｎｅｒｓｔｅｍＩｎｔｅｇｒａｔｉｏｎ（ＥＩ２）．Ｂｅｉ  ｙｐｇｙＩｇｙＳｙｉｎｇ：ＩＥＥＥＰｒｅｓｓ，２０１７：１６．ＤＯＩ：１０．１１０９／ＥＩ２．２０１７．８２４５４８８． ? ｊ［１７］许加柱，董欣晓，梁崇淦，等．特高压直流输电系统新型谐波抑制方法研究［Ｊ］．湖南大学学报（自然科学版），２０１６，４３（１０）：８０８６．ＤＯＩ：１０．１６３３９／ｃｎｋｉ．ｈｄｘｂｚｋｂ．２０１６．１０．０１０． ? ｊ．［１８］许加柱，罗隆福，李季，等．自耦补偿与谐波屏蔽换流变压器的接线方案和原理研究［Ｊ］．电工技术学报，２００６，２１（ｃｎｋｉ．１０００９）：４４５０．ＤＯＩ：１０．１９５９５／６７５３．ｔｃｅｓ．２００６．０９．００８． ? ? ｊ．［１９］ＲＥＩＮＥＲＴＪ，ＢＲＯＣＫＭＥＹＥＲＡ，ＤＯＮＣＫＥＲＲＷ．Ｃａｌｃｕｌａｔｉｏｎｏｆｌｏｓｓｅｓｉｎｆｅｒｒｏ ａｎｄｆｅｒｒｉｍａｇｎｅｔｉｃｍａｔｅｒｉａｌｓｂａｓｅｄｏｎｔｈｅｍｏｄｉｆｉｅｄＳｔｅｉｎｍｅｔｚｅｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｏｎＭａｇｎｅｔｉｃｓ，２００１，３７（４）：１０５５１０６１． ? ｑｕａ［２０］ＧＩＲＧＩＳＲＳ．ＣａｌｃｕｌａｔｉｏｎｏｆｗｉｎｄｉｎｇｌｏｓｓｅｓｉｎｓｈｅｌｌｆｏｒｍｔｒａｎｓｆｏｒｍｅｒｓｆｏｒｉｍｐｒｏｖｅｄａｃｃｕｒａｃｙａｎｄｒｅｌｉａｂｉｌｉｔＪ］．ｙ［ＩＥＥＰＰＷＲＤ，１９８７，２（２）：３９８４１０．ＤＯＩ：１０．１１０９／ｔｄ．１９８７．４３０８１２２． ? ｐｗｒ［２１］ＴｅｃｈｎｉｃａｌＣｏｍｍｉｔｔｅｅＩＳＥ／ＮＦＥ／５．Ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｍａｇｎｅｔｉｃｌｏｓｓｕｎｄｅｒｍａｇｎｅｔｉｃｐｏｌａｒｉｚａｔｉｏｎｗａｖｅｆｏｒｍｓｉｎｃｌｕｄｉｎｇｈｉｒｈａｒｍｏｎｉｃｃｏｍｐｏｎｅｎｔｓ：Ｍｅａｓｕｒｅｍｅｎｔ，ｍｏｄｅｌｉｎｇａｎｄｃａｌｃｕｌａｔｉｏｎｍｅｔｈｏｄｓ：ＰＤＩＥＣ／ＴＲ６２３８３［Ｓ］．［Ｓ．ｌ．］：ｇｈｅＢＳＴ，２００６．（编辑：李宝川责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０５０４７ ? 有限状态机的多犃犌犞路径优化策略王淑青１，毛月祥１，袁晓辉２（１．湖北工业大学太阳能高效利用湖北省协同创新中心，湖北武汉４３００６８；２．华中科技大学水电与数字化工程学院，湖北武汉４３００７４）摘要：为解决多自动运输引导车（ＡＧＶ）在实际物流中易发生冲突、堵塞的问题，提出一种基于有限状态机模型的实时路径规划方法．通过Ａ 算法对自动导引运输车系统（ＡＧＶＳ）进行预路径规划，以工作路径长度作为适应度函数，对不同任务的ＡＧＶ进行优先级分配；然后，引入有限状态机的模型，动态地对不同任务的ＡＧＶ进行协同控制．若ＡＧＶ之间存在路径冲突点，通过去交叉法，在优先级低的ＡＧＶ中暂设冲突节点为障碍物状态．对优先级低的ＡＧＶ重新进行路径规划，优先级高的ＡＧＶ继续运行，实现ＡＧＶＳ的无冲突发生．仿真结果表明：该方法在保证工作路径是最优的同时，能有效地避免ＡＧＶ在物流运输中的碰撞，实现系统调度过程中无冲突的发生，提高系统的效率．关键词：自动导引车；路径规划；有限状态机；Ａ 算法；无冲突中图分类号：ＴＰ２４２．６文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２３９０６ ? ? ? 犕狌犾狋犻狋犺犗狆狋犻犿犻狕犪狋犻狅狀犛狋狉犪狋犲 ?犃犌犞犘犪犵狔犅犪狊犲犱狅狀犉犻狀犻狋犲犛狋犪狋犲犕犪犮犺犻狀犲狊ＷＡＮＧＳｈｕｑｉｎｇ１，ＭＡＯＹｕｅｘｉａｎｇ１，ＹＵＡＮＸｉａｏｈｕｉ２（１．ＨｕｂｅｉＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＨｉｆｉｃｉｅｎｃｉｌｉｚａｔｉｏｎｏｆＳｏｌａｒＥｎｅｒｔ ?ＥｆｇｈｙＵｔｙ，ＨｕｂｅｉＵｎｉｖｅｒｓｉｔｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００６８，Ｃｈｉｎａ；ｙｏ２．ＳｃｈｏｏｌｏｆＨｙｄｒｏｐｏｗｅｒａｎｄＤｉｉｔａｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）ｇｙｏ犃犫狊狋狉犪犮狋：Ａｒｅａｌｔｉｍｅｐａｔｈｐｌａｎｎｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅｍｏｄｅｌｗａｓｐｒｏｐｏｓｅｄｆｏｒｄｅａｌｉｎｇ ? ｗｉｔｈａｕｔｏｍａｔｉｃｇｕｉｄｅｄｖｅｈｉｃｌｅ（ＡＧＶ）ｃｏｎｆｌｉｃｔｓａｎｄｃｏｎｇｅｓｔｉｏｎｐｒｏｂｌｅｍｓｉｎｒｅａｌｌｏｇｉｓｔｉｃｓ．Ａ ａｌｒｉｔｈｍｏｆａｕ  ｇｏｔｏｍａｔｉｃｇｕｉｄｅｄｖｅｈｉｃｌｅ（ｔｈｐｌａｎｎｉｎｇ．ＥｓｔａｂｌｉｓｈｅｄｐａｔｈｌｅｎｇｔｈｏｆｔｈｅｆｉｔｎｅｓｓＡＧＶＳ）ｉｓｕｓｅｄｔｏｉｍｐｌｅｍｅｎｔｐｒｅ ?ｐａｆｕｎｃｔｉｏｎ，ｔｈｒｏｕｇｈｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎａｌｌｏｃａｔｉｏｎｏｆｐｒｉｏｒｉｔｏｒｔｈｅＡＧＶ．ＦｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅｍｏｄｅｌｈａｓｂｅｅｎｂｕｉｌｔｙｆｆｏｒａｃｈｉｅｖｉｎｇｃｏｌｌａｂｏｒａｔｉｖｅｃｏｎｔｒｏｌｏｆｔｈｅＡＧＶ．Ｗｈｅｎｔｈｅｏｂｓｔａｃｌｅｓａｒｅｉｎｔｈｅｐａｔｈ，ｂｙｕｓｉｎｇｒｅｍｏｖｉｎｇｃｒｏｓｓｒｉｏｒｉｔｌｌｂｅｔｅｍｐｏｒａｒｉｌｅｔａｓａｎｏｂｓｔａｃｌｅｓｔａｔｅ，ｔｌａｎｎｉｎｇｍｅｔｈｏｄ，ｃｏｌｌｉｓｉｏｎｎｏｄｅｏｆｔｈｅｌｏｗ?ｐｈｅｎ，ｐｙＡＧＶｗｉｙｓｎｅｗｐａｔｈｆｏｒｔｈｅｈｉｒｐｒｉｏｒｉｔｈｅｎｏｎｃｏｎｆｌｉｃｔｉｎｇｏｐｅｒａｔｉｏｎｏｆｔｈｅＡＧＶＳｉｓａｃｈｉｅｖｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎ ? ｇｈｅｙＡＧＶ，ｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｓｔｒａｔｅｇｙｅｎｓｕｒｅｓｔｈａｔｔｈｅｐａｔｈｉｓｏｐｔｉｍａｌａｎｄｃａｎｅｆｆｅｃｔｉｖｅｌｉｄＡＧＶｃｏｌｌｉｓｉｏｎｙａｖｏｉｎｌｏｇｉｓｔｉｃｓｔｒａｎｓｐｏｒｔａｔｉｏｎ，ｒｅａｌｉｚｅｎｏｎｃｏｎｆｌｉｃｔｉｎｓｙｓｔｅｍｓｃｈｅｄｕｌｉｎｇ，ａｎｄｉｍｐｒｏｖｅｔｈｅｓｙｓｔｅｍｅｆｆｉｃｉｅｎｃｙ． ? 犓犲狉犱狊：ａｕｔｏｍａｔｉｃｇｕｉｄｅｄｖｅｈｉｃｌｅ；ｐａｔｈｐｌａｎｎｉｎｇ；ｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅ；Ａ ａｌｒｉｔｈｍ；ｎｏｎｃｏｎｆｌｉｃｔｉｎｇ ? ｇｏ狔狑狅目前，多自动运输引导车（ＡＧＶ）系统主要应用在仓储物流系统中，对于工厂自动化建设有重要意义．随着现代工业的快速发展，ＡＧＶ优越性更加明显，将在未来广泛流行和应用．ＡＧＶＳ的工作原理主要是在计算机的控制下，在复杂的工作环境中，将物料通过预规划的路径以一定的精准度传输到指定收稿日期：２０１７０３２９ ? ? 通信作者：王淑青（１９６９），女，教授，博士，主要从事智能控制、计算机控制技术和电力系统自动化的研究．Ｅ?ｍａｉｌ：４９４４９３２７６＠ｑｑ．ｃｏｍ．基金项目：国家自然科学基金资助项目（５１３７９０８０）２４０华侨大学学报（自然科学版）２０１９年［］的目的［１］．在多ＡＧＶ路径规划问题上，Ｆａｚｌｏｌｌａｈｔａｂａｒ等２提出转折点的概念，解决自动导引运输车系［］统（ＡＧＶＳ）中的死锁问题．Ｓｍｏｌｉｃａｋ等３基于时间窗模型动态路径规划的方法，判断不同的ＡＧＶ ?Ｒｏｃ［］［］之间是否有资源的竞争与碰撞冲突．Ｈａｎ等４改进遗传算法，得到优化的最短路径规划．Ａｌｃａｉｄｅａ等５［］提出一种运用ｐｅｒｔｃｐｍ（关键路径模型）解决机器人调度问题的模型．Ｄｒａｇａｎａｃ等６提出一种基于多 ? ｊ［］ＡＧＶ系统的分散控制算法，保证ＡＧＶＳ的安全运行．吕太之等７提出一种Ｂ样条曲线结合粒子群优化算法，解决移动机器人局部路径规划的问题．余婷等［８］建立一种染缸资源配置系统的自动机模型，得到染缸的资源利用率最大的配置方式．基于此，本文提出一种基于有限状态机的多ＡＧＶ路径规划方法，用离散事件的动态系统对ＡＧＶ的每个状态进行建模并响应，从而消除交叉点，提高ＡＧＶＳ运行效率．１多犃犌犞路径规划问题１．１问题描述在动态规划物流运输中ＡＧＶ路径时，为避免ＡＧＶ之间冲突与堵塞的发生．通过Ａ 算法，得到不同任务目标的ＡＧＶ的最短路径集，若ＡＧＶ的路径集中存在冲突点，即路径存在交叉，对低优先级的ＡＧＶ重新进行路径规划，从而实现无冲突的发生．引入ＡＧＶ的选择路径长度作为适应度函数，对ＡＧＶ分配优先级．结合有限状态机模型，优化ＡＧＶＳ，提高系统效率．在实际的多ＡＧＶ的物流运输中，往往由多台ＡＧＶ协同实现，即任务的运输路径最短［９］．将ＡＧＶ初始状态点和最终状态点作为节点，将状态的迁移过程作为边．由于ＡＧＶ的工作环境是一个二维空间静态空间（有障碍物存在），不考虑高度，因此采用栅格法建立栅格地图作为工作环境．将整个工作环境当作坐标系，栅格长度与坐标标度一致，并且每个栅格与其坐标一一映射［１０］．建立一个１０×１０栅格地图，随机生成障碍物，如图１所示．图１中：绿色为起始位置；红色为目标点．假设（１，１０）为初始位置，（１０，１）为目标位置，机器人从初始位置通过Ａ 算法找到最优路径．规定初始位置与目标位置不重合，基于应用场景，提出如下４个规定．１）一个栅格中只允许存在一辆ＡＧＶ，每个栅格同图１１０×１０栅格地图模型Ｆｉ１１０×１０ｒａｓｔｅｒｍａｐｍｏｄｅｌｇ．一时刻只允许通过一辆ＡＧＶ．２）ＡＧＶ运行时速度恒定，栅格长度为单位长度．３）ＡＧＶ一次只能完成一个任务，接到调度指令时不能中途返回．４）为防止ＡＧＶ之间意外碰撞，规定车辆间的最小安全距离，该距离由车身长度和速度确定．１．２多犃犌犞路径规划模型ＡＧＶ的工作路径可以描述为犔＝｛犾１，犾２，…，犾狀｝，犾１为ＡＧＶ的起点，犾２，…，犾狀为Ａ 算法规划的路径点．路径规划的目标函数为狀－１ｍｉｎ犑＝ ∑犔（犾犻，犾犻＋１）．（１）犻＝１式（１）中：犔（·）为路程算子ＡＧＶ路径规划，即为系统规划一条最短距离的工作路径．１．３冲突描述在物流运输中，随着车辆的增加，ＡＧＶＳ中小车的路径规划会变得更加复杂，在对小车路径规划时，不可避免地出现ＡＧＶ路径冲突、死锁等问题．多ＡＧＶ的冲突问题主要分为静止冲突、相向冲突、追击冲突和交叉冲突．在物流运输中，小车的速度是恒定的，小车任务已分配，且路径只支持单向移动，因此，对相向冲突与追击冲突的情景不予讨论．狓＋１，ＡＧＶ１向上１．３．１静止冲突ＡＧＶ静止冲突图，如图２所示．当ＡＧＶ１在（狔＋１）栅格故障时，位机发送（狓＋１，狔＋１）栅格信号，上位机将栅格设置为障碍点，若上位机检测到ＡＧＶ２正在向障碍物栅格移动，以当前栅格为起点，重新为ＡＧＶ２规划工作路径．１．３．２交叉冲突ＡＧＶ交叉冲突图，如图３所示．若ＡＧＶ１与ＡＧＶ２在一段路径中存在交叉点，则表示在某一时刻，ＡＧＶ１与ＡＧＶ２存在碰撞的可能．传统的方法有两种，一是通过预处理法，在上位机对分配任务的ＡＧＶ进行路径规划时，通过检测冲突，若存在相同的节点，则重新规划路线；二是通过分配犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王淑青，等：有限状态机的多ＡＧＶ路径优化策略２４１优先级，向优先级低的ＡＧＶ２发出停止信号．将ＡＧＶ２的停止节点设为障碍点，重新对ＡＧＶ１的工作路径进行规划，从而避免重新交叉冲突，但是该方法效率低，易发生死循环，导致ＡＧＶＳ图２ＡＧＶ静止冲突图图３ＡＧＶ交叉冲突图停止工作．基于此，引入有限状态机模Ｆｉ２ＡＧＶｓｔａｔｉｃｃｏｎｆｌｉｃｔｇ．Ｆｉ３ＡＧＶｃｒｏｓｓｃｏｎｆｌｉｃｔｇ．型，若路径中存在交叉点，即存在冲突障碍状态，将交叉点设为低优先级ＡＧＶ的障碍点，对低优先级ＡＧＶ的工作路径重新规划，从而消除交叉点，避免交叉冲突．２有限状态机２．１有限状态机的特点在物流运输中，ＡＧＶ之间协作策略的选择是一个离散事件的规划问题，所以ＡＧＶＳ中ＡＧＶ之间的调度问题可以看成是一个离散事件的动态系统，而离散事件动态系统常用的模型一般有两种：有限状［］态机和ｐｅｔｒｉ网１１．由于有限状态机具有以下４个特点：１）系统必须有几个有限的输入或可以出发状态间的变迁事件；２）系统在某个特定的时间点的行为取决于当前的状态和在此时间的输入或发生的事件；３）系统的每个可能的状态和行为都有明确的可能的输入或事件；４）系统有一个确定的初始状态，［１２］因此，引入有限状态机对ＡＧＶＳ协同控制层进行建模．有限状态机的模型为犕＝（犓，狊，犃）．其 Σ， σ，中：犓为一个有限的状态机集合；犃为一组接受状态即最终状态，是属于犓的其中一个子集； Σ 是系统能接收的所有事件的集合；狊为系统的初始状态． σ 为状态转换函数，反映犓 ×Σ→犓上的映射；２．２有限状态机模型初始由于自动机犓＝，所以自动机的状态集合为空，将其标记为空集σ（狓， ）＝狔．其中： 为每个相关事件的标签，表示事件从状态狓转到狔，模拟ＡＧＶ从初始状态移动到目标状态的过程． ∈Σ；狔∈ ［］犓．在ＡＧＶ路径状态改变过程模型中１３，狊集合由４初始状态集合组成；犃集合由２个最终状态组成．每个状态提供一个预定义的响应．６种状态的信息如下：１）离开节点状态（ＬＶＮ）；２）正常行驶状态（ＮＲ）；３）到达预期节点状态（ＲＥＮ）；４）到达目标节点状态（ＡＤ）；５）遇障状态（ＭＯ）；６）警告状态（ＷＡ）．２．２．１模型各状态的响应１）处于ＬＶＮ状态时，接受上位机根据目标点确定的一条路径曲线（ＧＰＣ），开始向下一个期望节点移动；２）处于ＮＲ状态时，小车向上位机反馈行驶状态，上传经过站点数量；３）处于ＲＥＮ状态时，小车向上位机反馈已到达规划路径节点，并准备接受离开信号，到达ＬＶＮ状态；４）处于ＡＤ状态时，ＡＧＶ停止输入事件，并向上位机反馈一个已完成的信号，准备接受新的工作路径；５）处于ＭＯ状态时，生成一条新的路径曲线（ＧＮＰＣ），使得ＡＧＶ避碍；６）处于ＷＡ状态时，ＡＧＶ停止输入事件，并向上位机发生一个请求（ＨＥＬＰ）帮助信号．２．２．２有限状态机模型事件的输入 Σ 的事件输入集合由以下对象表示：１）开始；２）离开节点；３）正常行驶；４）期望节点；５）目标节点；６）障碍物；７）运行错误．２．２．３有限状态机状态迁移流程ＡＧＶ的起始位置视为一节点，如果上位机将开始信号发送至ＡＧＶ，ＡＧＶ准备离开节点，则有限状态机模型了有了第一个初始状态ＬＶＮ状态，并且存在两个可能的最终状态———ＡＤ或ＷＡ．当ＡＧＶ到达最终状态时，有限状态机停止接受事件，ＡＧＶ工作任务结束，并将适当的信号发送到上位机，等待新的指令．ＡＧＶ的状态迁移转换图，如图４有限状态机状态迁移图图４所示．图４中：控制输入标记为开始；初始状态为最终状态Ｆｉ４Ｆｉｎｉｔｅｓｔａｔｅｇ．双圈．在４个非最终状态中，分别输入开始、离开、正常行驶、期ｍａｃｈｉｎｅｓｔａｔｅｍｉｒａｔｉｏｎｇ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２４２２０１９年望节点、目标节点、障碍物和运行错误，控制系统将分别控制到ＬＶＮ，ＮＲ，ＲＥＮ，ＲＤＮ，ＭＯ和ＷＡ，默认ＡＧＶ离开访问节点并沿着工作路径移动，不会返回到已访问节点，除非它发生错误，或者被避障系统指示返回．若发生ＡＧＶ１与ＡＧＶ２发生冲突，则按照优先级将低优先级的ＡＧＶ２设为障碍物，并以当前节点为新的起点，对ＡＧＶ１工作路径重新规划，ＡＧＶ１离开后，ＡＧＶ２继续行驶．３多犃犌犞规划路径优化３．１犃犌犞优先级分配对于所有ＡＧＶ，分配任务后，根据Ａ 算法进行相应任务的路径规划．通过适应度函数对ＡＧＶ进行优先级的分配，在行驶过程中，当上位机检测到交叉点时，由于三角形的两边之和大于第三边的性质，因此存在交叉的路径一定不是最优路径，引入去交叉法，针对优先级低的ＡＧＶ先运行至与之发生冲突的ＡＧＶ的当前节点，并以当前节点为新的起点，低优先级ＡＧＶ将交叉点视为障碍物，实现交叉［１４］．在ＡＧＶＳ中，为了减少多ＡＧＶ的碰撞与冲突，对ＡＧＶ进行优先级的分配，提高系统的效率．文中的优先级分配的计算方法是以路径长度为适应度函数，对路径进行约束，其目标函数为式（１）．按照适应度函数对ＡＧＶ进行优先级的分配，以满足复杂环境下的路径规划要求．在ＡＧＶ速度一定的条件下，保证ＡＧＶ完成任务的效率最高，即ＡＧＶ工作路径尽可能短，ＡＧＶ工作路径的长度为犱２２犇＝ ∑ 槡（狓犻＋１－狓犻）＋（狔犻＋１－狔犻）．犻＝１上式中：犇为ＡＧＶ的工作路径长度；（狓犻，狔犻）为ＡＧＶ当前坐标；（狓犻＋１，狔犻＋１）为ＡＧＶ即将到达的坐标其适应度函数犉为路径长度的倒数，犇越小适应度越好，即犉＝１．犇优先级分配具体有如下３个步骤．１）选择ＡＧＶ工作路径长度评估，按照适应度函数将任务路径进行优先级的分配．２）若存在多辆ＡＧＶ路径长度相等，则比较ＡＧＶ与其他ＡＧＶ任务路径中的节点个数，节点个数多的ＡＧＶ为停靠站点最好，因此将其优先级设为最高；３）以此类推，更新ＡＧＶ的优先级．通过以上方式，当ＡＧＶ１与ＡＧＶ２发生碰撞时，在交叉点位置对优先级低的ＡＧＶ２重新进行新的路径规划，避免ＡＧＶ１与ＡＧＶ２的碰撞，减少ＡＧＶ之间冲突的发生．３．２多犃犌犞工作路径优化流程多ＡＧＶ的工作路径规划算法的流程，如图５所示．通过Ａ 算法确定ＡＧＶ的工作路径，以有限状态机模型作为ＡＧＶ的协同控制层，完成ＡＧＶ的优先级分配，实现多ＡＧＶ的无碰撞冲突的路径规划［１５?１６］具体有７个步骤．１）参数初始化，确定参与ＡＧＶ数量．２）确认各ＡＧＶ任务的图５多ＡＧＶ路径规划流程图起点与终点．３）通过Ａ 算法依次求解各ＡＧＶＦｉ５Ｍｕｌｔｉｔｈｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ ?ＡＧＶｐａｇ．的最短路径，直到任务为空集．４）通过上位机，对ＡＧＶ的优先级进行分配．５）当上位机检测到冲突时，判断冲突类型．若为静止冲突，即工作路径出现新的障碍物，上位机对工作路径存在障碍物的ＡＧＶ重新规划；若为相向冲突，将交叉节点判为障碍物节点，对优先级低的ＡＧＶ重新进行路径规划．６）上位机继续检测是否存在冲突冲突，若无，则调到步骤７；存在，则返回步骤５．７）ＡＧＶ到达目标点，顺利完成目标任务，等待上位机新的指令并退出算法．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王淑青，等：有限状态机的多ＡＧＶ路径优化策略２４３４仿真结果分析４．１仿真平台选用Ｖｉｓｕａｌ２０１７作为仿真工具，在仿真平台下，选择１０×１０的环境模型，显示ＡＧＶ的路径规划结果，同时检测在文中调度方法下多ＡＧＶ的适用性．通过随机生成障碍物检测多ＡＧＶ的动态适应能力，其栅格地图，如图６所示．４．２结果分析传统多ＡＧＶ工作路径规划，如图７所示．图７中：黑色方块为障碍物；红色方块为目标点；灰色折线为最终生成的工作路径．以３辆小车为图６随机栅格地图一组，进行试验，选用两种仿真模型进行验证调度方法的适用性：第一Ｆｉ６Ｒａｎｄｏｍｇｒｉｄｍａｐｇ．种，一般路径规划方法下的多ＡＧＶ路径规划结果图；第二种，调度方法下的多ＡＧＶ路径规划结果图．在Ｖｉｓｕａｌ２０１７中，为了验证其各自路径规划方法的防碰撞、避障的能力，随机生成任务请求，ＡＧＶ１，ＡＧＶ２，ＡＧＶ３小车的起点分别为绿色、蓝色、黄色方块．只采用Ａ 算法进行多ＡＧＶ的路径规划时，ＡＧＶ１与ＡＧＶ２在坐标（７，４）存在交叉点；ＡＧＶ１与ＡＧＶ３在坐标（４，９）存在交叉点．基于有限状态机的多ＡＧＶ优化调度的路径规划，如图８所示．通过引入有限状态机模型，对其调度进行优化，因为上位机检测到交叉点（７，４），在交叉点（７，４）前，对低优先级的蓝色小车ＡＧＶ２进行重新规划，合并蓝色小车和绿色小车的工作路径．又因为ＡＧＶ速度恒定，因此在同一条路径中不存在碰撞的问题，即交叉点已经消失．按照优先级，对低优先级的ＡＧＶ２重新进行路径规划，消除了交叉点，避免了碰撞、堵塞的发生．同理，ＡＧＶ２与ＡＧＶ３的交叉点（４，９）也已经消失．由图７，８可知：当有障碍物存在时，对各ＡＧＶ进行规划，通过与有限状态机的调度策略相结合，在ＡＧＶ遇到障碍物后，动态地更新运行路径，实现实时避障．图７传统多ＡＧＶ工作路径规划图８基于有限状态机的多ＡＧＶ优化调度的路径规划Ｆｉ７Ｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉ ?ＡＧＶｇ．Ｆｉ８Ｐａｔｈｐｌａｎｎｉｎｇｏｆｍｕｌｔｉ ?ＡＧＶｇ．ｗｏｒｋｐａｔｈｐｌａｎｎｉｎｇｏｐｔｉｍａｌｓｃｈｅｄｕｌｉｎｇｂａｓｅｄｏｎｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅＡ 算法和结合有限状态机模型算法的ＡＧＶ冲突次数与路径搜索时间对比，如表１所示．由表１可知：在起始点与目标点相同的条件下，结合有限状态机模型后的Ａ 算法的冲突次数消失，路径搜索时间减少，降低了多ＡＧＶ路径规划时计算的复杂度，减少了路径规划时对内存的占据，提高ＡＧＶＳ的工作效率．表１ＡＧＶ冲突次数与路径搜索时间对比Ｔａｂ．１ＮｕｍｂｅｒｏｆＡＧＶｃｏｌｌｉｓｉｏｎｓａｎｄｓｅａｒｃｈｔｉｍｅ冲突次数／次编号ＡＧＶ１路径搜索时间／ｍｓ路径长度／单元Ａ 算法结合有限状态机模型后的算法Ａ 算法结合有限状态机模型后的算法Ａ 算法结合有限状态机模型后的算法２０１．９５００１．２０００１８１８ＡＧＶ２１００．８３０００．５５００１０１０ＡＧＶ３１００．７５０００．５８００１０１１犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２４４２０１９年５结束语为实现多ＡＧＶ的无碰撞、无堵塞的安全运行，提出基于有限状态机的调度方法对多ＡＧＶ进行动态路径规划，解决了多ＡＧＶ中ＡＧＶ之间的潜在碰撞冲突，并且通过去交叉的方法，将交叉点移除，保证了路径尽可能最优，而且提升系统效率．在ＡＧＶ的工作路径中，若路径中出现障碍物，通过调度方法，为ＡＧＶ提供了新的工作路径，实现其实时避障的目的，增强ＡＧＶＳ的适用性．仿真实验结果表明了该调度方法的可行性．参考文献：［１］ＱＩＵＬｉｎｇ，ＨＳＵＷＪ．ＳｃｈｅｄｕｌｉｎｇａｎｄｒｏｕｔｉｎｇａｌｏｒｉｔｈｍｓｆｏｒＡＧＶＳ：Ａｓｕｒｖｅｙ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰｒｏｄｕｃｔｏｎ２００２，４０（３）：７４５７６０．ＤＯＩ：１０．１０８０／００２０７５４０１１００９１７１２．Ｒｅｓｅａｒｃｈ， ? ［２］ＦＡＺＬＯＬＬＡＨＴＡＢＡＲＨ，ＳＡＩＤＩｔｈｅｍａｔｉｃａｌｍｏｄｅｌｆｏｒｄｅａｄｌｏｃｋｒｅｓｏｌｕｔｉｏｎｉｎ ?ＭＥＨＲＡＢＡＤＭ，ＭＡＳＥＨＩＡＮＥ．ＭａｍｕｌｔｉｌｅＡＧＶｓｃｈｅｄｕｌｉｎｇａｎｄｒｏｕｔｉｎｇｎｅｔｗｏｒｋ：Ａｃａｓｅｓｔｕｄｙ［Ｊ］．ＩｎｄｕｓｔｒｉａｌＲｏｂｏｔ，２０１５，４２（３）：２５２ＤＯＩ：１０． ?２６３．ｐ１１０８／ＩＲ? １２２０１４０４３７． ? ? ［３］ＳＭＯＬＩＣＢＯＧＤＡＮＳ，ＫＯＶＡＣＩＣＺ，犲狋犪犾．Ｔｉｍｅｗｉｎｄｏｗｓｂａｓｅｄｄｙｎａｍｉｃｒｏｕｔｉｎｇｉｎｍｕｌｔｉｓｔｅｍｓ ?ＲＯＣＡＫＮ， ?ＡＧＶｓｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｔｏｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０１０，７（１）：１５１ＤＯＩ：１０．１１０９／ＴＡＳＥ．２００９． ?１５５．２０１６３５０［４］ＨＡＮＺｅｎｇｌｉａｎｇ，ＷＡＮＧＤｏｎｇｑｉｎｇ，ＦＥＮＧＬｉｕ，犲狋犪犾．Ｍｕｌｔｉｔｈｐｌａｎｎｉｎｇｗｉｔｈｄｏｕｂｌｅｔｈｃｏｎｓｔｒａｉｎｔｓｂｙｕ  ?ＡＧＶｐａ ?ｐａｓｉｎｇａｎｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｒｉｔｈｍ［Ｊ］．ＰｌｏｓＯｎｅ，２０１７，１２（７）：ｅ０１８１７４７．ＤＯＩ：１０．１３７１／ｏｕｒｎａｌ．０１８１７４７．ｇｏｊｐｏｎｅ．［５］ＡＬＣＡＩＤＥＡＤ，ＣＨＵＢＣ，ＫＡＴＳＣＶ，犲狋犪犾．Ｃｙｃｌｉｃｍｕｌｔｉｌｅｒｏｂｏｔｓｃｈｅｄｕｌｉｎｇｗｉｔｈｔｉｍｅｎｄｏｗｃｏｎｓｔｒａｉｎｔｓｕｓｉｎｇａ ? ?ｗｉｐｃｒｉｔｉｃａｌｐａｔｈａｐｐｒｏａｃｈ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈ，２００７，１７７（１）：１４７ＤＯＩ：１０．１０１６／ｅｏｒ． ?１６２．ｊ．ｊ２００５．１１．０１９．［６］ＤＲＡＧＡＮＪＡＣＩ，ＭＩＫＬＩＤ，ＫＯＶＡＩＺ，犲狋犪犾．Ｄｅｃｅｎｔｒａｌｉｚｅｄｃｏｎｔｒｏｌｏｆｍｕｌｔｉｓｔｅｍｓｉｎａｕｔｏｎｏｍｏｕｓｗａｒｅ  ?ＡＧＶｓｙｈｏｕｓｉｎｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｔｏｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０１６，１３（４）：１４３３１４４７．ＤＯＩ： ? １０．１１０９／ＴＡＳＥ．２０１６．２６０３７８１．［７］吕太之，周武，赵春霞．采用粒子群优化和Ｂ样条曲线的改进可视图路径规划算法［Ｊ］．华侨大学学报（自然科学版），２０１８，３９（１）：１０３１０８．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０２１０１． ? ? ［８］余婷，王飞，汲洋弘康．染缸资源的离散事件动态系统建模及优化［Ｊ］．华侨大学学报（自然科学版），２０１４，３５（１）：３１ ? ３５．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１４．０１．００３１． ? ［９］戴志存．ＡＧＶ调度系统的设计［Ｊ］．物流技术与应用，２０１５，２０（９）：１４９１５２．ＤＯＩ：１０．３９６９／１０５９．２０１５．ｉｓｓｎ．１００７ ? ? ｊ．０９．０２４．［１０］王娟娟，曹凯．基于栅格法的机器人路径规划［Ｊ］．农业装备与车辆工程，２００９，２００９（４）：１４?１７．ＤＯＩ：１０．３９６９／ｊ．３１４２．２００９．０４．００４．ｉｓｓｎ．１６７３ ? ［１１］朱金旺．离散事件系统的Ｐｅｔｒｉ网控制器设计［Ｄ］．合肥：合肥工业大学，２０１０．［１２］黄子超．基于有限状态机的车队纵向协作策略建模与仿真［Ｄ］．武汉：武汉理工大学，２０１３．［１３］ＧＩＲＡＵＬＴＪ，ＬＯＩＳＥＡＵＪＪ，ＲＯＵＸＯＨ．ＯｎｌｉｎｅｃｏｍｐｏｓｉｔｉｏｎａｌｃｏｎｔｒｏｌｌｅｒｓｙｎｔｈｅｓｉｓｆｏｒＡＧＶ［Ｊ］．ＤｉｓｃｒｅｔｅＥｖｅｎｔ ? ２０１６，２６（４）：５８３６１０．ＤＯＩ：１０．１００７／ｓ１０６２６０１５０２２２１．ＤｙｎａｍｉｃＳｙｓｔｅｍｓ， ? ? ? ? ［１４］伍国华，马满好．路径交叉检测与消除方法和邻节点置换方法改进ＴＳＰ的解［Ｊ］．计算机应用研究，２０１１，２８（２）：ｉｓｓｎ．１００１４８５４８７．ＤＯＩ：１０．３９６９／３６９５．２０１１．０２．０２１． ? ? ｊ．［１５］熊光明，李勇，王诗源．基于有限状态机的智能车辆交叉口行为预测与控制［Ｊ］．北京理工大学学报，２０１５，３５（１）：３４３８．ＤＯＩ：１０．１５９１８／ｔｂｉｔ１００１０６４５．２０１５．０１．００７． ? ? ｊ．［１６］冯海双．ＡＧＶ自动运输系统调度及路径规划的研究［Ｄ］．哈尔滨：哈尔滨工业大学，２０１３．（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０４０６４ ? 采用深度学习的快速超分辨率图像重建方法张圣祥１，２，郑力新１，２，朱建清１，２，潘书万１，２（１．华侨大学工学院，福建泉州３６２０２１；２．华侨大学工业智能化与系统福建省高校工程研究中心，福建泉州３６２０２１）摘要：为满足实际工业生产需要，提出一种基于深度学习的快速超分辨率图像重建方法．采用一种快速的卷积神经网络结构，使用级联的小卷积核以取得重建速度上的提升，加深卷积网络以取得重建质量上的提升．实验结果表明：在标准的公共数据集上，该算法重建的高分辨率图像在主观视觉感受和客观的图像质量评价（峰值信噪比）上取得较好的效果，且重建时间大大缩短；将算法应用在实际的项目中，能达到阈值分割后准确检测物体的标准，减少企业对高额工业相机的经济开支．关键词：超分辨率图像重建；深度学习；卷积神经网络；级联中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２４５０６ ? ? ? 犉犪狊狋犛狌狆犲狉狊狅犾狌狋犻狅狀犐犿犪犲犚犲犮狅狀狊狋狉狌犮狋犻狅狀 ?犚犲犵犕犲狋犺狅犱犝狊犻狀犵犇犲犲犪狉狀犻狀犵狆犔犲，，ＺＨＡＮＧＳｈｅｎｇｘｉａｎｇ１２，ＺＨＥＮＧＬｉｘｉｎ１２，，，ＺＨＵＪｉａｎｑｉｎｇ１２，ＰＡＮＳｈｕｗａｎ１２（１．ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｉｎａ；ｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈ２．ＩｎｄｕｓｔｒｉａｌＩｎｔｅｌｌｉｅａｎｄＳｙｓｔｅｍＦｕｉａｎＵｎｉｖｅｒｓｉｔｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ｇｅｎｃｊｙＥｎｇＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｉｎａ）ｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈ犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｍｅｅｔｔｈｅｎｅｅｄｓｏｆａｃｔｕａｌｉｎｄｕｓｔｒｉａｌｐｒｏｄｕｃｔｉｏｎ，ａｆａｓｔｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｃｏｎｓｔｒｕｃ  ? ｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｉｓｐｒｏｐｏｓｅｄ．Ｗｅｐｒｏｐｏｓｅｄｏｕｒｏｗｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ，ｕｓｉｎｇｃａｓｃａｄｅｄｓｍａｌｌｃｏｎｖｏｌｕｔｉｏｎｋｅｒｎｅｌｓｔｏａｃｈｉｅｖｅａｈｉｒｒｅｃｏｎｓｔｒｕｃｔｉｏｎｓｐｅｅｄ，ａｎｄｄｅｅｐｅｎｉｎｇｔｈｅｃｏｎｖｏｌｕ  ｇｈｅｔｉｏｎｎｅｔｗｏｒｋｔｏａｃｈｉｅｖｅａｎｉｍｐｒｏｖｅｍｅｎｔｉｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｑｕａｌｉｔｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｎｔｈｅｙ．Ｔｈｅｅｘｐｅｓｔａｎｄａｒｄｐｕｂｌｉｃｄａｔａｓｅｔ，ｔｈｅｈｉｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｏｕｒａｌｒｉｔｈｍａｃｈｉｅｖｅｓｂｅｔｔｅｒｒｅｓｕｌｔｓｉｎ ? ｇｈｇｏａｋｓｉｌｓｕｂｅｃｔｉｖｅｖｉｓｕａｌｐｅｒｃｅｐｔｉｏｎａｎｄｏｂｅｃｔｉｖｅｉｍａｇｅｑｕａｌｉｔｖａｌｕａｔｉｏｎ（ｔｏｉｓｅｒａｔｉｏ），ａｔｔｈｅｍｅａｎ ? ?ｎｏｐｅｇｎａｊｊｙｅｔｉｍｅ，ｔｈｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｔｉｍｅｉｓｇｒｅａｔｌｒｔｅｎｅｄ．Ｔｈｅａｌｒｉｔｈｍｉｓａｐｐｌｉｅｄｉｎｐｒｏｅｃｔｓｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｆｏｒｙｓｈｏｇｏｊｔａｌｓｏｒｅｄｕｃｅｓｔｈｅｈｉｅｓｏｆｅｎ  ａｃｃｕｒａｔｅｌｔｅｃｔｉｎｇｏｂｅｃｔｓａｆｔｅｒｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎ．Ｉｎｔｈｉｓｗａｙ，ｉｙｄｅｊｇｈｅｘｐｅｎｓｔｅｒｒｉｓｅｓｆｏｒｐｕｒｃｈａｓｉｎｇｉｎｄｕｓｔｒｉａｌｃａｍｅｒａｓ．ｐ犓犲狉犱狊：ｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎ；ｄｅｅｐｌｅａｒｎｉｎｇ；ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ；ｃａｓｃａｄｅ ? 狔狑狅视觉系统是工业机器人的“眼睛”，从视觉系统中得到图片质量的好坏能直接影响工业生产的效率．近年来，随着计算机硬件运算速度的快速提升，基于深度学习的超分辨率重建方法快速发展起来，它弥收稿日期：２０１８０４１９ ? ? 通信作者：郑力新（１９６７Ｅｉｌ：ｚｌｘｇｘｙ＠ｈｑｕ．ｅｄｕ．ｃｎ． ?），男，教授，博士，主要从事光电检测与智能计算的研究． ?ｍａ基金项目：国家自然科学基金青年科学基金资助项目（６１６０２１９１）；福建省厦门市科技计划项目（３５０２Ｚ２０１７３０４５）；福建省泉州市高层次人才创新创业项目（２０１７Ｇ０３６）华侨大学学报（自然科学版）２４６２０１９年补了工业相机等硬件条件的限制和光学系统的打光偏差，但是，这也提高了对超分辨率重建技术在成像速度和成像质量上的要求．超分辨率重建技术主要分为基于重建的方法和基于学习的方法两大类［１］．基于重建的方法具有一定的约束条件，若大幅度提高分辨率，则其性能会急剧下降，也会出现丢失高频细节、边缘模糊等问题．基于学习的方法应用于单幅图像的超分辨率重建领域［２］，如Ｙａｎｇ等［３］提出的稀疏表示法在超分辨率重建领域一直占领着主导地位，但是该算法中，系数正则化效果不明显、字典完备性不强且复原边缘细节质量不高．针对稀疏表示法在物体特征表示不足和字典表示能力不够的问题，研［］［］究者们利用高斯金字塔［４］、拉普拉斯金字塔［５］、Ｓｒｅｅｒａｂｌｅ金字塔６和Ｃｏｎｔｏｕｒｌｅｔ金字塔７等方法建立图像不同分辨率之间的信息对应样本库．针对传统基于稀疏表示方法存在的问题，张晓燕等［８］也提出了一些改进的算法，但仍存在一定的局限性，在处理一些细节比较多的图像时，容易造成纹理过重．近年来，深度学习在图像分类及图像分割等任务中的巨大成功也推动了超分辨率重建技术的发展，它弥补了传统浅层学习方法的不足［９?１０］．基于此，本文基于深度学习，提出一种快速超分辨率图像重建的方法．１基于深度学习的超分辨率重建方法作基于卷积神经网络的单幅图像重建（ＳＲＣＮＮ）算法是深度学习在图像超分辨率重建问题的开山之．与传统非深度学习的算法相比，ＳＲＣＮＮ算法的优势在于其三层卷积神经网络，在保持高质量图［１１］片输出的情况下，能够快速重建高分辨率的图像．虽然ＳＲＣＮＮ算法使用较大的卷积核可以减少计算量，但每次卷积时还会丢失大量高频信息，从而导致重建质量不高［１２］．［］［］在ＳＲＣＮＮ算法的基础上，Ｋｉｍ等１３借鉴擅长图像分类的ＶＧＧ１４神经网络结构，提出了极深网络（ＶＤＳＲ）的超分辨率重建方法．采用更深层网络对低分辨率到高分辨率之间的映射关系进行建模，该方法克服了ＳＲＣＮＮ算法上、下文信息缺乏关联、单一尺度放大等问题．但是该方法却不能实现多尺度的自由放大，且其参数存储和检索也存在较明显的不足，另外，它以牺牲时间为代价，在实时系统或应用到实际项目中有致命的弱点．［］Ｓｈｉ等１５提出了一种在低分辨率图像上直接计算卷积得到高分辨率图像的方法（ＥＳＰＣＮ）．在该方法中，直接将原始低分辨率图像输入网络中，通过两个卷积层后，得到的特征图像大小与输入图像一样的重建图像，其中，核心则是亚卷积层（ｉｘｅｌｃｏｎｖｏｌｕｔｉｏｎ）．该亚卷积层大大减少了图像重建的时ｓｕｂ ?ｐ间，在图像重建领域，这是ＥＳＰＣＮ算法立足的最大优势，但相比于ＶＤＳＲ的重建方法，ＥＳＰＣＮ则在上、下文信息缺乏关联和物体特征的表达上还略显不足，边缘细节处理有所欠缺．２快速超分辨率图像重建的方法２．１总体框架［］文中算法的总体结构框架主要由Ｍｉｎｉｔｗｏｒｋ层和亚卷积层１５两部分组成，如图１所示．各层的 ?ｎｅ参数细节：卷积层１（Ｃｏｎｖ１）的卷积核大小和激活函数分别为３×３×３２和Ｔａｎｈ；级联层２（Ｃｏｎｖ２）的卷积核大小和激活函数分别为（３×３＋３×３）×６４和ＲｅＬＵ；卷积层３（Ｃｏｎｖ３）的卷积核大小和激活函数分别为３×３×３２和Ｔａｎｈ；损失函数为欧式距离损失函数；通道数为狉×狉．图１文中算法的总体结构框架Ｆｉ１Ｏｖｅｒａｌｌｓｔｒｕｃｔｕｒａｌｆｒａｍｅｗｏｒｋｏｆｔｈｅａｌｒｉｔｈｍｇ．ｇｏ２．２重建速度的改进２．２．１Ｍｉｎｉｔｗｏｒｋ层 ?ｎｅ为了缩短超分辨率的时间，在三层卷积网络中使用一个Ｍｉｎｉｔｗｏｒｋ，即两 ?ｎｅ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张圣祥，等：采用深度学习的快速超分辨率图像重建方法２４７个级联的３×３卷积核．神经网络中，大的卷积核可以带来更大的感受野，但其使用了更多的神经元参数，同时，也增加卷积运算的计算量．由于神经元参数的数量仅与卷积核的大小有关，因此，越小的卷积核产生的神经元参数就越少，用于卷积运算的计算量也就越少．这里使用ＲｅＬＵ激活函数提取非线性特征，从ＲｅＬＵ激活函数的表达式可以看出，计算机只需要判断输入是否大于零即可输出结果，所以，其计算速度非常快．时间复杂度犜＝犗（犖２ ·犓２ ·犉）．其中：犜表示时间复杂度；犖是输入图像的大小；犓是卷积核大小；／犛＋１．其中：犉是过滤器的数量．卷积公式Ｏｕｔｔ＝（犐－犓＋２犘）犐为输入图像大小；犓是卷积核大ｐｕ小；犘表示填充，即在图像之间添加额外的零层，使输出图像与输入大小相同；犛表示原始图像中水平和垂直方向上滤波器的步长．为便于讨论，假定犘＝０，犛＝１．根据时间复杂度和卷积，将文中算法中的Ｍｉｎｉｎｅｔｗｏｒｋ和ＥＳＰＣＮ算法中的５×５卷积核进行性能比较，结果如表１所示． ? 表１Ｍｉｎｉｔｗｏｒｋ和的５×５卷积核的性能比较 ?ｎｅＴａｂ．１ＰｅｒｆｏｒｍａｎｃｅｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎＭｉｎｉｔｗｏｒｋａｎｄ５×５ｃｏｎｖｏｌｕｔｉｏｎｋｅｒｎｅｌ ?ｎｅ项目卷积核（５×５）Ｍｉｎｉｔｗｏｒｋ（３×３＋３×３） ?ｎｅ时间复杂度犗（犖 ×（５×５×６４））＝犗（１６００×犖）犗（犖 ×（３×３＋３×３）×６４）＝犗（１１５２×犖２）参数量５×５＋１＝２６３×３＋１＋３×３＋１＝２０计算量２２２２５（犐－４）２２９（犐－２）２＋９（犐－４）由表１可知：Ｍｉｎｉｔｗｏｒｋ在３种性能上都有优势；在计算量比较中，当犐＞１０时，Ｍｉｎｉｔｗｏｒｋ ?ｎｅ ?ｎｅ在卷积乘法和加法两个方面的计算量都少于５×５模型．２．２．２亚卷积层在卷积层中，将低分辨率的图像直接作为整个网络的输入，在不同滤波器犠ｓ中，有卷积核大小为犽ｓ的参数在低分辨率空间中被激活后的数量正好是狉２．在激活模式的对应位置上，刚好２激活（个大小的权重．然后，将ｍｏｄ（犽ｓ／狉）狓，狉），ｍｏｄ（狉）（狓，狔，狔是高分辨率空间中的输出像素坐标）的结果重新排列，排列后的位置表示为元素所在位置．在最后一层，使用一个亚像素卷积层重建一个图像，即周期性的混洗操作（ｒｉｏｄｉｃｓｈｕｆｆｌｉｎｇｏｐｅｒａｔｏｒ）．周期性的混洗操作将从亚卷积层中输出的高犎，宽ｐｅ犠，通道数犆，即犎 ×犠 ×犆×狉２的张量元素重新映射为形状狉犎 ×狉犠 ×犆的张量．由于周期性混洗操作直接将低分辨率特征图重建成高分辨率图像，节省了卷积运算的计算成本，因此，与其他卷积反卷积操作相比，其花费的时间更少．这个周期性混洗算子操作可以描述为狓狔ＳＲ（犘）．狓，犆＝犘［狉］，［狉］，犆· 狉·ｍｏｄ（狉）狓，狉）＋犆·ｍｏｄ（狔，狔，深层神经网络的体系结构由多层参数化非线性模块组成，每个模块的参数都经过学２．２．３隐含层习．添加的隐藏层越多，网络学习的功能就越多．此外，与ＥＳＰＣＮ算法相比，文中算法增加了一个新的层，用以利用神经网络内部的高频信息．在ＥＳＰＣＮ算法的网络结构中，卷积核的数量分别为６４和３２，这两层应用了Ｔａｎｈ激活函数．隐藏层由３个卷积层组成．众所周知，当添加更多卷积神经网络层时，可以从图像中提取更多特征．文中算法提出的隐含层网络结构为：Ｃｏｎｖ１表示隐藏层中的第一层．然后，Ｃｏｎｖ１和Ｃｏｎｖ３包含相同的卷积核数（３２），相同大小的卷积核（３×３）和相同的激活函数（Ｔａｎｈ）．在Ｍｉｎｉｔｗｏｒｋ的结构中，涉及２个卷积 ?ｎｅ内核级联，即大小为３×３的卷积内核和ＲｅＬＵ激活函数．２．３重建质量的改进分析比较３种基于深度学习的重建算法，ＳＲＣＮＮ算法虽然结构简单，但其重建质量远超过传统训练字典的重建方法；而ＶＤＳＲ重建算法增加了很多隐含层，以增加对高频信息的捕获能力，但它是以牺牲重建的时间为代价，重建质量的提高伴随着重建时间的增加；ＥＳＣＰＮ算法以速度取胜，在重建质量上超过了初代的ＳＲＣＮＮ算法，但在整体的结构上可以做出一定的改良，吸取ＶＤＳＲ算法的经验，在神经网络的隐含层上增加并调整合适的参数，在增加网络层的同时，保证速度不会慢太多．针对以上３种算法的优缺点，采用各个算法的优点去弥补其相应的缺点，再通过调节参数，构成文中算法的整个神经网络框架．［］通过实验证明，文中提出的网络结构大大提高了超分辨率重建的质量．ＳＲＣＮＮ算法１１首先使用预处理操作，即先将原图像放大狉倍，这样在卷积神经网络中加入池化层可以减少计算量，而不会对原图犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２４８２０１９年像的细节信息产生太大的影响．而文中算法是直接将低分辨率的图像作为输入，如果加入池化层，会直接减少低分辨率图像中的特征点，严重影响图片重建的质量，因此，文中算法不使用池化层．单幅图像的高频细节信息与过滤器提取的感受野有关，在Ｍｉｎｉｔｗｏｒｋ中，应确保２个级联３×３卷积核与ＥＳ ?ｎｅＰＣＮ算法中５×５模型所提取的感受野大小相同．此外，还添加一个新的卷积层以增强对低分辨率图像中高频信息的提取．深层神经网络结构由多层参数化非线性模块组成，每个模块的参数都需要学习，添加的隐藏层越多，网络结构学到的特征就越多，重建出来图片的细节信息也就越多，重建质量也得到了相应的提升．３实验结果Ｒ实验环境包括硬件设备和软件配置，测试用的计算机配置为Ｉｎｔｅｌ○ Ｃｏｒｅ（ＴＭ）ｉ７６７００ＣＰＵ＠３．４０ ? ＧＨｚ，ＧＰＵ为ＮＶＩＤＩＡＧｅＦｏｒｃｅＧＴＸ１０５０Ｔｉ．实验平台搭载的操作系统是６４位Ｗｉｎｄｏｗｓ７，Ｃａｆｆｅ，ＭａｔｌａｂＲ２０１６ａ，ＣＵＤＡＴｏｏｌｋｉｔｖ８．０和Ａｎａｃｏｎｄａ２．３．１公共数据集上测试在测试评价期间，选择使用广泛的５种公开数据集（Ｓｅｔ５，Ｓｅｔ１４，ＢＳＤ３００，ＢＳＤ５００和ＳｕｐｅｒＴｅｘ  ｔｕｒｅ）进行测试．将文中算法与以速度著称的ＥＳＰＣＮ算法比较重建时间，同时，与传统的Ｂｉｃｕｂｉｃ算法比较重建质量，采用峰值信噪比（犚ＰＳＮ）值评判重建质量的好坏．统计３种算法在５种数据集上的重建质量和重建时间（狋），实验结果如表２所示．由表２可知：在同样的数据集上，文中算法重建的图像质量远高于传统的Ｂｉｃｕｂｉｃ算法，且与基于深度学习的ＥＳＰＣＮ算法相比，峰值信噪比提高了０．３７ｄＢ；在算法运行时间上，文中算法在各个数据集上的平均速度比ＥＳＰＣＮ算法快了５０ｍｓ．表２文中算法与ＥＳＰＣＮ算法的参数对比Ｔａｂ．２ＰａｒａｍｅｔｅｒｓｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｔｈｅａｌｒｉｔｈｍｏｆｔｈｉｓｐａｐｅｒａｎｄＥＳＰＣＮａｌｒｉｔｈｍｇｏｇｏＢｉｃｕｂｉｃ算法犚ＰＳＮ／ｄＢＥＳＰＣＮ算法文中算法ＥＳＰＣＮ算法文中算法３３２．６１１３５．０８６３５．４５６０．３６５０．２２０Ｓｅｔ１４３３２．２５６３５．３７９３５．７３５０．２３６０．２５１ＢＳＤ３００３３６．２５８３９．１９７３９．７６４０．２７７０．２０１ＢＳＤ５００３３２．８９８３５．１３１３５．３０９０．２４１０．２１７ＳｕｐｅｒＴｅｘｔｕｒｅ３２３．０３１２８．９０１２９．３６８０．２１７０．１８７数据集放大倍数Ｓｅｔ５／ｓ狋３种算法在数据集Ｓｅｔ５，Ｓｅｔ１４，ＢＳＤ３００上的重建质量效果图，如图２～４所示．（ａ）原图（ｂ）Ｂｉｃｕｂｉｃ算法（ｃ）ＥＳＰＣＮ算法（ｄ）文中算法图２在Ｓｅｔ５数据集上的重建结果Ｆｉ２ＲｅｃｏｎｓｔｒｕｃｔｉｏｎｒｅｓｕｌｔｓｏｎｔｈｅＳｅｔ５ｄａｔａｓｅｔｇ．３．２算法的应用以实际生产项目出发，使用提出的超分辨率重建算法降低使用工业相机的成本，从一个低分辨率的图像重建出满足实际生产要求的高分辨率图像．具体有以下３个步骤．步骤１将低分辨率的图像作为输入，直接输入网络．步骤２得到重建后的图像，进行边缘检测：滤波，增强和检测．使用大津算法［１６］将图像阈值化，采用霍夫变换［１７］检测直线．步骤３检测出待检测的物体．重建前的图像分割过程，如图５所示．在不改变实验阈值的条件下，输入像素２１３ｐｘ×１６０ｐｘ的低犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期张圣祥，等：采用深度学习的快速超分辨率图像重建方法（ａ）原图（ｂ）Ｂｉｃｕｂｉｃ算法２４９（ｃ）ＥＳＰＣＮ算法（ｄ）文中算法图３在Ｓｅｔ１４数据集上的重建结果Ｆｉ３ＲｅｃｏｎｓｔｒｕｃｔｉｏｎｒｅｓｕｌｔｓｏｎｔｈｅＳｅｔ１４ｄａｔａｓｅｔｇ．（ａ）原图（ｂ）Ｂｉｃｕｂｉｃ算法（ｃ）ＥＳＰＣＮ算法（ｄ）文中算法图４在ＢＳＤ３００数据集上的重建结果Ｆｉ４ＲｅｃｏｎｓｔｒｕｃｔｉｏｎｒｅｓｕｌｔｓｏｎｔｈｅＢＳＤ３００ｄａｔａｓｅｔｇ．分辨率的原始图像（图５（ａ）），在阈值分割时出现了明显的边缘不闭合现象（图５（ｂ）），料盘中的小方块右下角出现缺口，使得在检测物体时，目标丢失（图５（ｃ））．重建后的图像分割过程，如图６所示．将像素为２１３ｐｘ×１６０ｐｘ的低分辨率图像（图６（ａ）），输入网络训练后重建出像素大小为６１５ｂ）），阈值分割后ｐｘ×４５６ｐｘ的清晰图（图６（（ａ）原图（ｂ）阈值分割图（ｃ）目标丢失图图５重建前的图像分割过程Ｆｉ５Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｐｒｏｃｅｓｓｂｅｆｏｒｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｇ．出现完整的小方块闭合图像，顺利完成物体的精确定位（图６（ｄ））．（ａ）原图（ｂ）清晰图（ｃ）阈值分割图（ｄ）精准检测图图６重建后的图像分割过程Ｆｉ６Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｐｒｏｃｅｓｓａｆｔｅｒｒｅｃｏｎｓｔｒｕｃｔｉｏｎｇ．４结论分析并总结３种基于深度学习的重建算法，调整合适的参数和网络结构以达到图像重建的最优效果．根据在公共数据上测试的结果，文中算法比ＥＳＰＣＮ算法的峰值信噪比提升了０．３７ｄＢ，在图像重建的质量上有一定程度的提升；在重建时间上，文中算法相比ＥＳＰＣＮ算法快了５０ｍｓ．在工程的实际应用中，文中算法只需要０．３７ｓ就可以完成图像重建，远远小于ＳＲＣＮＮ卷积神经网络算法的４．３０ｓ．因此，所提算法的网络结构在速度上有较大的优势，能满足实际工业场景中实时应用的要求．值得一提的是，文中算法在实际应用中取得了很好的效果，大大减小了对昂贵工业相机的依赖，使用低分辨率的相机就可以满足实际生产中的应用需求，为企业节省了一大笔经济开支．然而，文中算法仍存在一些问题，在物体的纹理处理上还是过于平滑，如遇到车轮的纹路等重建问犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２５０２０１９年题时，还不能很好地提取出特征，不能将网络结构设计地更深，并提取出更为明显的体征．因此，每层卷积层参数的优化和改进将是以后研究的重点．参考文献：［ｉｓｓｎ．１］曾凯，丁世飞．图像超分辨率重建的研究进展［Ｊ］．计算机工程与应用，２０１７，５３（１６）：２９ＤＯＩ：１０．３７７８／ ?３５．ｊ．１００２８３３１．１７０５００９７． ? ? ［２］ＹＡＮＧＣＹ，ＭＡＣｈａｏ，ＹＡＮＧＭＨ．Ｓｉｎｇｌｅｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎ：Ａｂｅｎｃｈｍａｒｋ［Ｃ］∥ＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎ ? ? ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ．Ｓｗｉｔｚｅｒｌａｎｄ：Ｓｐｒｉｎｇｅｒ，２０１４：３７２３８６．ＤＯＩ：１０．１００７／９７８３３１９１０５９３２＿２５． ? ? ? ? ? ［３］ＹＡＮＧＪｉａｎｃｈａｏ，ＷＲＩＧＨＴＪ，ＨＵＡＮＧＴ，犲狋犪犾．Ｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎａｓｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｒａｗｉｍａｇｅｐａｔ  ? Ｃ］∥ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．Ａｎｃｈｏｒａｇｅ：ＩＥＥＥＰｒｅｓｓ，２００８：１ＤＯＩ：ｃｈｅｓ［ ?８．１０．１１０９／ＣＶＰＲ．２００８．４５８７６４７．［４］ＨＥＨｕ，ＫＯＮＤＩＬＰ．Ａｒｅｇｕｌａｒｉｚａｔｉｏｎｆｒａｍｅｗｏｒｋｆｏｒｊｏｉｎｔｂｌｕｒｅｓｔｉｍａｔｉｏｎａｎｄｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｏｆｖｉｄｅｏｓｅｅｓ ? ｑｕｅｎｃ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２００５ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ．Ｇｅｎｏｖａ：ＩＥＥＥＰｒｅｓｓ，２００５：３２９ ? ３３２．ＤＯＩ：１０．１１０９／ＩＣＩＰ．２００５．１５３０３９５．［５］ＬＩＸｉａｏｇｕａｎｇ，ＬＡＭＫＭ，ＱＩＵＧＰ，犲狋犪犾．Ｅｘａｍｐｌｅｂａｓｅｄｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｗｉｔｈｃｌａｓｓｓｐｅｃｉｆｌｃｐｒｅｄｉｃｔｏｒｓ［Ｊ］． ? ? ＪｏｕｒｎａｌｏｆＶｉｓｕａｌＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｍａｇｅＲｅｐｒｅｓｅｎｔａｔｉｏｎ，ｖｃｉｒ．２００９．０３．２００９，２０（５）：３１２ＤＯＩ：１０．１０１６／ ?３２２．ｊ．ｊ００８．［６］ＳＵＣｏｎｇｙｏｎｇ，ＺＨＵＡＮＧＹｕｅｔｉｎｇ，ＬＩＨｕａｎｇ，犲狋犪犾．Ｓｔｅｅｒａｂｌｅｐｙｒａｍｉｄｓｅｄｆａｃｅｈａｌｌｕｃｉｎａｔｉｏｎ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉ  ?ｂａ２００５，３８（６）：８１３８２４．ＤＯＩ：１０．１０１６／ｔｃｏｇ．２００４．１１．００７．ｔｉｏｎ， ? ｊ．ｐａ［７］ＪＩＪＩＣＶ，ＣＨＡＵＤＨＵＲＩＳ．Ｓｉｎｇｌｅｆｒａｍｅｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｔｈｒｏｕｇｈｃｏｎｔｏｕｒｌｅｔｌｅａｒｎｉｎｇ［Ｃ］∥ＥＵＲＡＳＩＰＪｏｕｒｎａｌ ? ? ｏｎＡｄｖａｎｃｅｓｉｎＳｉｌＰｒｏｃｅｓｓｉｎｇ．ＮｅｗＹｏｒｋ：Ｓｐｒｉｎｇｅｒ，２００６：２３５．ＤＯＩ：１０．１１５５／ＡＳＰ／２００６／７３７６７．ｇｎａ［８］张晓燕，秦龙龙，钱渊，等．一种改进的稀疏表示超分辨率重建算法［Ｊ］．重庆邮电大学学报（自然科学版），２０１６，２８（３）：４００４０５．ＤＯＩ：１０．３９７９／ｉｓｓｎ．１６７３８２５Ｘ．２０１６．０３．０２０． ? ? ｊ．［９］ＦＲＥＥＭＡＮＷＴ，ＰＡＳＺＴＯＲＥＣ，ＣＡＲＭＩＣＨＡＥＬＯＴ．Ｌｅａｒｎｉｎｇｌｏｗ? ｌｅｖｅｌｖｉｓｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍ ２０００，４０（１）：２５４７．ＤＯＩ：１０．１１０９／ＩＣＣＶ．１９９９．７９０４１４．ｔｅｒＶｉｓｉｏｎ， ? ｐｕ［１０］ＦＲＥＥＭＡＮＷＴ，ＪＯＮＥＴＲ，ＰＡＳＺＴＯＲＥＣ．Ｅｘａｍｐｌｅｓｅｄｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎ［Ｊ］．ＩＥＥＥＣｏｍｐｕｔｅｒＧｒａｐｈｉｃｓａｎｄ ?ｂａ ? Ａｐｐｌｉｃａｔｉｏｎｓ，２００２，２２（２）：５６６５．ＤＯＩ：１０．１１０９／３８．９８８７４７． ? ［１１］ＤＯＮＧＣｈａｏ，ＣＨＥＮＣＬ，ＨＥＫａｉｍｉｎｇ，犲狋犪犾．Ｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｕｓｉｎｇｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ ? ＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｅ，２０１６，３８（２）：２９５?３０７．ＤＯＩ：１０．１１０９／ＴＰＡＭＩ．２０１５．ｙｇｅｎｃ２４３９２８１．［１２］刘晨羽，蒋云飞，李学明．基于卷积神经网的单幅图像超分辨率重建算法［Ｊ］．计算机辅助设计与图形学学报，２０１７，２９（９）：１６４３１６４９．ＤＯＩ：１０．３９６９／９７７５．２０１７．０９．００７．ｉｓｓｎ．１００３ ? ? ｊ．［１３］ＫＩＭＪ，ＬＥＥＪＫ，ＬＥＥＫＭ．Ａｃｃｕｒａｔｅｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｕｓｉｎｇｖｅｒｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ［Ｃ］∥ＩＥＥＥ ? ｙｄｅＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．ＬａｓＶｅｇａｓ：ＩＥＥＥＰｒｅｓｓ，２０１６：１６４６１６５４．ＤＯＩ：１０．１１０９／ ? ＣＶＰＲ．２０１６．１８２．［／ＯＬ］．１４］ＳＩＭＯＮＹＡＮＫ，ＺＩＳＳＥＲＭＡＮＡ．Ｖｅｒｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓｆｏｒｌａｒｃａｌｅｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ［Ｊｙｄｅｇｅ?ｓ／１４０９．ｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，２０１４．［２０１７０６１０］．ｈｔｔｒｘｉｖ．ｏｒ１５５６． ? ? ｐ：∥ａｇ／ｐｄ［１５］ＳＨＩＷｅｎｚｈｅ，ＣＡＢＡＬＬＥＲＯＪ，ＨＵＳＺＡＲＦ，犲狋犪犾．Ｒｅａｌｔｉｍｅｓｉｎｇｌｅｉｍａｇｅａｎｄｖｉｄｅｏｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｕｓｉｎｇａｎｅｆｆｉ  ? ? Ｃ］∥ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎｈｔ  ｃｉｅｎｔｓｕｂｐｉｘｅｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ［ｔＬａｓＶｅｇａｓ：ＩＥＥＥＰｒｅｓｓ，２０１６：１８７４１８８３．ＤＯＩ：１０．１１０９／ＣＶＰＲ．２０１６．２０７． ? ｐ．［１６］ＯＴＳＵＮ．Ａｔｈｒｅｓｈｏｌｄｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒａｙｌｅｖｅｌｈｉｓｔｏｇｒａｍｓ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，１９７９，９（１）：６２?６６．ＤＯＩ：１０． ? １１０９／ＴＳＭＣ．１９７９．４３１００７６．［１７］ＸＵＸｉａｏｈｏｎｇ，ＷＵＺｈｉｈｕｉ，ＣＨＥＮＹｕ，犲狋犪犾．Ｐｌａｎｔｒｏｏｔｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｍｅａｓｕｒｅｍｅｎｔｓｂａｓｅｄｏｎｔｈｅｈｏｕｇｈｔｒａｎｓ  ｆｏｒｍａｔｉｏｎ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０１４，１４５：２０９２２０．ＤＯＩ：１０．１０１６／ｎｅｕｃｏｍ．２０１４．０５．０４１． ? ｊ．（责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｖｏｌ．４０Ｎｏ．２Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０４０４６ ? 对抗长短时记忆网络的跨语言文本情感分类方法党莉，陈锻生，张洪博（华侨大学计算机科学与技术学院，福建厦门３６１０２１）摘要：针对文本情感分类任务中，有情感标注的语料在不同语言中的不均衡问题，结合深度学习和迁移学习，提出一种基于对抗长短时记忆网络（ＡＬＳＴＭ）的跨语言文本情感分类方法．设置双语各自独立的特征提取网络和共享特征提取网络，把获取到的特征拼接输入到分类器进行分类．在共享特征提取网络中，设置语言分类器，运用对抗思想优化模型，通过投票法决定文本最终的情感极性．实验表明：该方法可以取得跨语言文本情感分类任务更高的准确度．关键词：文本情感；跨语言；对抗；长短时记忆网络；共享特征中图分类号：ＴＰ１８３；ＴＰ３９１．１文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２５１０６ ? ? ? 犆狉狅狊狊犻狀犵狌犪犾犛犲狀狋犻犿犲狀狋犆犾犪狊狊犻犳犻犮犪狋犻狅狀犕犲狋犺狅犱犅犪狊犲犱狅狀 ?犔犃犱狏犲狉狊犪狉犻犪犾犔狅狀犵犛犺狅狉狋犜犲狉犿犕犲犿狅狉狋狑狅狉犽狔犖犲ＤＡＮＧＬｉ，ＣＨＥＮＤｕａｎｓｈｅｎｇ，ＺＨＡＮＧＨｏｎｇｂｏ（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｃｒｏｓｓｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎａｄｖｅｒｓａｒｉａｌｌｏｎｇｓｈｏｒｔ ? ｔｅｒｍｍｅｍｏｒＡＬＳＴＭ）ｎｅｔｗｏｒｋ，ｗｈｉｃｈａｉｍｓａｔｔｈｅｐｒｏｂｌｅｍｏｆｔｅｘｔｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｔｈｅｄｉｓｐａｒｉｔｆｙ（ｙｏｅｍｏｔｉｏｎａｌｌｔａｔｅｄｃｏｒｎｄｉｆｆｅｒｅｎｔｌａｎｇｕａｇｅｓ，ｃｏｍｂｉｎｅｄｗｉｔｈｄｅｅｐｌｅａｒｎｉｎｇａｎｄｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ．Ｂｉｌｉｎ  ｙａｎｎｏｐｕｓｉｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋｓａｎｄａｓｈａｒｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋａｒｅｓｅｔｕｐ，ａｎｄｔｈｅｎｔｈｅｅｘｔｒａｃｔｅｄｆｅａ  ｇｕａｔｕｒｅｓａｒｅｍｅｒｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｉｎｔｈｅｓｈａｒｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋ，ａｌａｎｇｕａｇｅｃｌａｓｓｉｆｉｅｒｉｓｓｅｔｕｐ．Ｕ ｇｅｄｆｓｉｎｇｔｈｅａｄｖｅｒｓａｒｉａｌｉｄｅａｔｏｏｐｔｉｍｉｚｅｔｈｅｍｏｄｅｌ，ａｎｄｔｈｅｆｉｎａｌｐｏｌａｒｉｔｆｔｈｅｔｅｘｔｄｅｐｅｎｄｓｏｎｔｈｅｖｏｔｉｎｇｒｅｓｕｌｔｓ．ｙｏＥｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｃｒｏｓｓｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｃａｎａｃｈｉｅｖｅｈｉｒａｃｃｕｒａｃｙｂｙｔｈｉｓｍｅｔｈｏｄ． ? ｇｈｅ犓犲狉犱狊：ｓｅｎｔｉｍｅｎｔｏｆｔｈｅｔｅｘｔ；ｃｒｏｓｓｌｉｎｇｕａｌ；ａｄｖｅｒｓａｒｉａｌ；ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｔｗｏｒｋ；ｓｈａｒｅｄｆｅａ  ? ｙｎｅ狔狑狅ｔｕｒｅｓ电子商务行业蓬勃发展，在各种交易平台都会找到各种商品的评价．如何从这些海量数据找到其背后的潜在价值，成为亟需解决的问题．由于中文较其他语言起步较晚，缺乏高质量的语料资源，人工标注又需要投入巨大的人力物力，这在一定程度上阻碍了中文情感分类的研究．跨语言情感分析是利用一种语言的丰富情感资源协助或提高另一种语言的情感分析［１］．在跨语言情感分类任务中，最常用的是机器翻译的方法［２］，但是机器翻译的方法会出现翻译误差．Ｗａｎ等［３］采用半监督的方法弥补翻译损失．此外，还有基于双语词典和平行语料的方法［４］，但是，这些双语资源在现实中都很难获取．近年来，深度学收稿日期：２０１８０４１４ ? ? 通信作者：陈锻生（１９５９Ｅｉｌ：ｄｓｃｈｅｎ＠ｈｑｕ．ｅｄｕ．ｃｎ． ?），教授，博士，主要从事数字图像处理与模式识别的研究． ?ｍａ基金项目：国家自然科学基金资助项目（６１５０２１８２）；福建省科技计划重点项目（２０１５Ｈ００２５）华侨大学学报（自然科学版）２５２２０１９年［］习在自然语言处理领域的应用越来越广泛［５?６］．Ｚｈｏｕ等７提出一种基于去噪自动编码机（ＤＡＥ）的双语情感词嵌入算法，通过语义学习和情感学习阶段获得两个视图的共同表示，准确率达到８０．６８％．Ｚｈｏｕ［］等［８］提出双语语义和情感特征表示（ＢＳＳＲ）算法，准确率达到８２．２４％．Ｚｈｏｕ等９提出一种基于注意力机制的长短时记忆网络（ＡｔｔｅｎｔｉｏｎｓｅｄＬＳＴＭ），利用词级注意力和句子级注意力进行优化，将分类准 ?ｂａ［１０］确度提高到８２．４０％．Ｂｅｎｉｄ等提出，一个良好的特征表示，应该是域分类器分不出此特征来自 ?Ｄａｖ源领域还是目标领域．目前，利用对抗思想，在计算机视觉的图片生成［１１］和领域适配［１２］方面取得了很好的效果．跨语言问题也是同样道理，一个好的迁移特征应该使语言分类器分不清特征来源于源语言还是目标语言．因此，本文提出一种基于对抗长短时记忆网络（ＡＬＳＴＭ）的跨语言文本情感分类方法．１基于犃犔犛犜犕的跨语言文本情感分类１．１数据预处理［］采用基于ＦｏｏｌＮＬＴＫ的中文分词和基于Ｇｌｏｖｅ模型１３的词向量进行预训练．基于ＦｏｏｌＮＬＴＫ分词工具（ｈｔｔｏｃｋｙｚｈｅｎｇｗｕ／ＦｏｏｌＮＬＴＫ）进行优化，构建常用的网络用语词表作为中ｉｔｈｕｂ．ｃｏｍ／ｒｐｓ：∥ｇ文分词的辅助词表，实现更准确的中文分词，为后续词向量的预训练提供更好的数据来源．同时，采用基于Ｇｌｏｖｅ模型的词向量预训练方法，通过预训练的方式引入额外的语料库，其中，包括大量中文无标注数据．Ｇｌｏｖｅ模型综合运用词的全局统计信息和局部统计信息生成语言模型和词的向量化表示．由于词向量是依据大量的无标注语料生成的，所以，能比单纯地使用标注语料进行情感文本分类接触到更多的数据．实验中，采用的词向量维数为３００．１．２网络框架跨语言文本情感分类网络研究框架，如图１所示．图１中，狓ｓ和狓ｔ分别为源语言和目标语言的输入．该网络主要包括特征提取和分类预测两部分．特征提取部分主要包括３个网络：源语言特征提取网络Ｆｓ目标语言特征提取网络Ｆｔ分类预测部分主要包括２个分类器：文本情ｃ．ｐ，ｐ和共享特征提取网络Ｆ感极性分类器Ｃｐ和语言分类器Ｃｌ．其中，文本情感极性分类器用来预测３种方式融合得到的特征极性；语言分类器用来预测共享特征提取网络提取的特征来源于源语言还是目标语言．文本情感极性分类器最小化文本极性分类损失，语言分类器最大化语言分类损失，使语言分类器最大程度分不清特征来源．通过这种对抗训练，使网络参数得以优化，以便于获取双语不变特征．图１跨语言文本情感分类框架图Ｆｉ１Ｃｒｏｓｓｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｆｒａｍｅｗｏｒｋ ? ｇ．［］在特征提取部分，采用加入注意力机制的长短时记忆网络（ＬＳＴＭ）１４．传统的ＬＳＴＭ网络中，每个输入的词语都赋予了相同的权重．采取基于注意力机制的ＬＳＴＭ网络有两方面原因：一是机器翻译的方法不可避免地引入噪音，通过注意力机制可以减小这些噪音的影响；二是注意到不同的词语对语句的极性贡献大小不同．注意力机制通过保留ＬＳＴＭ对输入序列的中间输出结果，经过Ｓｏｆｔｍａｘ进行归一化得到符合概率分布取值区间的注意力分配概率分布数值，然后，训练模型对输入进行选择性学习．通过一个单层的神经网络，计算每个时刻隐藏状态所占权重，即狋ａｎｈ（犺犻犠ａ＋犫ａ）， β ＝犞ａｔ犻 α犻＝ｅβ犻／∑ｅβ犽．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．犽＝１第２期党莉，等：对抗长短时记忆网络的跨语言文本情感分类方法２５３加权求和，得到最终的隐藏状态，即狋犺＝ ∑犺犻α犻．犻＝１特征提取网络，如图２所示．通过机器翻译工具，把源语言的训练数据狓ｓ翻译成目标语言的训练数据狓ｔ．源语言特征提取网络Ｆｓｐ获取到源语言特征犺ｓ目标语言特征提取网络Ｆｔｐ，ｐ获取到目共享特征提取网络Ｆｃ获取到源标语言特征犺ｔｐ，ｔ语言特征犺ｓ然后，将源语言ｃ和目标语言特征犺ｃ．特征和源语言特征拼接，目标语言特征和目标语言特征拼接，源语言特征和目标语言特征拼接，分图２特征提取网络别输入极性分类器Ｃｐ进行分类．最终的分类结果Ｆｉ２Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋｓｇ．取决于３种融合特征的投票结果．整个网络的损失为ｌｏｓｓｅｓ＝ｌｏｓｓ＿ｅｎ＿ｅｎ＋ｌｏｓｓ＿ｃｎ＿ｃｎ＋ｌｏｓｓ＿ｅｎ＿ｃｎ．上式中：ｌｏｓｓ＿ｅｎ＿ｅｎ＝ｌｏｓｓ＿Ｐｏｌａｒｉｔｃｌａｓｓ＋α×ｌｏｓｓ＿ｄｉｆｆｅｒｅｎｃｅ＋ｌｏｓｓ＿ｅｎ表示对源语言特征拼接后的极ｙ＿性分类预测损失；ｌｏｓｓ＿ｃｎ＿ｃｎ＝ｌｏｓｓ＿Ｐｏｌａｒｉｔｃｌａｓｓ＋β×ｌｏｓｓ＿ｄｉｆｆｅｒｅｎｃｅ＋ｌｏｓｓ＿ｃｎ表示对目标语言特征ｙ＿拼接后的极性分类预测损失；ｌｏｓｓ＿ｅｎ＿ｃｎ＝ｌｏｓｓ＿Ｐｏｌａｒｉｔｃｌａｓｓ＋ｌｏｓｓ＿ｓｉｍｉｌａｒｉｔｏｓｓ＿Ｌａｎｇｕａｇｅ＿ｃｌａｓｓｙ＿ｙ＋ｌ表示对源语言和目标语言特征拼接后的极性分类预测损失．其中，ｌｏｓｓ＿Ｐｏｌａｒｉｔｃｌａｓｓ为极性分类误差；ｙ＿ｌｏｓｓ＿ｄｉｆｆｅｒｅｎｃｅ为独立特征提取网络获取的特征和通过共享特征提取网络获取的特征之间的距离，文中采用欧氏距离；ｌｏｓｓ＿ｅｎ为英文分类损失；ｌｏｓｓ＿ｃｎ为中文分类损失；ｌｏｓｓ＿ｓｉｍｉｌａｒｉｔｙ为通过共享特征提ｔ取网络获取的特征犺ｓｌｏｓｓ＿Ｌａｎｇｕａｇｅ＿ｃｌａｓｓ为通过语言分类器的语言类别分类损失；ｃ和犺ｃ之间的距离；１． α， β 为超参数，取０．１．３领域对抗训练设置共享特征提取网络，使源语言的分布和目标语言的分布尽可能地接近，以便于网络学习到双语ｔ的不变性特征．对共享特征提取网络获取的源语言特征犺ｓ采用最大均值差异损失ｃ和目标语言特征犺ｃ，（ＭＭＤ）［１５］衡量２个分布的相似性．表达式为ｓｓｔ犖，犖犖（ｔ犖１２１（ｓｌｏｓｓ＿ｓｉｍｉｌａｒｉｔ犺ｓ犺ｓ犺ｔ犽（犺ｔ犺ｓ．－ｓｔ ∑犽（＋（ｔ）ｙ＝（ｓ）犻，犻，犻，ｃ，ｃ，ｃ，ｃ，ｃ，ｃ，犼）犼）犼）２ ∑犽犺犖犖犖犻，犼＝０犖２犻∑ ，犻，犼＝０犼＝０上式中：犽（·）为映射，用于把原变量映射到高维空间中，实验采用高斯核函数．设置语言分类器，最大程度模糊两个分布，让分类器分不清特征来源于源语言还是目标语言．对共享特征提取网络提取到的源语言特征犺ｓ０，１），目标语言特征犺ｔ１，０），依次输入到ｃ添加标签（ｃ添加标签（语言分类器Ｃｌ中．定义犔（＾），其中，＾为域分类器预测的标签．狔，狔狔为数据的原始标签，狔［］在特征提取网络和语言分类器之间，采用梯度反转层（ＧＲＬ）１６．在前向传播期间，ＧＲＬ作为一种恒等交换；在后向传播过程中，ＧＲＬ从后面的层获得梯度并改变其符号，即将其乘以－１，然后，将其传递到前一层．ＧＲＬ是对抗性的．一方面，优化网络以增强语言分类器区分特征来源于源语言还是目标语言的能力；另一方面，梯度反转层使判别特征表示来自哪种语言的能力被降低．交叉熵损失为犖ｓ＋犖ｔｌｏｓｓ＿Ｌａｎｇｕａｇｅ＿ｃｌａｓｓ＝ ∑ ｛ｏｇ＾１－狔犻）ｌｏｇ（１－＾．狔犻ｌ狔犻＋（狔犻）｝犻＝０２实验结果与分析２．１实验数据采用第二届自然语言处理与中文计算会议中跨语言情感分析评测任务的公开数据集．其中，源语言为英文，目标语言为中文．数据主要来自亚马逊的中英文商品评论，覆盖ｂｏｏｋ，ｄｖｄ，ｍｕｓｉｃ３个领域．３犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２５４２０１９年个领域的训练数据均包含积极、消极比例为１∶１的４０００条有标注的英文训练数据和４０００条无标注中文测试数据，以及积极和消极的比例不平衡的大量中文无标注数据．实验数据集，如表１所示．表１实验数据集将４０００条英文数据作为源语言训练集，同时，利Ｔａｂ．１Ｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｓｅｔ用谷歌在线翻译工具，将４０００条英文数据进行翻译，得到对应的中文数据作为目标语言训练集．将４０００条中文数据作为测试集，并将４０００条中文数据进行翻译得到的对应英文数据作为源语言测试集．同时，将大量无标注中文数据作为前期词向量预训练的部分语条领域数据集ｂｏｏｋｄｖｄｍｕｓｉｃ英文（有标注训练集）４０００４０００４０００中文（无标注测试集）４０００４０００４０００中文（无标注训练集）４４１１３１７８１５２９６７８料．采用Ｇｏｏｇｌｅ在线翻译工具（ｈｔｔｒａｎｓｌａｔｅ．ｐｓ：∥ｔｌｅ．ｃｎ），此工具被认为是现阶段最好的机器翻译系统．采用的编程语言为Ｐｙｔｈｏｎ，编辑器为ＰｙＣ ｇｏｏｇＲｒｆｌｏｗ．采用Ｕｂｕｎｔｕ１６．０４６４位操作系统，主机内存为６４ＧＢ，处理器是Ｉｎｔｅｌ○ ｈａｒｍ，网络框架为ＴｅｎｓｏＸｅｏｎ（Ｒ）ＣＰＵＥ５２６３０． ? ２．２结果分析为了检测实验结果，采用两部分的基准模型作为实验结果的参照．第一部分是与当前在跨语言文本情感分类任务上比较先进的方法作对比；第二部分是实验所采用方法作自身对比．［］［］当前比较先进的方法主要包括逻辑回归（ＬＲ），支持向量机（ＳＶＭ），ＤＡＥ７，ＢＳＳＲ８和Ａｔｔｅｎｔｉｏｎ ? ［］９ｂａｓｅｄ ?ＬＳＴＭ等方法．为了说明文中系统框架下提出方法的有效性，将实验的分支部分独立进行结果验证，具体流程包括如下４种．１）Ｓｈ．仅利用共享特征提取网络对源语言和目标语言进行特征提取，然后，拼接输入分类器分类．２）Ｓｈ ?Ａｄ．利用共享特征提取网络对源语言和目标语言进行特征提取，同时，加入语言分类器，进行对抗训练．３）Ｐｒ ?Ｓｈ．同时设置独立的网络特征提取网络和共享特征提取网络、源语言和源语言特征拼接、目标语言和目标语言拼接、源语言和目标语言拼接，输入到分类器进行分类．４）ＡＬＳＴＭ．文中的最终做法是设置３个特征提取网络，同时，加入语言分类器，运用对抗思想优化模型，通过投票法决定文本最终的情感极性．实验中，词向量的维度取３００维；ｂａｔｃｈ＿ｓｉｚｅ大小为２００；训练集的ｄｒｏｐｏｕｔ率设置为０．５，防止过拟合；学习率衰减权重为０．９５；迭代次数为４０次，直至准确度不再提升．两部分的基准模型与文中方法的表２实验结果对比对比结果，如表２所示．由表２可知：传统的机器学习方法ＬＲ和ＳＶＭ的平均准确度都低于８０％；而ＤＡＥ降噪自动编码机方法的准确度相对传统方法有所提升；ＢＳＳＲ方法相比ＤＡＥ方法的准确度提升了１．５６％；Ａｔｔｅｎｔｉｏｎ?ｂａｓｅｄ?ＬＳＴＭ方法较ＢＳＳＲ方法的准确度提升了０．１６％；文中提出Ｔａｂ．２Ｃｏｍｐａｒｉｓｏｎｏｆｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓ准确度／％ｂｏｏｋｄｖｄｍｕｓｉｃ平均准确度／％ＬＲ７６．６０７９．５０７５．５０７７．２０ＳＶＭ７９．６０８０．２０７８．５０７９．４３ＤＡＥ８１．０５８１．６０７９．４０８０．６８ＢＳＳＲ８２．１５８３．０３８１．５５８２．２４Ａｔｔｅｎｔｉｏｎｓｅｄ ?ｂａ ?ＬＳＴＭ８２．１０８３．７０８１．３０８２．４０分类方法的ＡＳＬＴＭ模型比Ａｔｔｅｎｔｉｏｎ?ｂａｓｅｄ? Ｓｈ７９．８５８０．３５７８．７０７９．６３ＬＳＴＭ方法的准确度提升了０．８２％．实验结果证明了文中方法的有效性．Ｓｈ ?Ａｄ８０．５０８１．２０７９．４０８０．３７Ｐｒ ?Ｓｈ８２．２０８３．３０８１．５０８２．３３ＡＬＳＴＭ８３．１０８３．８５８２．７０８３．２２通过对实验自身模型的层层剖析可以看出：加入对抗训练的Ｓｈ７４％；加入对抗训练的ＡＳＬＴＭ比 ?Ａｄ方法比Ｓｈ方法的准确度提升了０．Ｐｒ８９％．这说明通过对抗训练，源语言和目标语言之间进行了交互学习，这种知识迁移让 ?Ｓｈ提升了０．源语言和目标语言之间的联系更紧密，达到了知识迁移的效果．而Ｐｒ ?Ｓｈ方法较Ｓｈ ?Ａｄ方法的准确度有１．９６％的提升，这是因为该方法既可以获取到双语的不变特征，又能保留各自的独的特征，说明设置独立特征提取网络和共享特征提取网络的有效性．最终的ＡＬＳＴＭ方法得益于这两个方面的共同作用犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期党莉，等：对抗长短时记忆网络的跨语言文本情感分类方法２５５力，从而提高了分类准确率．在ｂｏｏｋ，ｄｖｄ，ｍｕｓｉｃ３个领域上的损失函数函数值变化，如图３所示．（ａ）ｂｏｏｋ（ｂ）ｄｖｄ（ｃ）ｍｕｓｉｃ图３损失函数数值Ｆｉ３Ｖａｌｕｅｏｆｌｏｓｓｆｕｎｃｔｉｏｎｇ．由图３可知：在ｂｏｏｋ，ｄｖｄ，ｍｕｓｉｃ３个领域上的损失函数函数值随着训练步数的增加，整体呈递减趋势，直至最终收敛，证明了网络的可训练性和有效性．为了验证不同大小数据集对实验结果的影响，选取了大、中、小３种规模的数据集，分别进行对比实验．实验中的准确度包括在整个测试集上的准确度（ ηｔｏｔ）、在积极数据集上的准确度（ ηＰ）和在消极数据集上的准确度（ ηＮ）．各数据集上的准确度，如表３所示．表３各数据集上的准确度Ｔａｂ．３Ａｃｃｕｒａｃｙｒｅｓｕｌｔｓｏｎｅａｃｈｄａｔａｓｅｔ训练集／条中规模大规模参数小规模ｂｏｏｋｄｖｄｍｕｓｉｃｂｏｏｋｄｖｄｍｕｓｉｃｂｏｏｋｄｖｄｍｕｓｉｃ４０００４０００４０００２０００２０００２０００１０００１０００１０００测试集／条４０００４０００４０００４０００４０００４０００４０００４０００４０００ η ／％ ηＰ／％８３．１０８３．８５８２．７０７６．４５７６．５０７６．２０６９．６５７０．１０７０．３５８４．００８４．４０８１．１０７５．１０７７．１５７６．３５６７．３０７１．８５７２．１０ ηＮ／％８２．２０８３．３０８４．３０７７．８０７５．８５７６．０５７２．００６８．３５６８．６０ｔｏｔ由表３可知：训练集数据的大小对实验结果影响很大，当训练集的数量减小时，测试准确度降低；同时，积极和消极２个子数据集的准确度在整个测试集准确度的合理范围内波动，其准确度的主要影响因素是数据集的质量，说明网络处于一个相对稳定的状态．３结束语针对跨语言文本情感分类任务，提出一种基于对抗长短时记忆网络的跨语言情感分类方法．通过设置独立的特征提取网络和共享的特征提取网络，获取到双语各自的独立特征和共享特征．同时，设置语言分类器，通过对抗训练使源语言特征和目标语言特征在空间分布上尽可能接近，以获得双语的不变特征．较之以前的研究方法，这种方法既保留了双语各自的特征，又获得了双语之间的不变特征，加强了双语之间的交互学习，减小了语义鸿沟，达到了较好的迁移效果．实验结果也证明了此方法的有效性．参考文献：［１］ＮＡＫＯＶＰ，ＲＩＴＴＥＲＡ，ＲＯＳＥＮＴＨＡＬＳ，犲狋犪犾．ＳｅｍＥｖａｌ２０１６ｔａｓｋ４：Ｓｅｎｔｉｍｅｎｔａｎａｌｓｉｓｉｎｔｗｉｔｔｅｒ［Ｃ］∥Ｉｎｔｅｒｎａ  ? ｙｔｉｏｎａｌＷｏｒｋｓｈｏｐｏｎＳｅｍａｎｔｉｃＥｖａｌｕａｔｉｏｎ．ＳａｎＤｉｅｇｏ：［ｓ．ｎ．］，２０１６：１１８．ＤＯＩ：１０．１８６５３／ｖ１／Ｓ１６１００１． ? ? ［２］ＷＡＮＸｉａｏｕｎ．ＵｓｉｎｇｂｉｌｉｎｇｕａｌｋｎｏｗｌｅｄｇｅａｎｄｅｎｓｅｍｂｌｅｔｅｃｈｎｉｓｆｏｒｕｎｓｕｐｅｒｖｉｓｅｄＣｈｉｎｅｓｅｓｅｎｔｉｍｅｎｔａｎａｌｓｉｓｊｑｕｅｙ［Ｃ］∥ＣｏｎｆｅｒｅｎｃｅｏｎＥｍｐｉｒｉｃａｌＭｅｔｈｏｄｓｉｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ．Ｈａｗａｉｉ：ＤＢＬＰ，２００８：５５３?５６１．ＤＯＩ：１０．３１１５／１６１３７１５．１６１３７８３．［３］ＷＡＮＸｉａｏｕｎ．Ｃｏｔｒａｉｎｉｎｇｆｏｒｃｒｏｓｓｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］∥ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅ ? ? ｊ４７ｔｈＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＡＣＬａｎｄｔｈｅ４ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｏｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇｏｆｔｈｅ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２５６２０１９年ＡＦＮＬＰ．Ｓｉｎｇａｐｏｒｅ：ＤＢＬＰ，２００９：２３５２４３．ＤＯＩ：１０．３１１５／１６８７８７８．１６８７９１３． ? ［４］ＬＵＢｉｎ，ＴＡＮＣｈｅｎｈａｏ，ＣＡＲＤＩＥＣ，犲狋犪犾．Ｊｏｉｎｔｂｉｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｕｎｌａｂｅｌｅｄｐａｒａｌｌｅｌｃｏｒｒａｐｏ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ４９ｔｈＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ：ＨｕｍａｎＬａｎｇｕａｇｅＴｅｃｈｎｏｌｏｇｉｅｓ．Ｏｒｅｇｏｎ：ＤＢＬＰ，２０１１：３２０３３０． ? ［５］ＴＡＮＧＸｕｅｗｅｉ，ＷＡＮＸｉａｏｕｎ．Ｌｅａｒｎｉｎｇｂｉｌｉｎｇｕａｌｅｍｂｅｄｄｉｎｇｍｏｄｅｌｆｏｒｃｒｏｓｓｌａｎｇｕａｇｅｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］∥ ? ｊＩＥＥＥ／ＷＩＣ／ＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｓｏｎＷｅｂＩｎｔｅｌｌｉｅ（ＷＩ）ａｎｄＩｎｔｅｌｌｉｔＡｇｅｎｔＴｅｃｈｎｏｌｏｇｉｅｓｇｅｎｃｇｅｎ（ＩＡＴ）．Ｗａｒｓａｗ：ＩＥＥＥＰｒｅｓｓ，２０１４：１３４１４１．ＤＯＩ：１０．１１０９／ＷＩＩＡＴ．２０１４．９０． ? ? ［６］方圆．跨语言文本情感分类技术研究［Ｄ］．厦门：华侨大学，２０１５．［７］ＺＨＯＵＨｕｉｗｅｉ，ＣＨＥＮＬｏｎｇ，ＳＨＩＦｕｌｉｎ，犲狋犪犾．Ｌｅａｒｎｉｎｇｂｉｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｗｏｒｄｅｍｂｅｄｄｉｎｇｓｆｏｒｃｒｏｓｓｌａｎｇｕａｇｅ ? ｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ５３ｒｄＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓ  ｓ．ｎ．］，２０１５：４３０４４０．ＤＯＩ：ｔｉｃｓａｎｄｔｈｅ７ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｏｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ．Ｂｅｉｉｎｇ：［ ? ｊ１０．３１１５／ｖ１／Ｐ１５１０４２． ? ［８］ＺＨＯＵＨｕｉｗｅｉ，ＹＡＮＧＹｕｎｌｏｎｇ，ＬＩＵＺｈｕａｎｇ，犲狋犪犾．Ｊｏｉｎｔｌｅａｒｎｉｎｇｂｉｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔａｎｄｓｅｍａｎｔｉｃｒｅｐｒｅｓｅｎｔａ  ｙｌｔｉｏｎｓｆｏｒｃｒｏｓｓｌａｎｇｕａｇｅｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］∥ＣｈｉｎａＣｏｎｆｅｒｅｎｃｅｏｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ．Ｓｈａｎｇｈａｉ：Ｓｐｒｉｎｇ  ? ｅｒ，２０１７：１４９１６０．ＤＯＩ：１０．１００７／９７８３３１９６８６９９８＿１２． ? ? ? ? ? ［９］ＺＨＯＵＸｉｎｉｅ，ＷＡＮＸｉａｏｕｎ，ＸＩＡＯＪｉａｎｇｇｕｏ．ＡｔｔｅｎｔｉｏｎｓｅｄＬＳＴＭｎｅｔｗｏｒｋｆｏｒｃｒｏｓｓｌｉｎｇｕａｌｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａ  ?ｂａ ? ｊｊＣ］∥ＣｏｎｆｅｒｅｎｃｅｏｎＥｍｐｉｒｉｃａｌＭｅｔｈｏｄｓｉｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ．Ａｕｓｔｉｎ：ＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌｔｉｏｎ［Ｌｉｎｇｕｉｓｔｉｃｓ，２０１６：２４７２５６．ＤＯＩ：１０．１８６５３／ｖ１／Ｄ１６１０２４． ? ? ［１０］ＢＥＮ?ＤＡＶＩＤＳ，ＢＬＩＴＺＥＲＪ，ＣＲＡＭＭＥＲＫ，犲狋犪犾．Ａｎａｌｓｉｓｏｆｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｆｏｒｄｏｍａｉｎａｄａｐｔａｔｉｏｎ［Ｃ］∥Ｉｎｔｅｒｎａ  ｙｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ．Ｖａｎｃｏｕｖｅｒ：ＤＢＬＰ，２００６：１３７１４４． ? ［１１］ＧＯＯＤＦＥＬＬＯＷＩ，ＰＯＵＧＥＴ?ＡＢＡＤＩＥＪ，ＭＩＲＺＡＭ，犲狋犪犾．Ｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｓ［Ｃ］∥ＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ．Ｍｏｎｔｒｅａｌ：ＭＩＴＰｒｅｓｓ，２０１４：２６７２２６８０． ? ［１２］ＧＡＮＩＮＹ，ＬＥＭＰＩＴＳＫＹＶ．Ｕｎｓｕｐｅｒｖｉｓｅｄｄｏｍａｉｎａｄａｐｔａｔｉｏｎｂｙｂａｃｋｐｒｏｐａｇａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３２ｎｄａｒＸｉｖ，２０１４：１１８０１１８９．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．Ｌｉｌｌｅ： ? ［１３］ＰＥＮＮＩＮＧＴＯＮＪ，ＳＯＣＨＥＲＲ，ＭＡＮＮＩＮＧＣ．ＧｌｏＶｅ：Ｇｌｏｂａｌｖｅｃｔｏｒｓｆｏｒｗｏｒｄｒｅｐｒｅｓｅｎｔａｔｉｏｎ［Ｃ］∥Ｃｏｎｆｅｒｅｎｃｅｏｎｓ．ｎ．］，２０１４：１５３２１５４３．ＤＯＩ：１０．３１１５／ｖ１／Ｄ１４１１６２．ＥｍｐｉｒｉｃｉａｌＭｅｔｈｏｄｓｉｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ．Ｄｏｈａ：［ ? ? ［１４］ＴＡＩＫＳ，ＳＯＣＨＥＲＲ，ＭＡＮＮＩＮＧＣＤ．Ｉｍｐｒｏｖｅｄｓｅｍａｎｔｉｃｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｆｒｏｍｔｒｅｅｓｔｒｕｃｔｕｒｅｄｌｏｎｇｓｈｏｒｔｔｅｒｍ ? ? Ｊ］．ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，２０１５，５（１）：３６．ＤＯＩ：１０．３１１５／ｖ１／Ｐ１５１１５０．ｍｅｍｏｒｔｗｏｒｋｓ［ ? ｙｎｅ［１５］ＩＹＥＲＡ，ＮＡＴＨＳ，ＳＡＲＡＷＡＧＩＳ．Ｍａｘｉｍｕｍｍｅａｎｄｉｓｃｒｅｐａｎｃｙｆｏｒｃｌａｓｓｒａｔｉｏｅｓｔｉｍａｔｉｏｎ：Ｃｏｎｖｅｒｅｂｏｕｎｄｓｇｅｎｃａｎｄｋｅｒｎｅｌｓｅｌｅｃｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３１ｓｔＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．Ｂｅｉｉｎｇ：ＪＭＬＲｊｏｒ２０１４：１５３０． ? ｇ，［１６］ＧＡＮＩＮＹ，ＵＳＴＩＮＯＶＡＥ，ＡＪＡＫＡＮＨ，犲狋犪犾．Ｄｏｍａｉｎａｄｖｅｒｓａｒｉａｌｔｒａｉｎｉｎｇｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａ  ? ｃｈｉｎｅＬｅａｒｎｉｎｇＲｅｓｅａｒｃｈ，２０１６，１７（１）：２０９６２０３０．ＤＯＩ：１０．１００７／９７８３３１９５８３４７１＿１０． ? ? ? ? ? （责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０８０３４ ? 集聚扩散视角下福建省高新技术产业时空转移及其影响因子分析涂平，赵唯为，梁娟珠（福州大学福建省空间信息工程研究中心，福建福州３５０００３）摘要：以福建省市、县（区）为研究区域，在脱钩理论的基础上，结合区位熵和脱钩指数构建产业集聚扩散判定条件，对２００５－２０１５年福建省高新技术产业时空转移进行实证研究．研究结果表明：２００５－２０１０年产业集聚地区分布较为均匀，产业扩散地沿海呈阶梯状分布，２０１０－２０１５年高新技术产业沿福厦铁路、鹰厦铁路扩散，内陆地区产业集聚高于东部沿海；２００５－２０１５年福建省东部沿海地区产业转出现象明显，内陆非鹰厦铁路沿线地区适合承接产业转移且空间分布较为均匀；高新技术产业要素投入、政府政策、产业结构、人力资本等对产业转移存在显著影响作用．关键词：高新技术产业；产业转移；产业集聚；时空分析；脱钩理论；福建省中图分类号：Ｏ２１２（５７）；Ｆ１２９．９（５７）文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２５７０７ ? ? ? 犃狀犪犾狊犻狊狅犳犛狆犪犮犲犻犿犲犜狉犪狀狊犳犲狉犪狀犱犐狀犳犾狌犲狀犮犲犉犪犮狋狅狉狊狅犳 ?犜狔犎犻犮犺犐狀犱狌狊狋狉狀犉狌犻犪狀犘狉狅狏犻狀犮犲犉狉狅犿 ?犜犲犵犺狔犻犼犘犲狉狊犮狋犻狏犲狅犳犃犵犾狅犿犲狉犪狋犻狅狀犪狀犱犇犻犳犳狌狊犻狅狀狆犲犵ＴＵＰｉｎｇ，ＺＨＡＯＷｅｉｗｅｉ，ＬＩＡＮＧＪｕａｎｚｈｕ（ＳｐａｔｉａｌＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｒｒｉｎｇＲｅａｓｅａｒｃｈＣｅｎｔｒｅｏｆＦｕｉａｎＰｒｏｖｉｎｃｅ，ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｉｎａ）ｊｙ，Ｆｕｚｈｏｕ３５０００３，Ｃｈ犃犫狊狋狉犪犮狋：Ｔａｋｉｎｇｃｉｔｉｅｓ，ｃｏｕｎｔｉｅｓ（ｄｉｓｔｒｉｃｔｓ）ｏｆＦｕｉａｎＰｒｏｖｉｎｃｅａｓｔｈｅｓｔｕｄｙａｒｅａ，ｂａｓｅｄｏｎｄｅｃｏｕｐｌｉｎｇｊｔｈｅｒｏｙ，ｃｏｍｂｉｎｉｎｇｌｏｃａｔｉｏｎｅｎｔｒｏｐｙｗｉｔｈｄｅｃｏｕｐｉｎｇｉｎｄｅｘｔｏｃｏｎｓｔｒｕｃｔｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆｉｎｄｕｓｔｒｉａｌａｇｇｌｏｍｅｒａｔｉｏｎａｎｄｅｘｐａｎｓｉｏｎ，ａｎｅｍｐｉｒｉｃａｌｓｔｕｄｙｏｎｔｈｅｓｐａｃｅｔｉｍｅｔｒａｎｓｆｅｒｏｆＦｕｉａｎ ′ ｓｈｉｔｅｃｈｉｎｄｕｓｔｒｓｃａｒｒｉｅｄｏｕｔｂｅ  ? ? ｊｇｈｙｗａｔｗｅｅｎ２００５ａｎｄ２０１５．Ｔｈｅｒｅｓｕｌｔｓｗｅｒｅａｓｆｏｌｌｏｗｓ：ｆｒｏｍ２００５ｔｏ２０１０，ｔｈｅｉｎｄｕｓｔｒｉａｌａｇｇｌｏｍｅｒａｔｉｏｎｄｉｓｔｒｉｂｕ  ｔｉｏｎｗａｓｍｏｒｅｕｎｉｆｏｒｍ，ａｎｄｔｈｅｉｎｄｕｓｔｒｉａｌｄｉｆｆｕｓｉｏｎａｒｅａｓｗｅｒｅｌａｄｄｅｒｓａｌｏｎｇｔｈｅｓｅａ．Ｆｒｏｍ２０１０ｔｏ２０１５，ｔｈｅｈｉｔｅｃｈｉｎｄｕｓｔｒｉａｌｓｐｒｅａｄｅｄａｌｏｎｇｔｈｅＦｕｚｈｏｕａｍｅｎＲａｉｌｗａｙａｎｄｔｈｅＹｉｎｇｔａｎａｍｅｎＲａｉｌｗａｙ，ａｎｄｔｈｅａｇ  ? ?Ｘｉ ?Ｘｉｇｈｌｏｍｅｒａｔｉｏｎｉｎｌａｎｄｌｏｃｋｅｄａｒｅａｓｗａｓｈｉｒｔｈａｎｅａｓｔｅｒｎｃｏｓｔａｌｄｉｓｔｒｉｃｔｓ．Ｆｒｏｍ２００５ｔｏ２０１５，ｔｈｅｐｈｅｎｏｍｅｎｏｎｇｇｈｅｔｅｃｈｉｎｄｕｓｔｒｉａｌｔｒａｎｓｆｅｒｏｕｔｔｈｅｅａｓｔｅｒｎｄｉｓｔｒｉｃｔｓｏｆＦｕｉａｎＰｒｏｖｉｎｃｅｗａｓｏｂｖｉｏｕｓ，ａｎｄｔｈｅｌａｎｄｌｏｃｋｅｄａｒｅ  ｏｆｈｉ ? ｊｇｈａｓａｌｏｎｇｎｏｎｎｇｔａｎａｍｅｎＲａｉｌｗａｙｗｅｒｅｓｕｉｔａｂｌｅｆｏｒｈｉｔｅｃｈｉｎｄｕｓｔｒｉａｌｔｒａｎｓｆｅｒａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｉｓ ?Ｙｉ ?Ｘｉ ? ｇｈｒｎｍｅｎｔｐｏｌｉｃｙ，ｉｍｏｒｅｕｎｉｆｏｒｍ．Ｈｉｔｅｃｈｉｎｄｕｓｔｒａｃｔｏｒｉｎｐｕｔ，ｇｏｖｅｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅ，ｈｕｍａｎｃａｐｔｉａｌｈａｖｅａ ? ｇｈｙｆｓｉｉｆｉｃａｎｔｉｍｐａｃｔｏｎｉｎｄｕｓｔｒｉａｌｔｒａｎｓｆｅｒ．ｇｎ犓犲狉犱狊：ｈｉｔｅｃｈｉｎｄｕｓｔｒｎｄｕｓｔｒｉａｌｔｒａｎｓｆｅｒ；ｉｎｄｕｓｔｒｉａｌａｇｇｌｏｍｅｒａｔｉｏｎ；ｓｐａｃｅｔｉｍｅａｎａｌｓｉｓ；ｄｅｃｏｕｐｌｉｎｇ ? ? ｇｈｙ；ｉｙ狔狑狅ｔｈｅｒｏｙ；ＦｕｉａｎＰｒｏｖｉｎｃｅｊ收稿日期：２０１８０８２９ ? ? 通信作者：涂平（１９７３Ｅｉｌ：ｔｕｐｉｎｇ＠２６３．ｎｅｔ． ?），男，副研究员，主要从事电子政务信息共享、地理信息系统的研究． ?ｍａ基金项目：国家科技支撑计划项目（２０１３ＢＡＣ０８Ｂ０２）华侨大学学报（自然科学版）２５８２０１９年随着全球化分工不断加深，新一轮的产业转移已不再是单个企业的空间转移，而是逐渐表现为多个企业抱团转移的模式［１］，即集聚扩散式转移．作为知识、技术和资本密集型的高新技术产业，具有高风险、高投入和高集聚的特性，往往布局在最佳区位以求降低企业运营成本与研发风险［２］．高新技术产业集聚产生行业规模效应，减少企业合作交流成本，降低创新风险［３?４］，促进区域共享经济的发展．现有的对高新技术产业转移的研究主要集中在以下３个方面：１）不同地理尺度下，研究高新技术产业空间布局、影响因素、规律等［５?７］，而对市、县（区）尺度下产业转移研究很少触及；２）从高新技术企业区位选择的角度，分析产业集聚变动［８?９］，不能揭示区域内产业空间变动及区域之间的相互影响；３）分析高新技术产业转移过程中伴随的其他现象［１０?１１］，未能正视高新技术产业作为整体的时空转移特点及集群之间的相互影响．本文以福建省各市、县（区）为研究对象，结合区位熵和脱钩指数构建产业转移判定标准，探究福建省高新技术产业时空转移特征及影响因素．１数据来源及研究方法１．１研究方法产业静态聚集指数，即区位熵，是衡量产业专业化发展的常用指标，可以测度特定地区产业集中和专业化程度［１２］，其公式为狀狇犻，犼／（∑狇犻，犼）犻＝１ＬＱ犻，犼＝．狀／（）犙犻 ∑犙犻（１）犻＝１式（１）中：犙犻为犻地区的国民生产总值，ＬＱ犻，犼值越大，表示产业集聚狇犻，犼为犻地区犼产业总产值或增加值；程度越高，产业专业化优势越明显．脱钩理论源自于物理学领域，指两个或以上物理变量之间的相互关系不再存在［１３］．经济合作与发展组织（ＯＥＣＤ）和世界银行将“脱钩”概念引进到农业和资源环境领域，逐渐完善了脱钩理论体系．脱钩理论主要用于研究某一时间段内，环境污染与经济增长之间的关系，当经济增长速度明显快于环境污染和资源消耗速度，称为“脱钩”，即经济增长对资源环境的依赖程度降低、发展状况良好．Ｔａｐｉｏ分析欧洲经济增长、交通通行量及ＣＯ２排放量之间的弹性关系［１４］，提出Ｔａｐｉｏ脱钩指数，避免时间段基期选择的影响，消除量纲对最终结果的影响，计算结果稳定且精度较高．受陈景新等［１４］将脱钩理论运用到产业转移定量测度研究的启发［１５?１６］，借鉴Ｔａｐｉｏ的弹性分析方法［１７］，从产业动态聚集角度出发，构建了产业动态脱钩指数，公式为狋狉ｔ犞犻，ｅ／犞犻，ｓ－１ＤＡｔｐ＝ｐ＝狋狀槡．狀犚ｔｐ ∑犞犻，ｅ／∑犞犻，ｓ－１槡犻＝１（２）犻＝１式（２）中：ＤＡｔｐ为犻产业在ｔ狉ｔｐ为ｔ犚ｔｐ为ｔｐ时期脱钩指数；ｐ时期地区犻产业平均增长速度；ｐ时期全省犻狀狀产业平均增长速度；犞犻，ｓ，犞犻，ｅ分别为ｔｐ时期开始时和结束时某地区犻产业增加值；∑犞犻，ｓ，∑犞犻，ｅ分别犻＝１犻＝１为ｔ狀为全省市、县（区）数量；狋为间隔年数．ｐ时期开始和结束时全省犻产业增加值，静态聚集指数可以衡量地区产业专业化优势，直观反映地区高新技术产业相对于全省专业化程度，脱钩指数弥补了区位熵对产业动态检测的不足，表现了特定时间段内产业集聚速度变化．１．２数据来源及研究区域的设定福建省市、县（区）高新技术产业统计数据来自２００５－２０１５年《福建省高新技术产业发展研究报告》，包括各地区高新技术产业增加值、从业人员、企业数量等；基础地理数据（不包括金门县）来自１∶ １００万全国基础地理数据库（ｈｔｔｗｅｂｍａｐ．ｃｎ／ｍａｉｎ．ｄｏ？ｍｅｔｈｏｄ＝ｉｎｄｅｘ）；国民生产总值来自ｐ：∥ｗｗｗ．２００５－２０１５年《福建省统计年鉴》．文中以５年为一个时间段，共分为两个时期，即犜１（２００５－２０１０），犜２（２０１０－２０１５）．研究单元按照福建省统计局行政区划分标准，将各个市辖区合并为同一个研究单元，其他县和县级市不变．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期涂平，等：集聚扩散视角下福建省高新技术产业时空转移及其影响因子分析２５９在产业脱钩指数基础之上，结合产业区位熵，总结出了产业集聚和扩散判定标准，如表１所示．表１基于脱钩产业理论的产业聚集和扩散判断条件Ｔａｂ．１Ｊｕｄｇｉｎｇｃｏｎｄｉｔｉｏｎｓｏｆｉｎｄｕｓｔｒｉａｌａｇｇｒｅｇａｔｉｏｎａｎｄｄｉｆｆｕｓｉｏｎｂａｓｅｄｏｎｄｅｃｏｕｐｌｉｎｇｉｎｄｕｓｔｒｈｅｏｒｙｔｙ趋势状态扩张集聚产业集聚衰退（负脱钩）集聚判断条件狉ｔｐ＞０，ＤＡｔｐ＞１，ＬＱ犻，犼＞１ Ⅰ 型犚ｔｐ＞０，狉ｔｐ＞０，ＤＡｔｐ＞１，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＞０，强集聚狉ｔｐ＞０，ＤＡｔｐ＜０，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＜０，产业扩散强衰退（脱钩）衰退扩散转移策略某产业在某地和全省均处于增长阶段，优先产业集聚但在该地区的增长速度高于全省水平，表明高新技术产业向该地区转移，逐步产业集聚且 Ⅰ 型的专业化高于 Ⅱ 狉ｔｐ＜０，０＜ＤＡｔｐ ≤１，ＬＱ犻，犼＞１某产业在某地和全省均处于衰退阶段，优先产业转移 Ⅰ 型犚ｔｐ＜０，但该地的衰退速度低于全省的衰退速度，某产业在该地相对集中，逐步产业集聚狉ｔｐ＜０，０＜ＤＡｔｐ ≤１，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＜０， Ⅰ 型的专业化高于 Ⅱ 型狉ｔｐ＞０，ＤＡｔｐ＜０，ＬＱ犻，犼＞１ Ⅰ 型犚ｔｐ＜０，弱扩散特征某产业在某地和全省均处于衰退状态，优先产业集聚但该地产业处于增长阶段，表明某产业在该地绝对聚集，逐步产业集聚 Ⅰ 型的专业化强于 Ⅱ 型狉ｔｐ＞０，０＜ＤＡｔｐ ≤１，ＬＱ犻，犼＞１某产业在某地和全省均处于成长阶段，逐步产业转移 Ⅰ 型犚ｔｐ＞０，但该地的增速低于全省水平，某产业在该地处于衰退阶段，优先产业转移狉ｔｐ＞０，０＜ＤＡｔｐ ≤１，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＞０，且 Ⅰ 型的专业化高于 Ⅱ 型狉ｔｐ＜０，ＤＡｔｐ＜０，ＬＱ犻，犼＞１ Ⅰ 型犚ｔｐ＞０，狉ｔｐ＜０，ＤＡｔｐ＜０，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＞０，狉ｔｐ＜０，ＤＡｔｐ＞１，ＬＱ犻，犼＞１ Ⅰ 型犚ｔｐ＜０，狉ｔｐ＜０，ＤＡｔｐ＞１，ＬＱ犻，犼＜１ Ⅱ 型犚ｔｐ＜０，某产业在全省增速处于成长阶段，在该地区呈现绝对衰退，且 Ⅰ 型的专业化高于 Ⅱ 型逐步产业转移优先产业转移某产业在该地和全省均处于衰退阶段，逐步产业转移但该地的衰退速度高于全省的衰退速度，表明某产业从该地向外扩散，优先产业转移且 Ⅰ 型的专业化高于 Ⅱ 型２高新技术产业时空集聚扩散转移规律分析２．１区域专业化优势和产业增加速度变化由福建省犜１和犜２时期内高新技术产业区位熵分析可知：犜１时期，东部沿海高新技术产业发展水平高于中西部地区，非沿海市、县（区）中除上杭外，其他地区的区位熵小于１，高新技术产业发展落后，说明在犜１时期，福建省高新技术产业沿海发展速度较快，内陆落后地区产业发展速较慢；犜２时期，东部沿海高新技术产业集聚规模进一步扩大，其中，泉州市区、晋江、长乐等地产业集聚规模明显扩大；非沿海其他地区中，专业化优势明显的地区集中于鹰夏铁路沿线．从犜１，犜２区位熵变动上看：区位熵下降地区主要分布在龙厦铁路沿线，福州市区，莆田，福清及内陆个别市（区）、县，如建宁、泰宁、建阳等地，东南沿海与闽江口地区经济普遍较发达［１８］，产业向周边地区转移较易；区位熵增加的地区主要集中在福建省中西部、北部经济欠发达的地区及漳州市南部部分地区．通过空间分布格局分析可知：高新技术产业专业化优势地区主要集中在鹰厦铁路沿线及东部沿海等地区，呈现“点?轴”的空间模式，以福州、厦门为核心，沿海、沿鹰厦铁路分布；从区位熵变化上看，厦门、福州、莆田等地的区位熵呈现下降的趋势，内陆市、县（区）区位熵逐年提高，高新技术产业可能向内陆地区发生了转移．犜１，犜２期间福建省高新技术产业在各地区的增长走势各异．犜１时期，产业发展速度较快的地区主要集中在经济欠发达市、县（区），其中，连江、平潭、连成、漳浦、政和、清流、大田等地高新技术产业从无到有，产业增加迅速；在闽粤两省交界处及福州、南平等市区周边地区，产业发展速度较快，可能这些地区接收了其他地区转移的高新技术产业；厦门、福州等地产业增加速度减缓，产业开始逐步向外扩散转移，快速向周边及中西部转移．犜２时期，产业增加速度减缓的市、县（区）集中在东部沿海及中西部经济发达地区，区域中心城市高新技术产业发展逐渐饱和，开始向外扩散转移；福建省西北部、漳州市南部等地产业发展速度较快且高于全省平均水平．２．２福建省高新技术产业时空转移犜１，犜２两个时期内高新技术产业集聚扩散状态，如图１所示．犜１时期内，产业扩散地区主要集中在犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２６０２０１９年闽南三角地区、闽江口地区及仙游、德化、霞浦等地，产业集聚市、县（区）空间分布均匀，主要在福建省内陆及沿海经济欠发达地区．犜２时期，产业扩散类型的地区主要集中于东部沿海经济发达地区，内陆地区的上杭、南平市区、三明等地由于历史上“小三线”建设形成了工业设施使这些地区高新技术产业发展情况良好［１９］，并向周边地区扩散．（ａ）２００５－２０１０年（ｂ）２０１０－２０１５年图１福建省高新技术产业集聚扩散状态Ｆｉ１ＡｇｇｌｏｍｅｒａｔｉｏｎａｎｄｄｉｆｆｕｓｉｏｎｓｔａｔｅｏｆｈｉｔｅｃｈｉｎｄｕｓｔｒｉｎＦｕｉａＰｒｏｖｉｎｃｅ ? ｇ．ｇｈｙｊ犜１，犜２时期内高新技术产业转移策略差异较大，如图２所示．（ａ）２００５－２０１０年（ｂ）２０１０－２０１５年图２福建省高新技术产业转移策略Ｆｉ２ＴｒａｎｓｉｔｉｏｎｓｔｒａｔｅｇｙｏｆｈｉｔｅｃｈｉｎｄｕｓｔｒｎＦｕｉａｎＰｒｏｖｉｎｃｅ ? ｇ．ｇｈｙｉｊ由图２可知以下２点．１）犜１时期，表２２００５－２０１５年产业转移过程中产业类型变动次数表龙海、仙游、德化、长乐、古田、霞浦、寿Ｔａｂ．２Ｃｈａｎｇｅｎｕｍｂｅｒｓｏｆｔｈｅｉｎｄｕｓｔｒｓｉｎｔｈｅｙｔｙｐｅ宁、建宁、将乐等地区产业专业化程度ｒｏｃｅｓｓｏｆｔｈｅｉｎｄｕｓｔｒｒａｎｓｆｅｒ，２００５－２０１５ｐｙｔ低、增长速度慢，已经成为衰退的产业部产业类型门，应该优先向周围或产业发展环境相对较好的地区转移；厦门、福州市区、福清、南靖等地产业发展环境好，但增长速集聚式转入产业度低于全省平均速度，交通、人力资本等生产成本逐年增高，一些劳动密集型的传统高新技术制造业应逐渐向其他地区一般产业转入转移；闽侯、漳州市区高新技术产业发展速度快，与产业发达地区邻近，产业基础衰退式转出产业设施好，适合优先接收转出的产业．２）与犜１时期相比，犜２时期高新技术产业处于衰退状态的地区有所增多，从原来扩散式转出产业产业状态变动弱扩散 Ⅱ 型 → 扩张集聚 Ⅰ 型次数／概率１／０．０１５弱扩散 Ⅱ 型 → 扩张集聚 Ⅱ 型３／０．０４５弱扩散 Ⅰ 型 → 扩张集聚 Ⅱ 型１／０．０１５强衰退 Ⅱ 型 → 扩张集聚 Ⅱ 型２／０．０３０扩张集聚 Ⅱ 型 → 扩张集聚 Ⅰ 型扩张集聚 Ⅰ 型 → 扩张集聚 Ⅰ 型２／０．０３０３／０．０４５扩张集聚 Ⅱ 型 → 扩张集聚 Ⅱ 型扩张集聚 Ⅱ 型 → 弱扩散 Ⅱ 型７／０．１０４４／０．０６扩张集聚 Ⅱ 型 → 弱扩散 Ⅰ 型１／０．０１５扩张集聚 Ⅰ 型 → 弱扩散 Ⅰ 型０３０２／０．扩张集聚 Ⅱ 型 → 强衰退 Ⅱ 型弱扩散 Ⅰ 型 → 弱扩散 Ⅰ 型３／０．０４５３／０．０４５弱扩散 Ⅱ 型 → 弱扩散 Ⅱ 型７／０．１０４的１３个增加到了２０个，空间分布以沿福厦铁路、鹰厦铁路为主，多为工业基础较好、经济发达的地区，这些地区的高新技术产业逐渐饱和，开犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期涂平，等：集聚扩散视角下福建省高新技术产业时空转移及其影响因子分析２６１始向周边及其他地区扩散转移，其中，龙岩市区、永定、明溪、建瓯、古田、莆田市区等与周边及其他地区相比高新技术产业发展较为缓慢，产业转移策略从产业转入变为优先产业转出；建宁、将乐、仙游、柘荣、霞浦等产业转策略从产业转出地转变为产业承接地．产业布局包括在已有的良好产业基础上继续吸引其他同类产业以扩大规模，也包括将本地发展成熟的产业转移到条件相对较好的地区继续发展［２０］．福建省高新技术产业２００５－２０１５年转移策略变化，如图３所示．由图３可知：扩散式转出主要分布在东部沿海发达城市，如厦门、龙海、福州市区等，衰退式转出产业地区包括龙岩、三明、南平等市区和沿海的南安、晋江、石狮、莆田市区等地．３高新技术产业集聚扩散转移影响因素分析３．１评价指标设计传统产业转移理论认为劳动力、国家政策、内部交易成本图３福建省高新技术产业在２００５－２０１５年转移策略变化情况Ｆｉ３Ｔｒａｎｓｉｔｉｏｎｓｔｒａｔｅｇｙｃｈａｎｇｅｓｇ．等对企业区位选择具有重要的影响，高新技术产业转移除了ｏｆｈｉｔｅｃｈｉｎｄｕｓｔｒｎ ? ｇｈｙｉＦｕｉａｎＰｒｏｖｉｎｃｅ，２００５－２０１５ｊ遵循一般产业转移理论的同时，还受到外部条件、技术创新能力、经济结构等特有因素影响．结合产业转移一般性和高新技术产业的独特性，选择要素投入、集聚效应、政策影响、市场发育指数、交通区位条件、经济结构、国际化水平、人力资本等因素为解释变量［２１?２２］，高新技术产业增加值为被解释变量，数据来自２０１０－２０１５年《福建省统计年鉴》、各地区国民经济统计公报、《中国县域经济统计年鉴》．选取指标，如表３所示．表３主要指标、指标含义和数据来源Ｔａｂ．３Ｍａｉｎｉｎｄｉｃａｔｏｒｓ，ｉｎｄｉｃａｔｏｒｓａｎｄｓｏｕｒｃｅｓ指标指标含义数据来源要素投入高新技术产业增加值（亿元）（ｖａｌｕｅ）（取对数）高新技术产业企业数量（个）（ｃｏｍｐ）（取对数）高新技术产业从业人员（个）（ｅｍｐ）（取对数）《福建省高新技术产业发展研究报告》集聚效应区位熵（ＬＱ）上文计算所得政策影响企业所得税（万元）（ｔａｘ）（取对数）科学技术和教育支出（万元）（ｓｉｃ?ｏｕｔ）（取对数）金融机构贷款（亿元）（ｌｏａｄ）（取对数）《福建省统计年鉴》《福建省统计年鉴》《中国县域经济统计年鉴》市场发育度ＧＤＰ密度与人口密度的平方根（ｍａｒｋ?ｉｎｄ）《福建省统计年鉴》交通区位条件《福建省统计年鉴》经济结构单位面积公路通车里程（ｋｍ·ｋｍ－２）（ｒｏａｄ?ｄｅｎ）第二和第三产业占ＧＤＰ的比重（ｒｏｐ）ｐ《福建省统计年鉴》国际化水平实际利用外资（万美元）（ｃａｐｔｉａｌ）（取对数）《各地区国民经济和社会发展报告》人力资本在岗职工平均工资（元）（ｗａｇｅｓ）（取对数）《福建省统计年鉴》３．２高新技术产业转移影响因素回归分析对模型 Ⅰ～模型 Ⅶ 做Ｈａｕｓｍａｎ检验，其中，犘值均为０．００，小于０．０５，所以选择固定效应面板数据回归分析，如表４所示．表４中：变量系数括号内的数据是狋统计量；上标“ ”“ ”“ ”分别表示在１０％，５％，１％的置信水平下有统计学意义；Ｗｉｔｈｉｎ犚２为模型对被解释变量变动的解释程度；犖为数据的个数；犉为检验值．为了验证高新技术产业转移影响因素，加入高新技术产业从业人员和高新技术企业数量，以考察要素投入对高新技术产业转移的影响．由表４可知：模型 Ⅰ 考察集聚效应的影响，高新技术产业的从业人员、企业数量、区位熵对高新技术产业转移具有显著正向的影响，从业人员、企业数量、区位熵每增加１％，高新技术产业增加值分别增加０．７３７％，０．９５０％，１．７２２％，说明要素投入和集聚效应能够有效地推动高新技术产业发展，促进产业在当地集聚转移；模型 Ⅱ 考察政策对高新技术产业转移的影响，企业税收、科教支出、金融机构贷款对高新技术产业转移具有显著正向影响，科教支出、金融机构贷款每增加１％，高新技术产业增加值分别增加犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２６２２０１９年０．７６７％，０．６８１％，企业税收对高新技术产业增加值影响为负且显著，企业税收每减少１％，高新技术产业产值就增加０．６８１％，可见在产业转移过程中，政府通过降低税收、提高地方科技实力、改善企业融资环境能够有效吸引科技企业入驻；模型 Ⅲ ，Ⅳ 考察市场发育度和交通区位条件对高新技产业转移的影响，市场发育指数和公路密度对高新技术产业转移没有显著影响；模型 Ⅴ 考察产业结构对高新技术产业转移的影响，第二和第三产业占ＧＤＰ比重每上升１％，高新技术产业增加值增加９．２４６％，说明工业基础和服务业相对较强的地区对承接产业转移的需求相对较强；模型 Ⅵ 考察地区国际化水平对产业转移的影响，实际直接利用外资对承接产业转移没有显著的影响；模型 Ⅶ 考察人力资本对产业转移的影响，在岗职工平均工资对高新技术产业产值影响为负，在岗职工人均工资每提高１％，高新技术产业增加值［］增加１．６６９％．在岗职工多为收入稳定的城市在职人员，随着收入水平的提高，对周边环境日益重视２３，对承接环境友好的产业高新技术产业抱有欢迎态度．表４高新技术产业转移的面板数据分析结果Ｔａｂ．４Ｐａｎｅｌｄａｔａａｎａｌｓｉｓｏｆｈｉｅｃｈｎｏｌｏｇｙｉｎｄｕｓｔｒｒａｎｓｆｅｒｙｇｈｔｙｔ参数模型 Ⅰ 模型 Ⅱ 模型 Ⅲ 模型 Ⅳ 模型 Ⅴ 模型 Ⅵ 模型 Ⅶ ｃｏｍｐ０．７３７   （１４．６５）０．４６８   （５．９７）０．７４１   （１２．７２）０．７４７   （１３．１６）０．６５５   （１０．５７）０．７４２   （１２．６６）０．４３２   （６．０２）ｅｍｐ０．９５０   （１．７７）０．２４９   （４．５０）０．２６４   （４．５８）０．２６２   （４．５６）０．２７２   （４．８０）０．２６３   （４．５７）０．２５２   （４．６５）ＬＱ１．７２２   （９．５５）ｔａｘ－０．３４７  （－２．３８）ｓｉｃ?ｏｕｔ０．７６７   （４．１３）ｌｏａｄ０．６８１  （２．４５）０．２１７（０．３３）ｍａｒｋ?ｉｎｄ０．０８３（１．０１）ｒｏａｄ?ｄｅｎ９．２４６   （０．３７）ｒｏｐｐ０．０１０（０．２４）ｃａｐｔｉａｌ控制控制控制控制控制控制１．６６９   （６．５４）控制Ｗｉｔｈｉｎ犚０．６７２０．６１８０．５８２０．５８３０．５９６０．５８２０．５９０犖４０９４０９４０９４０９４０９４０９４０９犉２２６．８３１３３．８３１５４．１９１５４．９２１６３．１６１５４．１５１５９．１１ｗａｇｅｓ个体效应２４结论借鉴了脱钩理论，综合静态聚集指数和脱钩指数，构建产业集聚扩散转移判定条件，分析了福建省２００５－２０１５年高新技术产业县域转移特征，得出以下３个结果．２００５－２０１０１）２００５－２０１５年，福建省高新技术产业在各市、县（区）内存在明显的集聚扩散现象．年，东部沿海地区产业扩散聚集类型较为复杂，中西部地区扩散集聚类型较为单一，以产业集聚为主；２０１０－２０１５年，产业扩散地区向东部沿海和鹰厦铁路聚集．２００５－２０１５年，福建省高新技术产业仍然以集聚类型为主，大范围的产业扩散还没有形成．２）高新技术产业聚集是区域产业发展中重要的经济现象，分析其时空转移的规律，有助于因地制宜的制定产业发展政策．２００５－２０１５年福建省高新技术产业衰退产业转出和扩散产业转出地主要沿福厦铁路、鹰厦铁路两条近似平行的轴线，产业转入地均匀的分布在内陆地区．３）通过对高新技术产业不同影响因素的分析，结果表明：除了要素投入因素外，集聚效应、政府政犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期涂平，等：集聚扩散视角下福建省高新技术产业时空转移及其影响因子分析２６３策、产业结构、人力资本对产业转移的影响显著．文中将重点放在高新技术产业转移特征及影响因素分析上，对于高新技术产业内部各个行业之间的联系及高新技术龙头企业对当地高新技术产业转移的影响有待下一步考证研究．参考文献：［１］刘友金，袁祖凤，周静，等．共生理论视角下产业集群式转移演进过程机理研究［Ｊ］．中国软科学，２０１２（８）：１１９１２９． ? ｉｓｓｎ．１００２ＤＯＩ：１０．３９６９／９７５３．２０１２．０８．０１１． ? ｊ．［２］刘树林，吴锡林．高新技术产业聚集的区位因素［Ｊ］．中南财经政法大学学报，２００６（６）：８３８６．ＤＯＩ：１０．３９６９／ｉｓｓｎ． ? ｊ．５２３０．２００６．０６．０１８．１００３ ? ［３］赵玉林．高技术产业经济学［Ｍ］．北京：中国经济出版社，２００４．［４］孙晓华，郭旭，王昀．产业转移、要素集聚与地区经济发展［Ｊ］．管理世界，２０１８，３４（５）：４７６２． ? ［５］刘青，李贵才，仝德，等．基于ＥＳＤＡ的深圳市高新技术企业空间格局及影响因素［Ｊ］．经济地理，２０１１，３１（６）：９２６ ? ｃｎｋｉ．ｄｌ．２０１１．０６．００８９３３．ＤＯＩ：１０．１５９５７／ｊ．ｊｊ［６］雷勋平，ＱＩＵＲ．高新技术产业发展演化规律及空间布局［Ｊ］．社会科学家，２０１５，５（１０）：７６８０．ＤＯＩ：１０．３９６９／ｉｓｓｎ． ? ｊ．１００２３２４０．２０１５．１０．０１５． ? ［７］倪卫红，董敏，胡汉辉．对区域性高新技术产业集聚规律的理论分析［Ｊ］．中国软科学杂志，２００３（１１）：１４１１４５．ＤＯＩ： ? １０．３９６９／ｉｓｓｎ．１００２９７５３．２００３．１１．０２７． ? ｊ．［８］ＤＥＶＥＲＥＵＸＭ，ＧＲＩＦＦＩＴＨＲ，ＳＩＭＰＳＯＮＨ．ＴｈｅｇｅｏｇｒａｐｈｉｃｄｉｓｔｒｉｂｕｔｉｏｎｏｆｐｒｏｄｕｃｔｉｏｎａｃｔｉｖｉｔｎｔｈｅＵＫ［Ｊ］．Ｒｅ  ｙｉｉｏｎａｌＳｃｉｅｎｃｅａｎｄＵｒｂａｎＥｃｏｎｏｍｉｃｓ，２００４，３４（５）：５３３５６４．ＤＯＩ：１０．１０１６／Ｓ０１６６０４６２（０３）０００７３５． ? ? ? ｇ［９］ＺＨＥＮＧＤＡＮ，ＫＵＲＯＤＡＴ．ＴｈｅｉｍｐａｃｔｏｆｅｃｏｎｏｍｉｃｐｏｌｉｃｙｏｎｉｎｄｕｓｔｒｉａｌｓｐｅｃｉａｌｉｚａｔｉｏｎａｎｄｒｅｇｉｏｎａｌｃｏｎｃｅｎｔｒａｔｉｏｎｏｆＣｈｉｎａ ′ ｓｈｉｔｅｃｈｉｎｄｕｓｔｒｉｅｓ［Ｊ］．ＡｎｎａｌｓｏｆＲｅｇｉｏｎａｌＳｃｉｅｎｃｅ，２０１３，５０（３）：７７１７９０． ? ? ｇｈ［１０］王琛，林初癉，戴世续．产业集群对技术创新的影响：以电子信息产业为例［Ｊ］．地理研究，２０１２，３１（８）：１３７５１３８６． ? ［１１］牛冲槐，张帆，封海燕．科技型人才聚集、高新技术产业聚集与区域技术创新［Ｊ］．科技进步与对策，２０１２，２９（１５）：４６４８，５０５１．ＤＯＩ：１０．６０４６／ＫＪＪＢＹＤＣ．２０１１０７０１８１． ? ? ［１２］毛广雄，廖庆，刘传明．等．高新技术产业集群化转移的空间路径及机理研究：以江苏省为例［Ｊ］．经济地理，２０１５，３５（１２）：１０５１１２．ＤＯＩ：１０．１５９５７／ｃｎｋｉ．ｄｌ．２０１５．１２．０１５ ? ｊ．ｊｊ［１３］ＤＵＡＲＥＲ，ＰＩＮＩＬＡＶ，ＳＥＲＲＡＮＯＡ．Ｉｓｔｈｅｒｅａｎｅｎｖｉｒｏｎｍｅｎｔａｌｋｕｚｎｅｔｓｃｕｒｖｅｆｏｒｗａｔｅｒｕｓｅａｐａｎｅｌｓｍｏｏｔｈｔｒａｎｓｉ  Ｊ］．ＥｃｏｎｏｍｉｃＭｏｄｅｌｌｉｎｇ，２０１３，３１（３８）：５１８５２７．ｔｉｏｎｒｅｇｒｅｓｓｉｏｎａｐｐｒｏａｃｈ［ ? ［１４］张文彬，李国平．中国区域经济增长及可持续性研究：基于脱钩指数分析［Ｊ］．经济地理，２０１５，３５（１１）：８１４．ＤＯＩ： ? １０．１５９５７／ｃｎｋｉ．ｄｌ．２０１５．１１．００２．ｊ．ｊｊ［１５］陈景新，王云峰．我国劳动密集型产业集聚与扩散的时空分析［Ｊ］．统计研究，２０１４，３１（２）：３５４２．ＤＯＩ：１０．１９３４３／ ? ｊ．ｃｎｋｉ．１１１３０２／ｃ．２０１４．０２．００５ ? ［１６］成祖松．中国高技术产业转移趋势时空分析：基于１９９５２０１５年中国高技术产业相关数据［Ｊ］．科技进步与对策， ? ２０１８，３５（２）：６６７５．ＤＯＩ：１０．６０４９／ｋｂｙｄｃ．２０１７０３０４４５． ? ｊｊ［１７］钟太洋，黄贤金，韩立，等．资源环境领域脱钩分析研究进展［Ｊ］．自然资源学报，２０１０，２５（８）：１４００１４１２． ? ［１８］王成军，徐伟明，罗星，等．福建省耕地保护成效评价与地域差异分析［Ｊ］．华侨大学学报（自然科学版），２０１８．３９（１）：１５２１５８．ＤＯＩ：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０３１１２． ? ? ［１９］陈松林，陈进栋，韦素琼．福建省综合交通可达性布局及其与制造业空间分布的关系分析［Ｊ］．地理科学，２０１２，３２（７）：５０７８１５．ＤＯＩ：１０．１３２４９／ｃｎｋｉ．ｓｇｓ．２０１２．０７．００５． ? ｊ．［２０］黄顺奎，王裕瑾，张可云．中国制造业八大区域转移分析：基于偏离?份额分析［Ｊ］．经济地理，２０１３，３３（１２）：９０９６． ? ＤＯＩ：１０．１５９５７／ｃｎｋｉ．ｄｌ．２０１３．１２．０２９．ｊ．ｊｊ［２１］申玉铭，邱灵，任旺兵，等．中国服务业空间差异的影响因素与空间分异特征［Ｊ］．地理研究，２００７，２６（６）：１２５５? １２６４．ＤＯＩ：１０．３３２１／ｉｓｓｎ：１００００５８５．２００７．０６．０１９． ? ｊ．［２２］陈政，胡吉，洪敏，等．湖南文化产业发展的时空特征与影响因素分析［Ｊ］．经济地理，２０１８，３８（３）：１２９?１３４．ＤＯＩ：１０．１５９５７／ｃｎｋｉ．ｄｌ．２０１８．０３．０１６．ｊ．ｊｊ［２３］张建伟，苗长虹，肖文杰．河南省承接产业转移区域差异及影响因素［Ｊ］．经济地理，２０１８，３８（３）：１０６１１２．ＤＯＩ：１０． ? ｃｎｋｉ．ｄｌ．２０１８．０３．０１３．１５９５７／ｊ．ｊｊ（责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１７０３０７１ ? 犛狆犪狉犽平台下犓犖犖?犃犔犛模型推荐算法邹小波，王佳斌，詹敏（华侨大学工学院，福建泉州３６２０２１）摘要：考虑Ｓｐａｒｋ大数据平台内存计算框架在迭代计算的优势，提出Ｓｐａｒｋ平台下ＫＮＮ?ＡＬＳ模型的推荐算法．针对矩阵分解算法只考虑隐含信息而忽视相似度信息的缺陷，将相似度信息加入评分预测中，并采用适合并行化的交替最小二乘法进行模型最优．在ＭｏｖｉｅＬｅｎｓ数据集上的实验表明：该算法能够提高协同过滤推荐算法在大数据集下的处理效率，且加速比也达到并行处理的线性要求，相比其他方法有较好的精度．关键词：推荐算法；ＫＮＮ?ＡＬＳ模型；协同过滤；Ｓｐａｒｋ平台；矩阵分解中图分类号：ＴＰ３９１．１文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２６４０５ ? ? ? 犚犲犮狅犿犿犲狀犱犪狋犻狅狀犃犾狅狉犻狋犺犿狅犳犓犖犖?犃犔犛犕狅犱犲犾犵犅犪狊犲犱狅狀犛狆犪狉犽犘犾犪狋犳狅狉犿ＺＯＵＸｉａｏｂｏ，ＷＡＮＧＪｉａｂｉｎ，ＺＨＡＮＭｉｎ（ＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｄｅ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｉｎａ）ｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈ犃犫狊狋狉犪犮狋：ＴａｋｉｎｇｉｎｔｏａｃｃｏｕｎｔｔｈｅｍｅｍｏｒｏｍｐｕｔｉｎｇａｄｖａｎｔａｇｅｏｆＳｐａｒｋｆｒａｍｅｗｏｒｋｉｎｉｔｅｒａｔｉｖｅｃｏｍｐｕｔａ  ｙｃｈｅＫＮＮ?ＡＬＳｍｏｄｅｌｏｆｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｒｉｔｈｍｂａｓｅｄｏｎＳｐａｒｋｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｍａｔｒｉｘｔｉｏｎ，ｔｇｏｆａｃｔｏｒｉｚａｔｉｏｎａｌｒｉｔｈｍｏｎｌｏｎｓｉｄｅｒｓｔｈｅｉｍｐｌｉｃｉｔｉｎｆｏｒｍａｔｉｏｎｂｕｔｉｒｅｓｔｈｅｓｉｍｉｌａｒｉｔｎｆｏｒｍａｔｉｏｎ，ｔｈｅｍｏｄｅｌｇｏｙｃｇｎｏｙｉａｄｄｓｔｈｅｓｉｍｉｌａｒｉｔｎｆｏｒｍａｔｉｏｎｉｎｔｏｔｈｅｒａｔｉｎｇｐｒｅｄｉｃｔｉｏｎａｎｄｔｈｅｎｕｓｅｔｈｅｍｅｔｈｏｄｏｆａｌｔｅｒｎａｔｉｎｇｌｅａｓｔｓｒｅｓｔｏｙｉｑｕａｏｐｔｉｍｉｚｅｔｈｅｍｏｄｅｌ．ＦｒｏｍｔｈｅｅｘｐｅｒｉｍｅｎｔｓｏｎｔｈｅＭｏｖｉｅＬｅｎｓｄａｔａｓｅｔ，ｔｈｅａｌｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅｐｒｏｃｅｓｓｉｎｇｇｏｌｓｏｇｏｔａｒｅｇｕｌａｒｐａｒａｍｅｔｅｒｏｆｓｐｅｅｄｕｐｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｒｉｔｈｍｉｎｌａｒｔａｓｅｔ，ａｎｄａｇｏｇｅｄａｉｎｐａｒａｌｌｅｌｐｒｏｃｅｓｓｉｎｇ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｈａｖｅｂｅｔｔｅｒａｃｃｕｒａｃｙｔｈａｎｏｔｈｅｒｍｅｔｈｏｄｓ．犓犲狉犱狊：ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｒｉｔｈｍ；ＫＮＮ?ＡＬＳｍｏｄｅｌ；ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ；Ｓｐａｒｋｐｌａｔｆｏｒｍ；ｍａｔｒｉｘｇｏ狔狑狅ｆａｃｔｏｒｉｚａｔｉｏｎ随着大数据时代的发展，人们从诸多纷杂的数据中找到自己想要内容的需求越来越强烈，推荐系统已经成为工业界的研究热点［１］．推荐算法从提出到发展至今主要分为３类：基于内容的推荐、协同过滤推荐、基于知识的推荐等［２?５］．推荐领域的推荐算法研究主要集中在基于模型的协同过滤推荐上［６?１２］，且［］使用最多的是矩阵分解技术［１３?１５］．在诸多的Ｎｅｔｆｌｉｘ推荐算法１６竞赛中，基于矩阵分解模型的协同过滤推荐相比其他的推荐算法能产生更加准确的推荐．在大数据下，单机模式进行算法的计算已渐渐不能满足实时推荐的需求，因此，分布式推荐算法的研究成为一个新的方向．在已有的分布式研究中，大多是基［］于Ｈａｄｏｏｐ［１７］平台进行推荐算法的并行化设计，但是ＭａｐＲｅｄｕｃｅ１８框架在迭代计算时效率低下，影响［］算法执行速度．大数据平台Ｓｐａｒｋ１９是ＵＣＢｅｒｋｅｌｅｙＡＭＰＬａｂ开源的通用分布式内存计算框架，通过收稿日期：２０１７０３２８ ? ? 通信作者：王佳斌（１９７４Ｅ?ｍａｉｌ：ｆａｔｗａｎｇ＠ ?），男，副教授，博士，主要从事物联网、云计算、大数据、智能仪器的研究．ｈｑｕ．ｅｄｕ．ｃｎ．基金项目：国家自然科学基金青年科学基金资助项目（６１５０５０５９）；福建省厦门市科技局产学研科技创新项目（３５０２Ｚ２０１７３０４６）；华侨大学研究生科研创新能力培养计划项目（１５１１４２２０１０）第２期邹小波，等：Ｓｐａｒｋ平台下ＫＮＮ?ＡＬＳ模型推荐算法２６５将数据缓存至内存进行计算，极大提高了数据的读写速率，并在多种情景下都能进行数据处理．本文考虑在大数据内存计算Ｓｐａｒｋ平台下，研究基于矩阵分解模型的推荐算法在Ｓｐａｒｋ平台上的移植，将相似度的推荐算法［１８］与矩阵分解模型的推荐算法结合，以解决大数据背景下数据庞杂及矩阵分解算法在单机下执行效率低的问题．１基于矩阵分解技术的犓犖犖?犃犔犛模型１．１矩阵分解矩阵分解的核心是将用户?物品评分矩阵从高维分解为若干低维矩阵的乘积组成．区别于基于内存的推荐算法，该类算法是一种基于模型的评分预测算法，其实际意义在于将评分矩阵中缺失的评分通过回归的方式填充．假设具有犖个用户犕个项目，先把矩阵的缺失值填充成犚 ′；然后，将该矩阵分解，即将犚 ′分解为用户矩阵犘∈犚犖×犓和物品矩阵犙∈犚犖×犓，犓为用户与项目间的主题．通过分解后的矩阵估计评分为＾狉狌，犻＝狆狌狇犻．（１）２２２＾犆（ｎ∑ （狉狌，犻狆ｕ狇犻Ｔ）＋λ（‖狆狌 ‖ ＋ ‖狇犻‖ ）．狆，狇）＝ｍｉ（２）风险函数构造为狀（狌，犻）∈犽式（２）中：犽表示评分项，评分预测的目的就是将上述的损失 λ 为正则化模型参数，用来避免过拟合问题；函数最小化．［］［］最优化中，最小化损失函数的方法一般有随机梯度下降法（ＳＧＤ）２０和最小二乘法（ＡＬＳ）２１．从实现上看，梯度下降法更为简单且迭代的收敛速度更快，但由于其本身是序列化的，因而不容易实现并行化；而最小二乘法更容易实现并行化，这也是基于Ｓｐａｒｋ平台利用ＡＬＳ优化方法进行改进的依据．１．２基于犓犖犖?犃犔犛的推荐模型ＳｐａｒｋＭＬｌｉｂ中已有的对于协同过滤推荐算法的应用主要有基于矩阵分解的ＡＬＳ算法．ＳｐａｒｋＡＬＳ算法的核心就是将稀疏矩阵进行分解为用户矩阵和物品矩阵，然后，交替使用最小二乘法进行用户与物品的特征向量更新使其误差平方和最小．ＫＮＮ?ＡＬＳ算法针对传统的矩阵分解模型推荐算法忽略相似度信息的缺点，将ＫＮＮ算法得到的相似度信息融入进ＡＬＳ算法中的损失函数．实际上，通过分析可以知道，有时评分系统与用户物品无关，而用户有些属性与物品无关，物品也有些属性和用户无关．因此，在预测评分中加入偏置项，得到的预测公式为＾（狉狌，犻＝ μ＋犫狌＋犫犻＋狆狌狇犻．３）式（３）中：犫狌是用户偏置项；犫犻是物品偏置项．在对物品进行 μ 为训练集中所有记录评分的全局平均数；评分时，有的用户可能比较苛刻，评分普遍较低，有时某项物品本身质量高，与用户评价没有很大的关联，上述的偏置项是可以在Ｓｐａｒｋ平台下进行并行化的统计所得．因此，在评分的预测项中加入偏置项，能很好地提升算法的表现并利用并行化的优势．根据式（２）中ＡＬＳ模型训练的损失函数，在使用ＡＬＳ模型求解用户矩阵和物品矩阵的过程中，发现并没有将用户或物品相似度考虑进去．由此，将用户或物品相似度融入损失函数中，以减小系统误差，得到ＫＮＮ?ＡＬＳ推荐模型，相似度误差计算式为犝＝ ∑（狆狌，犽－ ∑（）（犛狆狆狆）狆狏 ∈ＫＮＮ狆狌狌狏狏，犽 ∑（）（犛狇狇狇）狇犼∈ＫＮＮ狇犻犻犼犽犼，，犞＝（．４）狇犻，犽－ ∑（犻∈犖犻犛犛 ∑ 狆）狆狌狆狏 ∑ 狇）狇犻狇犼狆狏 ∈ＫＮＮ（狇犼∈ＫＮＮ（狌犻式（４）中：犖表示用户和物品的集合；ＫＮＮ（犛表示两者间的相似狆）表示某个用户或物品的相似近邻；狌∈犖狌度；犽表示用户与物品的任意属性．上述公式从相似用户或物品的角度进行用户?物品评分误差的计算，并将得到的相似度误差信息融入基于ＡＬＳ的评分误差预测中，从而得到ＫＮＮ?ＡＬＳ算法．ＫＮＮ?ＡＬＳ模型的损失函数计算式为犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２６６２０１９年狀２２２＾ｎ∑ （狉狌，犻－狆狌狇犻Ｔ）犆（＋λ（‖狆狌 ‖ ＋ ‖狇犻‖ ）＋犝＋犞．狆，狇）＝ｍｉ（５）（狌，犻）∈犽增加相似度信息的算法在Ｓｐａｒｋ上的并行化优势在于：每个用户和物品的相似度可以通过并行计算得到用户物品相似度矩阵，构造ＡＬＳ模型时，只需将相似度信息加入到损失函数中进行迭代计算．根据上述算法的计算步骤，可以得到整体算法的计算流程，如图１所示．图１并行化推荐算法的流程图Ｆｉ１Ｐａｒａｌｌｅｌｉｚａｔｉｏｎｏｆｐｒｏｐｏｓｅｄａｌｒｉｔｈｍｆｌｏｗｃｈａｒｔｇ．ｇｏ２实验设计与结果分析实验使用３台主频３．３ＧＨｚ、内存为８ＧＢ的主机组成的Ｓｐａｒｋ集群，Ｓｐａｒｋ部署在Ｕｂｕｎｔｕ１４．０４系统下，并且使用最新的Ｓｐａｒｋ２．０．２．实验数据集来表１实验数据集自ＧｒｏｕｐＬｅｎｓ的ＭｏｖｉｅＬｅｎｓ数据集．在实验中使用的Ｔａｂ．１Ｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｓｅｔ是标准数据集在分布式集群下进行推荐算法模型的训数据集用户数物品数练，从运行时间、评分预测的均方根误差，以及并行化１００Ｋｍｌ ? ９４３１６８２１．０×１０５２性能加速比进行分析．同时，为了测试文中所提算法在ｍｌ１Ｍ ? ６０４０３９００１．０×１０６２０１０Ｍ７１５６７ｍｌ ? １０６８１１．０×１０７２５０２７２７８７２．０×１０５００１７７７０８３０７２大数据集下的效能，使用Ｎｅｔｆｌｉｘ的公开电影数据集进行实验验证．表１为实验中使用的数据集汇总．ｍｌ２０Ｍ１３８４９３ ? Ｎｅｔｆｌｉｘ４８０１８９评分数容量／ＭＢ１．０×１０２．１运行时间根据不同数据集在Ｓｐａｒｋ集群下推荐模型的训练时间，得到集群和大数据集的运行时间（狋），如图２，３所示．由图２可知：同一数据集的大数据平台Ｓｐａｒｋ下，增加集群中主机数可以明显减少处理时间，从而提高算法的执行速度，而且集群主机数越多效果越明显．由图３可知：算法的耗时随着迭代次数的增加大致是呈线性增加的．图２集群运行时间图３大数据集运行时间Ｆｉ２Ｒｕｎｎｉｎｇｔｉｍｅｓｏｎｃｌｕｓｔｅｒｓｇ．Ｆｉ３Ｒｕｎｎｉｎｇｔｉｍｅｓｏｎｂｉｔａｓｅｔｓｇ．ｇｄａ２．２加速比加速比通过单节点与多节点所耗时间之比计算算法的并行化性能好坏，其计算式为犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期邹小波，等：Ｓｐａｒｋ平台下ＫＮＮ?ＡＬＳ模型推荐算法２６７（狏（狋狆，狆＝１，２，３，… ．６）狆）＝狋１／式（６）中：狋１为算法在单个节点上的运行所耗时间；狋狆为多个节点运行消耗的时间．通过加速比表现并行化算法的性能，结果如图４所示．２．３均方根误差利用均方根误差（犈ＲＭＳ）作为评价参数，计算实际用户评分与预测用户评分之间的误差来衡量准确性，其计算式为狀１２（（犈ＲＭＳ＝７）狆犻－狉犻）． ∑ 犖犻＝１式（７）中：犖为品评分数；狉犻为实际评分．犈ＲＭＳ值狆犻为预测评分；槡越小，代表误差越小，预测准确性越高．图４并行化推荐算法的加速比Ｆｉ４Ｐａｒａｌｌｅｌｉｚａｔｉｏｎｒｅｃｏｍｍｅｎｄｅｄｇ．ａｌｒｉｔｈｍｓｐｅｅｄｕｐｇｏ上述并行化推荐算法在不同的参数下犈ＲＭＳ的变化情况（Ｒａｎｋｓ＝１０），如表２所示．表２中： λ 为正则化系数．由表２可知：不同参数训练的模型对犈ＲＭＳ具有一定表２不同参数下并行化推荐算法的犈ＲＭＳ变化影响，在属性个数和正则化系数一定的情况下，迭代次数增多，犈ＲＭＳ会越来越小并趋于平Ｔａｂ．２犈ＲＭＳｃｈａｎｇｅｓｏｆｐａｒａｌｌｅｌｉｚｅｄ稳，之后，正则化系数对犈ＲＭＳ的影响会成为ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｒｉｔｈｍｓｗｉｔｈｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓｇｏ主要因素．由大数据集上的变化情况也可以数据集看出，迭代次数增大能够减小犈ＲＭＳ，迭代次数很少时，表现不如小数据集；而从数据集属性可知，这是由数据的稀疏性引起的，当增大ｍｌ１００Ｋ ? λ 迭代次数０．００１０．０１０．１１１．９８１３２３２．１８００２１２．０２３０５９５０．７３０２３４０．７１２９１４０．７９２３４１１００．７００４８４０．６９３０１８０．７７２３５４到２０次时，表现趋于稳定．因此，所提算法在２００．６９５８１８０．６７５４６２０．６８２４５６大数据与小数据上是有类似表现的，证明所４００．６８９４２５０．６７３２５６０．６９４２６８提算法具有一定鲁棒性．１２．８００３２５３．１３３６５７３．７０１４７７２．４算法对比为了比较改进后算法与其他算法的运行Ｎｅｔｆｌｉｘ效果，在单机环境下，对同一数据集ｍｌ１００Ｋ ? ５０．９０８３７６０．９１７２２７０．９７５１６０１００．７９８４５５０．８０５９３００．８４８８５１２００．６９４４４４０．６９８３３９０．７４７９４６进行算法测试．选用的算法分别是ＳｐａｒｋＭＬ库中的ＡＬＳ模型及利用ＫＮＮ算法（选用Ｐｅａｒｓｏｎ相似度）进行基于近邻用户的推荐，评价指标仍然采用犈ＲＭＳ，结果如图５所示．图５中：ＫＮＮ算法横坐标表示犓值，２个ＡＬＳ模型表示最小化损失函数过程中的迭代次数，其他２个参数λ 和Ｒａｎｋｓ分别使用了０．１和１０．由图５可知：ＡＬＳ模型的精度较基于ＫＮＮ算法的高，而加入了相似度信息后的ＡＬＳ也减小了其预测的误差；在犈ＲＭＳ指数下降的过程中，ＫＮＮ?ＡＬＳ的收敛速度明显慢于ＡＬＳ，造成ＫＮＮ?ＡＬＳ算法耗时更多，这也是精度提升的代价．３结论提出结合大数据处理与推荐技术进行推荐算法改进．改图５改进前后的算法对比进后的ＫＮＮ?ＡＬＳ算法在原有的ＡＬＳ算法基础上加入ＫＮＮＦｉ５Ｃｏｍｐａｒｉｓｏｎｏｆａｌｒｉｔｈｍｓｇ．ｇｏ相似度信息．实验表明：在Ｓｐａｒｋ平台下的ＫＮＮ?ＡＬＳ有更快ｂｅｆｏｒｅａｎｄａｆｔｅｒｉｍｐｒｏｖｅｍｅｎｔ的运行效率，通过加速比的比较可知，算法有较好的并行化性能．通过犈ＲＭＳ参数可知：迭代次数的增加及正则化系数的调整有益于减小实验的误差．通过对大数据集上的鲁棒性测试也说明算法有良好的表现．由于算法依赖用户数据，存在数据稀疏和冷启动问题，如何在复杂的数据环境中保持算法一定的伸缩性及实时性，是算法在后续研究中需要补充和完善的地方．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２６８２０１９年参考文献：［ｒｅｓｅｎｔ，ａｎｄｆ１］ＡＭＡＴＲＩＡＩＮＸ．Ｐａｓｔ，ｐｕｔｕｒｅｏｆｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓ：Ａｎｉｎｄｕｓｔｒｒｓｐｅｃｔｉｖｅ［Ｃ］∥ＩｎｔｅｒｎａｔｉｏｎａｌｙｐｅＣｏｎｆｅｒｅｎｃｅｏｎＩｎｔｅｌｌｉｔＵｓｅｒＩｎｔｅｒｆａｃｅｓ．Ｂｏｓｔｏｎ：ＡＣＭ，２０１６：２１１２１４．ＤＯＩ：１０．１１４５／２９５９１００．２９５９１４４． ? ｇｅｎ［２］ＪＡＮＮＡＣＨＤ，ＦＥＬＦＥＲＮＩＤＧＡ，ＦＲＩＥＤＲＩＣＨＧ．推荐系统［Ｍ］．蒋凡，译．北京：人民邮电出版社，２０１３：１８． ? ［３］孟祥武，刘树栋，张玉洁，等．社会化推荐系统研究［Ｊ］．软件学报，２０１５，２６（６）：１３５６ＤＯＩ：１０．１３３２８／ｃｎｋｉ． ?１３７２．ｊ．ｏｓ．００４８３１．ｊ［４］ＫＯＲＥＮＹ，ＢＥＬＬＲ．Ａｄｖａｎｃｅｓｉｎｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ［Ｍ］．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２０１１：１４５ＤＯＩ：１０．１００７／９７８ ?１８６． ?１ ? ４８９９７６３７６＿３． ? ? ［５］ＳＵＸｉａｏｙｕａｎ，ＫＨＯＳＨＧＯＦＴＡＡＲＴＭ．Ａｓｕｒｖｅｙｏｆｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｔｅｃｈｎｉｓ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＡｒｔｉｆｉｃｉａｌＩｎ  ｑｕｅｔｅｌｌｉｅ，２００９（１２）：１１９．ＤＯＩ：１０．１１５５／２００９／４２１４２５． ? ｇｅｎｃ［６］ＳＡＲＷＡＲＢ，ＫＡＲＹＰＩＳＧ，ＫＯＮＳＴＡＮＪ，犲狋犪犾．Ｉｔｅｍ?ｂａｓｅｄｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｒｉｔｈｍｓ［Ｃ］∥ ｇｏＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷｏｒｌｄＷｉｄｅＷｅｂ．ＮｅｗＹｏｒｋ：ＡＣＭ，２００１：２８５２９５．ＤＯＩ：１０．１１４５／３７１９２０．３７２０７１． ? ［７］ＢＩＬＬＳＵＳＤ，ＰＡＺＺＡＮＩＭＪ．Ｌｅａｒｎｉｎｇｃｏｌｌａｂｏｒａｔｉｖｅｉｎｆｏｒｍａｔｉｏｎｆｉｌｔｅｒｓ［Ｃ］∥ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＦｉｆｔｅｅｎｔｈＩｎｔｅｒｎａ  ｒｆｍａｎｎＰｕｂｌｉｓｈｅｒｓＩｎｃ，１９９８：４６５４．ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．ＳａｎＦｒａｎｃｉｓｃｏ：Ｍｏ ? ｇａｎＫａｕ［８］ＳＡＬＡＫＨＵＴＤＩＮＯＶＲ，ＭＮＩＨＡ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０ｔｈＩｎｔｅｒｎａｔｉｏｎａｌｒｒａｎＡｓｓｏｃｉａｔｅｓＩｎｃ，２００７：１２５７１２６４．ＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ．Ｖａｎｃｏｕｖｅｒ：Ｃｕ ? ［９］ＳＡＬＡＫＨＵＴＤＩＮＯＶＲ，ＭＮＩＨＡ．ＢａｙｅｓｉａｎｐｒｏｂａｂｉｌｉｓｔｉｃｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｕｓｉｎｇＭａｒｋｏｖｃｈａｉｎＭｏｎｔｅＣａｒｌｏ［Ｃ］∥ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．ＮｅｗＹｏｒｋ：ＡＣＭ，２００８：８８０８８７．ＤＯＩ：１０．１１４５／１３９０１５６．１３９０２ ? ６７．［１０］ＷＡＮＧＣｈｏｎｇ，ＢＬＥＩＤＭ．Ｃｏｌｌａｂｏｒａｔｉｖｅｔｏｐｉｃｍｏｄｅｌｉｎｇｆｏｒｒｅｃｏｍｍｅｎｄｉｎｇｓｃｉｅｎｔｉｆｉｃａｒｔｉｃｌｅｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ１７ｔｈＡＣＭＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｔａＭｉｎｉｎｇ．ＮｅｗＹｏｒｋ：ＡＣＭ，ｙａｎｄＤａ２０１１：４４８４５６．ＤＯＩ：１０．１１４５／２０２０４０８．２０２０４８０． ? ［１１］ＷＡＮＧＨａｏ，ＷＡＮＧＮａｉＹＥＵＮＧＤＹ．Ｃｏｌｌａｂｏｒａｔｉｖｅｄｅｅｐｌｅａｒｎｉｎｇｆｏｒｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｙａｎ，ＫＤＤ′ １５Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２１ｔｈＡＣＭＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｔａＭｉｎ  ｙａｎｄＤａｉｎｇ．ＮｅｗＹｏｒｋ：ＡＣＭ，２０１５：１２３５１２４４．ＤＯＩ：１０．１１４５／２７８３２５８．２７８３２７３． ? ［１２］ＺＨＡＮＧＺｉｋｅ，ＺＨＯＵＴａｏ，ＺＨＡＮＧＹｉｃｈｅｎｇ．Ｔａｇ?ａｗａｒｅｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓ：Ａｓｔａｔｅｆｈｅｒｔｓｕｒｖｅｙ［Ｊ］． ?ｏ ?ｔ ?ａＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１１，２６（５）：７６７７７７．ＤＯＩ：１０．１００７／Ｓ１１３９００１１０１７６１． ? ? ? ? ［１３］ＫＯＲＥＮＹ，ＢＥＬＬＲ，ＶＯＬＩＮＳＫＹＣ．Ｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｔｅｃｈｎｉｓｆｏｒｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ，ｑｕｅ２００９，４２（８）：３０３７．ＤＯＩ：１０．１１０９／ＭＣ．２００９．２６３． ? ［１４］ＳＹＭＥＯＮＩＤＩＳＰ．Ｍａｔｒｉｘａｎｄｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎｉｎｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓ［Ｃ］∥ＡＣＭＣｏｎｆｅｒｅｎｃｅｏｎＲｅｃｏｍｍｅｎ  ｄｅｒＳｙｓｔｅｍｓ．Ｂｏｓｔｏｎ：ＡＣＭ，２０１６：４２９４３０．ＤＯＩ：１０．１１４５／２９５９１００．２９５９１９５． ? ［１５］张川．基于矩阵分解的协同过滤推荐算法研究［Ｄ］．长春：吉林大学，２０１３：２９５０． ? ［１６］ＰＡＲＡＳＣＨＡＫＩＳＤ．Ｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓｆｒｏｍａｎｉｎｄｕｓｔｒｉａｌａｎｄｅｔｈｉｃａｌｐｅｒｓｐｅｃｔｉｖｅ［Ｃ］∥ＡＣＭＣｏｎｆｅｒｅｎｃｅｏｎＲｅｃｏｍｍｅｎｄｅｒＳｙｓｔｅｍｓ．ＮｅｗＹｏｒｋ：ＡＣＭ，２０１６：４６３４６６．ＤＯＩ：１０．１１４５／２９５９１００．２９５９１０１． ? ［１７］ＷＨＩＴＥＴ．Ｈａｄｏｏｐ权威指南［Ｍ］．３版．华东师范大学数据科学与工程学院，译．北京：清华大学出版社，２０１５．［１８］杜江，张铮，张杰鑫，等．ＭａｐＲｅｄｕｃｅ并行编程模型研究综述［Ｊ］．计算机科学，２０１５，４２（增刊１）：２６３５２６４２． ? ［１９］ＫＡＲＡＵＨ，ＫＯＮＷＩＮＳＫＩＡ，ＷＥＮＤＥＬＬＰ，犲狋犪犾．Ｓｐａｒｋ快速大数据分析［Ｍ］．王道远，译．北京：人民邮电出版社，２０１５：１８７２０９． ? ［２０］李卫平，杨杰．基于随机梯度矩阵分解的社会网络推荐算法［Ｊ］．计算机应用研究，２０１４，３１（６）：１６５４?１６５６．ＤＯＩ：ｉｓｓｎ．１００１１０．３９６９／３６９５．２０１４．０６．０１１． ? ｊ．［２１］ＺＨＯＵＹｕｎｈｏｎｇ，ＷＩＬＫＩＮＳＯＮＤ，ＳＣＨＲＥＩＢＥＲＲ，犲狋犪犾．Ｌａｒｓｃａｌｅｐａｒａｌｌｅｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｆｏｒｔｈｅｎｅｔｆｌｉｘ ? ｇｅｒｉｚｅ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ４ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｌｒｉｔｈｍｉｃＡｓｐｅｃｔｓｉｎＩｎｆｏｒｍａｔｉｏｎａｎｄＭａｎａｇｅ  ｐｇｏＳｐｒｉｎｇｅｒｒｌａｇ，２００８：３３７３４８．ＤＯＩ：１０．１００７／９７８３５４０６８８８０８＿３２．ｍｅｎｔ．Ｂｅｒｌｉｎ： ?Ｖｅ ? ? ? ? ? （责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｖｏｌ．４０Ｎｏ．２Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０７０５０ ? 变步长犅犔犛犜犕集成学习股票预测王子癑，谢维波，李斌（华侨大学计算机科学与技术学院，福建厦门３６１０２１）摘要：提出采用变步长双向长短期记忆网络（ＢＬＳＴＭ）集成学习方法学习历史数据中股票价格变动的规律．针对股票涨跌变化的预测改进均方误差（ＭＳＥ）损失函数，采用简易的模拟交易盈利评价指标以更好地度量预测模型在金融市场中的期望表现．通过前１０～５０步长的数据训练ＢＬＳＴＭ，预测下１ｍｉｎ各股票的涨跌变化．实验结果验证了不同数据预处理下，改进损失函数的有效性及变步长集成方法相对于单一网络的有效性．关键词：双向长短期记忆网络；集成学习；变步长；股票价格；改进均方误差损失中图分类号：ＴＰ１８３文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２６９０８ ? ? ? 犞犪狉犻犪犫犾犲犛狋犲狊犲犿犫犾犲犔犲犪狉狀犻狀犵犳狅狉犛狋狅犮犽犘狉犲犱犻犮狋犻狅狀狆犅犔犛犜犕犈狀ＷＡＮＧＺｉｉｂｏ，ＬＩＢｉｎｙｕｅ，ＸＩＥＷｅ（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔａｍｅｎ３６１０２１，Ｃｈｉｎａ）ｙ，Ｘｉ犃犫狊狋狉犪犮狋：ＷｅｐｒｅｓｅｎｔａｂｉｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒＢＬＳＴＭ）ｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｗｉｔｈｖａｒ  ? ? ｙ（ｉａｂｌｅｓｔｅｐｔｏｌｅａｒｎｒｅｇｕｌａｒｐａｔｔｅｒｎｏｆｓｔｏｃｋｐｒｉｃｅｆｌｕｃｔｕａｔｅｆｒｏｍｈｉｓｔｏｒｔａ．Ｉｍｐｒｏｖｅｄｔｈｅｍｅａｎｓｒｅｅｒｒｏｒ ? ｙｄａｑｕａ（ＭＳＥ）ｌｏｓｓｆｕｎｃｔｉｏｎｆｏｒｓｔｏｃｋｆｌｕｃｔｕａｔｉｏｎｐｒｅｄｉｃｔｉｏｎ．Ｔｈｉｓｐａｐｅｒｕｓｅｓｉｍｐｌｅｓｉｍｕｌａｔｅｄｔｒａｄｉｎｇｓｔｒａｔｅｇｙａｓｅｖａｌ  ｕａｔｉｎｇｉｎｄｉｃａｔｏｒｔｏｂｅｔｔｅｒｅｖａｌｕａｔｅｔｈｅｍｏｄｅｌｐｅｒｆｏｒｍａｎｃｅｉｎｆｉｎａｎｃｉａｌｍａｒｋｅｔｓ．Ｕｓｅｔｈｅｓｔｅｐｂｅｔｗｅｅｎ１０ａｎｄ５０ｔｏｔｒａｉｎＢＬＳＴＭｔｏｆｏｒｅｃａｓｔｔｈｅｒｉｓｅａｎｄｆａｌｌｏｆｔｈｅｓｔｏｃｋｉｎｎｅｘｔｍｉｎｕｔｅ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｖｅｒｉｆｉｅｄｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅＢＬＳＴＭｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｕｎｄｅｒｄｉｆｆｅｒｅｎｔｄａｔａｐｒｅｐｒｏｃｅｓｓｉｎｇａｎｄｖａｒｉａｂｌｅｓｔｅｐｅｎ  ｓｅｍｂｌｅｉｓｍｏｒｅｅｆｆｅｃｔｉｖｅｔｈａｎａｎｙｓｉｎｇｌｅｎｅｔｗｏｒｋ．犓犲狉犱狊：ｂｉｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｅｍｂｌｅｌｅａｒｎｉｎｇ；ｖａｒｉａｂｌｅｓｔｅｐ；ｓｔｏｃｋｐｒｉｃｅ；ｉｍｐｒｏｖｅｄ ? ? ｙ；ｅｎｓ狔狑狅ｓｒｅｅｒｒｏｒｌｏｓｓｍｅａｎ ? ｑｕａ股票的运动走势具有高度复杂性和大量的噪声，现有的金融理论倾向于认为股票市场是不可预测的［１］．然而，数十年来，对股票趋势预测的研究从未间断［２］，且在金融市场中切实运行着各种有效的基于预测的投资策略．有效的涨跌预测可以帮助投资者更好地控制风险，同时，算法交易也可以帮助市场节约更多的交易人力，减少人为情绪波动对市场带来的负面影响．已有文献在股票预测领域的应用主要分［］为两类．一类是利用机器学习算法直接对采集的股票及相关特征进行分析，得到预测结果．Ｋｉｍ３在韩［］国股票中，采用特征工程人工提取经济统计特征，然后，送入支持向量机（ＳＶＭ）进行预测；Ｓｏｍａｎｉ等４［］采用隐马尔可夫模型拟合股票数据进行预测；Ｃｈｅｎ等５分析在加入不同数量的特征及不同的数据预处［］理状况下，使用长短期记忆网络（ＬＳＴＭ）网络对预测结果的影响；ＤｉＰｅｒｓｉｏ等６采用标普５００的成分股股价作为数据输入预测大盘指数涨跌走势，并对比多层感知机（ＭＬＰ）、循环神经网络（ＲＮＮ）、卷积神经［］网络（ＣＮＮ）在这种预测中的性能差别；Ｙａｎｇ等７采用ｂａｇｇｉｎｇ方法，对原始数据训练多个神经网络，然收稿日期：２０１８０７２９ ? ? 通信作者：谢维波（１９６４Ｅｉｌ：ｘｗｂｌｘｆ＠ｈｑｕ．ｅｄｕ．ｃｎ． ?），男，教授，博士，主要从事信号处理、视频图像分析的研究． ?ｍａ基金项目：国家自然科学基金资助项目（６１２７１３８３）；华侨大学研究生科研创新能力培育计划项目（１６１１３１４０１６）华侨大学学报（自然科学版）２７０２０１９年［］后，进行组合以提高精度．除此之外，还有跨模型的组合使用方法．Ｂａｏ等８先对股票原始数据进行小波去噪；然后，采用自编码提取抽象特征；最后，将这些特征输入ＬＳＴＭ神经网络得到预测结果．Ｚｈｏｎｇ［］等［９］使用ＳＶＭ，神经网络和遗传算法的组合模型共同预测股票结果．另外，Ｚｈａｎｇ等１０研究股票预测领域的特征选择问题．机器学习方法预测股票涨跌的另一类是结合自然语言处理（ＮＬＰ）的手段分析文［］本信息，从而得出相关股票及大盘指数涨跌的预测．Ａｋｉｔａ等１１将文本和数据分开输入神经网络生成抽［］象特征，然后，送入ＬＳＴＭ做组合预测．Ｄｉｎｇ等１２以事件驱动策略将新闻信息分为高、中、低频分别送入卷积神经网络，再进行组合得到涨跌分类结果，采用Ｓ＆Ｐ５００股票日Ｋ数据进行预测，同时，对比了［］多种不同的事件驱动策略．Ｍｅｚｈａｒ等１３以Ｔｗｉｔｔｅｒ数据为基础，研究社交媒体中，噪声文本信息在股票预测中的应用．不依赖文本信息的机器学习方法有ＳＶＭ、随机森林、神经网络等，在已有文献中也采用了日Ｋ数据，以及以每１５ｍｉｎ为一个时间窗口，采用金融分析工具，提取多个特征对单只股票进行预测［１４］，但是，此类方法在粗粒度价格数据下的建模方法可以直接迁移进中、高频数据进行预测，这是目前基于消息面分析的模型所不能比的．本文提出以双向长短期记忆网络（ＢＬＳＴＭ）为基础，做变步长集成的方法进行预测，在不同步长下训练神经网络，将各个网络的预测结果进行集成，从而利用狋时刻前狀ｍｉｎ的各成分股股价预测狋＋１时刻的各成分股股价．１预测模型１．１双向长短期记忆网络［］ＢＬＳＴＭ是循环神经网络的一种变体１５．相较于ＲＮＮ，ＬＳＴＭ解决了长程依赖问题，而ＢＬＳＴＭ则是将两个不同方向的ＬＳＴＭ结合，以同时提取数据的正、反向信息．对于股票这类带有很强时间序列特性的数据，选择循环神经网络可以更好地结合历史信息；而相较于ＬＳＴＭ，ＢＬＳＴＭ能同时利用两个方向上的时序信息，更容易挖掘出潜在模式．采用的ＢＬＳＴＭ将经过预处理的数据作为输入，网络结构及参数设置，如图１所示．图１中，全连接层权重和偏置初始化采用随机标准正态分布．１．２变步长集成方法由于金融数据的可解释性较差，采用变步长方法训练多个ＢＬＳＴＭ神经网络，进行集成学习以作出涨跌预测．不同步长的神经网络输出结果，相当于根据不同时长数据窗口下股票价格的运动规图１ＢＬＳＴＭ网络结构律做出的涨跌判断，而集成是为了将结果进行组合以降低错误率．记Ｆｉｇ．１ＮｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｏｆＢＬＳＴＭＬＳＴＭ中步长为犽，单一步长的ＬＳＴＭ，如图２所示．图２中：犡犽表示连续输入样本时的狔犽为预测结果；第犽条样本．ＢＬＳＴＭ的输入输出格式与ＬＳＴＭ相同．对应的训练数据采样，如图３所示．图３中：不同的犽值代表时间上连续的犽条股价记录，每条记录包含所有成分股股价．变步长集成步骤如下：１）用相同的训练集分别以步长犪～犫训练若干个ＢＬＳＴＭ神经网络；２）将这若干个神经网络在测试数据上每分钟的预测结果求平均值；３）将所求预测结果作为最终的预测值．图２固定步长ＬＳＴＭ图３数据采样Ｆｉ２ＳｉｎｇｌｅｓｔｅｐＬＳＴＭｇ．Ｆｉ３Ｄａｔａｓａｍｐｌｉｎｇｇ．变步长集成方法基于所提的改造的ＭＳＥ损失函数，在预测结果中，将每只成分股输出［－１，＋１］犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王子癑，等：变步长ＢＬＳＴＭ集成学习股票预测２７１间的数值作为其对应的预测，大于零预测上涨，小于零预测下跌，对应的数值表示预测网络的置信水平．记＾狔为步长犽的神经网络对狋＋１时刻所有成分股的预测结果，则最终预测值的计算式为犫＾／犿）．ｉｇｎ（（∑＾狔＝ｓ狔犽）（１）犽＝犪＾式（１）中：犿为步长犪～犫所训练的神经网络的数量；狔表达了对犿个不同步长训练出的神经网络作出的判断的求和平均再符号化判断涨跌．为了验证变步长的有效性，将步长限制在１０～５０之间．１．３犕犔犘和犚犖犖采用多层感知机（ＭＬＰ）及循环神经网络（ＲＮＮ）的实验结果作为对比．在ＭＬＰ中，采用３个隐藏层搭配Ｒｅｌｕ激活函数，并使用文中所提改造的ＭＳＥ损失函数生成实验结果．ＭＬＰ的网络结构及内部参数，如图４所示．作为对比的ＲＮＮ将采用单层网络结构，损失函数同样采用改造的ＭＳＥ函数，步长则与文中采用的变步长范围相同，其网络结构，如图５所示．图４ＭＬＰ网络结构图５ＲＮＮ网络结构Ｆｉ４ＮｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｏｆＭＬＰｇ．Ｆｉ５ＮｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｏｆＲＮＮｇ．２数据预处理股票市场的数据可看作是一个时间序列的数据，使用Ｓ＆Ｐ５００从２０１７年４月３日到２０１７年８月３１日每分钟的５００只成分股股价记录，该数据由Ｓｔａｔｗｏｒｘ团队采集（ｈｔｔｉｌｅｓ．ｓｔａｔｗｏｒｘ．ｃｏｍ／ｐ：∥ｆｓｐ５００．ｚｉｐ），总计４１２６６条．为方便计算，采用前２００００条数据作为训练数据，第２０００１至第４００００条数据作为测试数据．大盘指数，如图６所示．［］Ｅｙｒａｕｄｉｓｅｌ１６指出，应当使用差值数据作为原始数据 ?Ｌｏ［］输入．Ｚｈｕｇｅ等１７采用每个时刻的涨跌百分比作为输入数据；［］Ｓｉｎｇｈ等１８将原始数据作两时刻间的差值，然后进行最大、最［］小归一化；Ｆｉｓｃｈｅｒ等１９则是将涨跌百分比再次归一化．对比在ＭＳＥ损失函数和文中所提的改造ＭＳＥ损失函数下，采用５种数据预处理方案训练出的神经网络的性能差别．记＾狓狋为要输入模型的数据，狓狋表示在狋时刻原始的５００只成分股股价数据，数据预处理有以下５种方案．图６大盘指数方案Ａ．原始数据做差值，即＾狓狋＝狓狋－狓狋－１．（２）Ｆｉ６Ｓｔｏｃｋｍａｒｋｅｔｉｎｄｅｘｇ．方案Ｂ．原始数据做差值再做高斯归一化，即（狓狋－狓狋－１）－犈（狓狋－狓狋－１）＾狓狋＝．（犇狓狋－狓狋－１）式（３）中：犈和犇分别表示均值和方差．方案Ｃ．将原始数据变换为每一时刻的涨跌百分比，即＾狓狋＝狓狋／狓狋－１－１．（３）（４）方案Ｄ．原始数据不作处理，即＾狓狋＝狓狋．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（５）华侨大学学报（自然科学版）２７２２０１９年方案Ｅ．原始数据做高斯归一化，即狓狋－犈（狓狋）＾．狓狋＝犇（狓狋）（６）３损失函数将某一时刻５００只成分股股价作为输入数据，预测这５００只成分股下一时刻的价格变化．在预测模型中，使用ＭＳＥ损失是为了让预测结果更贴近真实值，以达到尽可能准确的预测，ＭＳＥ损失公式为５００２＾＾ｌｏｓｓ（５００．狔）＝ ∑ （狔，狔犻－狔犻）／（７）犻＝１＾式（７）中：５００代表所采用数据狔犻为神经网络输出的对狋＋１时刻的预测结果；狔犻为期望拟合的真实值；的５００只成分股．股票价格是一种定量数据，但对于神经网络来说，预测真实值会使预测的范围变大．在每次误差反向传播过程中，损失函数计算的狔犻经常不一样，相当于在一定范围内的真实值都会成为待预测的结果，这使神经网络不易识别出准确的模式．为了一次输出５００只成分股的预测结果，提出将ＭＳＥ损失函数改进为５００２＾ｌｏｓｓ（ｔａｎｈ＾ｉ５００．ｇｎ狔犻）／狔）＝ ∑ （狔，狔犻－ｓ（８）犻＝１将网络输出＾狔犻加上双曲正切函数是为了让网络更加关注在零点附近的输出，使其尽可能准确地判断出涨跌而忽视涨跌的幅度；将期望拟合的真实值狔犻加符号函数处理是为了结合前面的双曲正切函数，使网络在计算损失时能将判断准确的结果向［－１，＋１］两端拉近．经过改进的损失函数训练后，网络输出值代表了判断的置信水平．因此，在进行变步长集成时，会将各个网络的判断结果进行相加，以求得最终的预测值．４评价标准针对股票数据预测，同时使用两类评价标准衡量模型的性能．第一类是传统的统计指标，主要采用准确率、召回率及犉值，这是目前股票预测模型中使用较多的评价标准．准确率（ ηＡ）、召回率（ ηＲ）和犉值的计算式分别为ＴＰ＋ＴＮ ηＡ＝ＴＰ＋ＦＰ＋ＴＮ＋ＦＮ，（９）（ＴＰ＋ＦＮ），１０） ηＲ＝ＴＰ／（Ａ × Ｒ（犉＝２×η η ．１１） ηＡ＋ηＲ式（９）～（１１）中：ＴＰ预测上涨实际上涨；ＦＰ预测上涨实际下跌；ＴＮ预测下跌实际下跌；ＦＮ预测下跌实际上涨；犉值则用于综合衡量模型的好 ηＡ， ηＲ反映了模型整体的预测精度和捕捉上涨机会的准确率；坏．由于分钟级数据中存在少量的零（占总数据量的１７．８５％），即个股在２ｍｉｎ内价格未发生变化．为了更准确地反映模型的预测效果，此类数据不计入上述４种类别中的任何一种．第二类评价指标是模拟收益盈利状况，在已有文献中，也有提出使用此类指标与统计指标同时衡量模型价值，如Ｌａｖｒｅｎｋｏ采用的模拟交易策略是，当预测次日上涨就买入１００００美元，次日若涨幅超出［］２％就卖出，否则，持有到当日收盘按收盘价卖出２０．因此，将采用如下的模拟交易策略来统计结果．１）若在狋时刻预测狋＋１时刻第犻只股票上涨，则在狋时刻以当前价格买入１股；若预测第犻只股票下跌，则不进行任何操作．２）在狋＋１时刻将狋时刻买入的所有股票全部卖出，若狋＜２００００ｍｉｎ，则重新回到１）．３）将交易所得进行求和，得到总盈利狏ｓ．记狏狋，犻为第犻只股票在狋时刻的价格，市场盈利为狏ｒ，则有５００狏ｒ＝ ∑ （狏狋，犻（狋＝４００００）－狏狋，犻（狋＝２０００１））．犻＝１犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．（１２）第２期王子癑，等：变步长ＢＬＳＴＭ集成学习股票预测２７３通过比较狏ｓ和狏ｒ的差值，可以看出模型模拟交易盈利状况的好坏．经过计算可得文中采用的数据集中，狏ｒ＝－１６７．１．为了在每个时间点上更好地呈现模型交易状况的变化细节，将模拟持仓操作控制在一个时间步内．由于不同国家及地区各个交易所规定的交易手续费不同，所以，在这里不列入计算．５实验结果和分析为了说明所提损失函数及变步长集成方法的有效性，实验划分为两组．第一组在５种不同的数据预处理方案下，对比使用改进的ＭＳＥ损失函数和标准的ＭＳＥ损失函数在ＢＬＳＴＭ中的预测性能差别，从而验证改进ＭＳＥ损失函数的有效性并筛选出最优的数据预处理方案．第二组实验在第一组的基础上，使用选择出的预处理方法和改造的损失函数进行变步长集成，同时与其他３种网络结构（ＭＬＰ，ＲＮＮ及固定步长的ＢＬＳＴＭ）做横向比较，进一步验证所提集成方法在股票预测中的有效性．５．１实验环境硬件环境为Ｉ７６７００ＨＱＣＰＵ，１２８ＧＢＳＳＤ的硬盘，１６ＧＢ的内存，ＧＴＸ９６０ＭＧＰＵ，２ＧＢ的显存． ? 采用的操作系统为Ｗｉｎｄｏｗｓ１０，网络框架为Ｔｅｎｓｏｒｆｌｏｗ１．４．０ＧＰＵ版，同时使用Ｐｙｔｈｏｎ３．５．２解释器（Ａｎａｃｏｎｄａ４．２．０（６４ｂｉｔ））．５．２实验分析对比ＢＬＳＴＭ在不同数据预处理条件下的性能表现，其参数如表１所示．表１中：Ａ～Ｅ表示不同的珔Ａ，珔Ｒ分别为ＢＬＳＴＭ在步长１０～５０之间，数据预处理方案，参见节２；４１组步长下的准确率和召回率 η η 珔为模拟收益指标狏ｓ－狏ｒ的平均值，平均值；犉值由准确率与召回率平均值计算得出；狏狏ｓ表示在模拟交易条件下，按照前文所述的模拟交易规则进行买卖的收益，狏ｒ表示市场自然增加的价值，使用该模拟收益指标能更好地体现算法的有效性及在各组实验间的差距．各组实验在步长为１０～５０时，准确率和模拟收益的波动范围及方差，如表２所示．表２中： ηＡ表示步长为１０～５０时，准确率波动的范围；狏， σ１为准确率的波动方差； σ２分别为表１中模拟收益指标的波动范围及其对应的方差．表１固定步长ＢＬＳＴＭ不同损失下预测结果均值Ｔａｂ．１ＭｅａｎｖａｌｕｅｏｆｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｌｏｓｓｏｆｓｉｎｇｌｅｓｔｅｐＢＬＳＴＭ方案改进的ＭＳＥ损失函数１０３５９．６８珔Ａ／％ η ５０．２５ＭＳＥ损失函数珔犉 ηＲ／％５０．８６５０．５６５６１５．１１５１．０５２９０６．５８５０．４７５０．８０５０．６３３３３８．２４５２．３８８５４２．５４５０．０２５０．０４５０．０３１６６．５４５２．４９５１．２３７０．５９４９．９０３２．４７３９．３４－２９．０５５１．００５０．４９６０．１２４９．９８５０．９８５０．４７１４３．３１珔Ｒ／％ η ５３．７２犉珔狏Ａ珔Ａ／％ η ５１．１８５２．４２Ｂ５０．４０５１．７２Ｃ５１．０５５３．７９Ｄ５０．０２Ｅ５０．００珔狏表２固定步长ＢＬＳＴＭ不同损失下准确率和收益范围Ｔａｂ．２ＡｃｃｕｒａｃｙａｎｄｐｒｏｆｉｔｒａｎｇｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｌｏｓｓｏｆｓｉｎｇｌｅｓｔｅｐＢＬＳＴＭ方案改进的ＭＳＥ损失函数ＭＳＥ损失函数Ａ狏狏 σ１ σ２ σ１ σ２ ηＡ／％ ηＡ／％５０．８０～５１．３８０．１４３２７６４９．３９～１１６７１．６８９７４．９６５０．１０～５０．４００．０５７８３０９８．９１～６９８２．８５８２７．０６Ｂ５０．３４～５０．４６０．０２８６１９０．２０～３３６０．９５Ｃ５０．８４～５１．２５０．１０１９７３３３．０７～９６６９．９１５８０．２２４９．９６～５０．０７０．０２７１ＤＥ５０３．４０５０．３４～５０．５７０．０５９３２２１９．６４～４５９６．８１４９６．１２１６３．５９～２７０．６０１．７７０８０．０２８３４９．９６～５０．－２２４．１１～５３３．２２１５４．５４４９．８９～４９．９２０．００９３－２０７．２７～２７０．６０５８．２６４９．９３～５０．０６０．０２５０－３９８．２０～４２１．８０１５３．２３４９．９５～５０．０２０．０２２３－２０７．２７～４４３．１９１７０．２３在考量性能时，把模拟收益水平作为主要考量指标．由表１可知：模拟收益最高的３位分别是差值处理下的改进ＭＳＥ损失函数、涨跌百分比处理下的改进ＭＳＥ损失函数和差值处理下的ＭＳＥ损失函数，在具体数值上，前两位模拟收益相差了２１．２７％（１８１７．１４美元），而第３位与第２位相差了５２．１３％（２９２７．１３美元），由此认为，表现最好的是前两者；就准确率而言，在改进损失函数下，使用差值与使用涨跌百分比的准确率最高，但二者之间相差较小，为０．１３％；从召回率和犉值上看，排在前３位的均采犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２７４２０１９年用改造的ＭＳＥ损失函数，且模拟收益最高的两组在犉值上表现也最优．由表２可知：方案Ｄ，Ｅ的下限均低于５０％；方案Ａ，Ｂ，Ｃ中，方案Ｂ的改进损失函数模拟收益波动也较大，方案Ｃ的准确率下限也低于５０％．两种损失函数下，在步长（犽）为１０～５０时，５种数据预处理方式的准确率，分别如图７，８所示．由图７，８可知：改进ＭＳＥ损失函数下作差值的准确率最优，但无论哪条准确率变化折线都未能表现出明显的单调性．因此，在第二阶段的变步长集成中，直接选择步长为１０～５０的神经网络作输出集成．图７改进ＭＳＥ损失准确率图８ＭＳＥ损失准确率Ｆｉ７ＡｃｃｕｒａｃｙｏｆｉｍｐｒｏｖｅＭＳＥｌｏｓｓｇ．Ｆｉ８ＡｃｃｕｒａｃｙｏｆＭＳＥｌｏｓｓｇ．经过第一阶段的实验，主要得到２个结论：１）在使用循环神经网络进行股票预测时，数据预处理采用差值类（方案Ａ，Ｂ，Ｃ）比采用原始数据类（方案Ｄ，Ｅ）更好；２）所提改造的ＭＳＥ损失函数在差值处理与涨跌百分比处理下，取得了比其他条件都优秀的预测精度及模拟收益．由于方案Ａ，Ｃ的数据预处理方法没有表现出明显的差距，因此，在第二阶段的实验中，将选择这两种数据预处理方案及单纯使用改造的ＭＳＥ损失函数来尝试变步长集成，并以同样的条件控制变量进行网络模型间的横向对比．ＢＬＳＴＭ和ＲＮＮ的准确率、召回率，以及模拟收益在步长为１０～５０时训练出的网络输出的平均值，如表３所示．在方案Ａ，Ｃ的数据预处理下，ＲＮＮ的准确率变化，如图９所示．表３集成学习与其他神经网络模型对比Ｔａｂ．３Ｃｏｍｐａｒｉｓｏｎｓｂｅｔｗｅｅｎｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇａｎｄｏｔｈｅｒｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｓ参数 ηＡ／％ ηＲ／％犉狏集成学习ＢＬＳＴＭＭＬＰＲＮＮ方案Ａ方案Ｃ方案Ａ方案Ｃ方案Ａ方案Ｃ方案Ａ方案Ｃ５１．６３５１．５４５１．１８５１．０５５０．３４５０．０２５０．９６５０．０４５５．５０５５．２４５３．７２５３．７９６４．０４５５．５９５２．３１５４．３５５３．５０５３．３３５２．４２５２．３８５６．３７５２．６６５１．６３５２．１１１４３００．７１１１８１４．６９１０３５９．６８８５４２．５４４５９２．５６２８２．２５７５５２．４０７３．５７由表３可知：差值和涨跌百分比两种数据预处理方法的性能差距被进一步扩大，尽管在ＢＬＳＴＭ下二者相差较小，但在ＭＬＰ和ＲＮＮ中，二者的模拟收益均有显著差距；在变步长集成条件下，二者差距基本不变，为２１．０４％（２４８６．０２美元）．因此，差值数据预处理是最理想的预处理方案．从模拟收益可以看出，在变步长集成条件下，收益水平得到了显著提高，在差值处理下的集成方法相比固定步长的ＢＬＳＴＭ的平均模拟收益（１０３５９．６８美元），提升了３８．０４％（３９４１．０３美元）．变步长集成方案和表２中固定步长ＢＬＳＴＭ收益的最大值相比，方案Ａ变步长集成提升了２２．５２％（２６２９．０３美元），方案Ｃ提升了２２．１８％（２１４４．７８美元）．另外，变步长集成方案在模拟收益上远高于ＭＬＰ和ＲＮＮ．由此说明，尽管不知道哪个步长下最优，但综合不同步长模型的结果可使预测准确率显著提高．在准确率水平上，方案Ａ，Ｃ的变步长集成相比于固定步长平均值分别提升了０．４５％和０．４９％，提升后的准确率均高于任何固定步长的模型．由图９可知：在ＲＮＮ模型下，原始数据在所有步长下作差值显著优于采用涨跌百分比的数据预处理方法．在召回率和犉值上，变步长集成仅低于采用差值处理的ＭＬＰ，然而，ＭＬＰ由于准确率较低，因此，模型模拟收益不理想．表１，３中，各个网络的准确率与模拟收益散点图，如图１０所示．由图１０可知：准确率与模拟收益二者具有较强的相关性，因此，以涨跌准确率为标准设计损失函数并优化网络可以提升模拟收益水平．犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期王子癑，等：变步长ＢＬＳＴＭ集成学习股票预测２７５图９ＲＮＮ准确率图１０准确率与模拟收益散点图Ｆｉ９ＡｃｃｕｒａｃｙｏｆＲＮＮｇ．Ｆｉ１０Ａｃｃｕｒａｃｙａｎｄｓｉｍｕｌａｔｉｏｎｉｎｃｏｍｅｓｃａｔｔｅｒｐｌｏｔｇ．测试数据上的大盘指数变化，如图１１所示．图１１中：开始的时间点为整体数据的第２００００ｍｉｎ．由图１１可知：在整个测试数据中，大盘指数变化幅度较大，整体上没有呈现出明显的线性规律．为了更清晰地展示算法的模拟性能，将表３中各个模型在２０００１～４００００ｍｉｎ的累计收益绘图，如图１２所示．图１２中：ＢＬＳＴＭ和ＲＮＮ模型的累计收益是在１０～５０步长下的平均值；狀表示统计点，将每２００ｍｉｎ的收益做一次统计，因此，狓轴上有１００个统计点．由图１２可知：股票价格波动在细粒度水平下依然具有一定的可预测性．图１１测试数据指数图１２模拟收益Ｆｉ１１Ｔｅｓｔｄａｔａｉｎｄｅｘｇ．Ｆｉ１２Ｓｉｍｕｌａｔｅｉｎｃｏｍｅｇ．６结论使用ＢＬＳＴＭ进行股票价格的预测，提出变步长集成方法及改进的ＭＳＥ损失函数，经过两组实验，得到３个主要结论．１）差值数据预处理能更好地预测下一时刻的价格波动；２）所提的改进损失函数是有效的；３）变步长集成方法在预测上能取得较为可观的提升．由于股票市场本身波动的高度复杂性，尽管验证了变步长集成方法的有效性，但文中未讨论通用的最优步长范围，且验证过程是在非常理想的交易环境下进行的，未考虑实际市场中的手续费、滑点等问题，因此，与实际情况仍有较大的差距．参考文献：［１］ＭＡＬＫＩＥＬＢＧ，ＦＡＭＡＥＦ．Ｅｆｆｉｃｉｅｎｔｃａｐｉｔａｌｍａｒｋｅｔｓ：Ａｒｅｖｉｅｗｏｆｔｈｅｏｒｉｒｉｃａｌｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉ  ｙａｎｄｅｍｐ１９７０，２５（２）：３８３４１７．ＤＯＩ：１０．２３０７／２３２５４８６．ｎａｎｃｅ， ? ［２］杜威望，肖曙光．ＦＦ五因子模型在中国股票市场的改进研究［Ｊ］．华侨大学学报（哲学社会科学版），２０１８（３）：３９５３． ? ＤＯＩ：１０．１６０６７／ｃｎｋｉ．３５１０４９／ｃ．２０１８．０３．００４． ? ｊ．［３］ＫＩＭＫＪ．Ｆｉｎａｎｃｉａｌｔｉｍｅｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇｕｓｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２００３，５５（１／２）：３０７ ? ３１９．ＤＯＩ：１０．１０１６／Ｓ０９２５２３１２（０３）００３７２２． ? ? ［４］ＳＯＭＡＮＩＰ，ＴＡＬＥＬＥＳ，ＳＡＷＡＮＴＳ．ＳｔｏｃｋｍａｒｋｅｔｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ［Ｃ］∥ＩＥＥＥ７ｔｈＪｏｉｎｔＩＥＥＥＰｒｅｓｓ，２０１４：８９?９２．ＩｎｔｅｒｎａｔｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｅＣｏｎｆｅｒｅｎｃｅ．Ｃｈｏｎｇｑｉｎｇ：ｇｅｎｃ犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２７６２０１９年ＤＯＩ：１０．１１０９／ＩＴＡＩＣ．２０１４．７０６５０１１．［５］ＣＨＥＮＫａｉ，ＺＨＯＵＹｉ，ＤＡＩＦａｎｇｙａｎ．ＡＬＳＴＭ?ｂａｓｅｄｍｅｔｈｏｄｆｏｒｓｔｏｃｋｒｅｔｕｒｎｓｐｒｅｄｉｃｔｉｏｎ：ＡｃａｓｅｓｔｕｄｙｏｆＣｈｉｎａＣ］∥ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＢｉｔａ．ＳａｎｔａＣｌａｒａ：ＩＥＥＥＰｒｅｓｓ，２０１５：２８２３２８２４．ＤＯＩ：１０．ｓｔｏｃｋｍａｒｋｅｔ［ ? ｇＤａ１１０９／Ｂｉｔａ．２０１５．７３６４０８９．ｇＤａ［６］ＤＩＰＥＲＳＩＯＬ，ＨＯＮＣＨＡＲＯ．Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓａｒｃｈｉｔｅｃｔｕｒｅｓｆｏｒｓｔｏｃｋｐｒｉｃｅｐｒｅｄｉｃｔｉｏｎ：ＣｏｍｐａｒｉｓｏｎｓａｎｄＪ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｉｒｃｕｉｔｓ，ＳｙｓｔｅｍｓａｎｄＳｉｌＰｒｏｃｅｓｓｉｎｇ，２０１６，１０：４０３４１３．ａｐｐｌｉｃａｔｉｏｎｓ［ ? ｇｎａ［７］ＹＡＮＧＢｉｎｇ，ＧＯＮＧＺｉｉａ，ＹＡＮＧＷｅｎｑｉ．Ｓｔｏｃｋｍａｒｋｅｔｉｎｄｅｘｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｅｎｓｅｍｂｌｅ［Ｃ］∥ ｊ３６ｔｈＣｈｉｎｅｓｅＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ．Ｄａｌｉａｎ：ＩＥＥＥＰｒｅｓｓ，２０１７：３８８２３８８７．ＤＯＩ：１０．２３９１９／ＣｈｉＣＣ．２０１７．８０２７９６４． ? ［８］ＢＡＯＷｅｉ，ＹＵＥＪｕｎ，ＲＡＯＹｕｌｅｉ．ＡｄｅｅｐｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋｆｏｒｆｉｎａｎｃｉａｌｔｉｍｅｓｅｒｉｅｓｕｓｉｎｇｓｔａｃｋｅｄａｕｔｏｅｎｃｏｄｅｒｓａｎｄｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒＪ］．ＰｌｏｓＯｎｅ，２０１７，１２（７）：ｅ０１８０９４４．ＤＯＩ：１０．６０８４／ｍ９．ｆｉｒｅ．５０２８１１０． ? ｙ［ｇｓｈａ［９］ＺＨＯＮＧＷｅｉｉｎｇ，ＺＨＡＮＧＬｉｌｉ．Ｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｅａｒｃｈｏｆｓａｆｅｔｔｏｃｋｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｏｒｉａｌｆｏｒｅｃａｓｔｉｎｇｍｏｄ  ｐｙｓｅｌ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０１５ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔａｔｉｏｎａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ．Ｐａｒｉｓ：Ａｔｌａｎｔｉｓ２０１５：２００２０６．Ｐｒｅｓｓ， ? ［１０］ＺＨＡＮＧＸｉａｎｇｚｈｏｕ，ＨＵＹｏｎｇ，ＸＩＥＫａｎｇ，犲狋犪犾．Ａｃａｕｓａｌｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｒｉｔｈｍｆｏｒｓｔｏｃｋｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｉｎｇｇｏ［ｎｅｕｃｏｍ．２０１４．０１．０５７．Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０１４，１４２：４８５９．ＤＯＩ：１０．１０１６／ ? ｊ．［１１］ＡＫＩＴＡＲ，ＹＯＳＨＩＨＡＲＡＡ，ＭＡＴＳＵＢＡＲＡＴ，犲狋犪犾．Ｄｅｅｐｌｅａｒｎｉｎｇｆｏｒｓｔｏｃｋｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｎｕｍｅｒｉｃａｌａｎｄｔｅｘ  Ｃ］∥ＩＥＥＥ／ＡＣＩＳ１５ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ．Ｏｋａｙａｍａ：ｔｕａｌｉｎｆｏｒｍａｔｉｏｎ［ＩＥＥＥＰｒｅｓｓ，２０１６：１６．ＤＯＩ：１０．１１０９／ＩＣＩＳ．２０１６．７５５０８８２． ? ［１２］ＤＩＮＧＸｉａｏ，ＺＨＡＮＧＹｕｅ，ＬＩＵＴｉｎｇ，犲狋犪犾．Ｄｅｅｐｌｅａｒｎｉｎｇｆｏｒｅｖｅｎｔｄｒｉｖｅｎｓｔｏｃｋｐｒｅｄｉｃｔｉｏｎ［Ｃ］∥ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎ  ? ｆｅｒｅｎｃｅｏｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｅ．ＢｕｅｎｏｓＡｉｒｅｓ：ＡＡＡＩＰｒｅｓｓ，２０１５：２３２７２３３３．ＤＯＩ：１０．１１０９／ＩＣＡＬＩＰ．２０１０．５６８５１ ? ｇｅｎｃ８７．［１３］ＭＥＺＨＡＲＡ，ＲＡＭＤＡＮＩＭ，ＥＩＭＺＡＢＩＡ．Ｅｘｐｌｏｉｔｉｎｇｎｏｉｓｙｄａｔａｎｏｒｍａｌｉｚａｔｉｏｎｆｏｒｓｔｏｃｋｍａｒｋｅｔｐｒｅｄｉｃｔｉｏｎ［Ｊ］．ｅａｓｃｉ．２０１７．６９．７７．ＪｏｕｒｎａｌｏｆＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，２０１７，１２（１）：６９７７．ＤＯＩ：１０．３９２３／ ? ｊ［１４］ＮＥＬＳＯＮＤＭＱ，ＰＥＲＥＩＲＡＡＣＭ，ＤＥＯＬＩＶＥＩＲＡＲＡ．Ｓｔｏｃｋｍａｒｋｅｔ ′ ｓｐｒｉｃｅｍｏｖｅｍｅｎｔｐｒｅｄｉｃｔｉｏｎｗｉｔｈＬＳＴＭｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｃ］∥ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ．Ａｎｃｈｏｒａｇｅ：ＩＥＥＥＰｒｅｓｓ，２０１７：１４１９? １４２６．［１５］ＳＣＨＵＳＴＥＲＭ，ＰＡＬＩＷＡＬＫＫ．Ｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｌＰｒｏ  ｇｎａ１９９７，４５（１１）：２６７３２６８１．ＤＯＩ：１０．１１０９／７８．６５００９３．ｃｅｓｓｉｎｇ， ? ［１６］ＥＹＲＡＵＤ?ＬＯＩＳＥＬＡ．Ｂａｃｋｗａｒｄｓｔｏｃｈａｓｔｉｃｄｉｆｆｅｒｅｎｔｉａｌｅｔｉｏｎｓｗｉｔｈｅｎｌａｒｉｌｔｒａｔｉｏｎ：Ｏｐｔｉｏｎｈｅｄｇｉｎｇｏｆａｎｉｎ  ｑｕａｇｅｄｆｓｉｄｅｒｔｒａｄｅｒｉｎａｆｉｎａｎｃｉａｌｍａｒｋｅｔｗｉｔｈｊｕｍｐｓ［Ｊ］．ＳｔｏｃｈａｓｔｉｃＰｒｏｃｅｓｓｅｓａｎｄＴｈｅｉｒＡｐｐｌｉｃａｔｉｏｎｓ，２００５，１１５（１１）：１７４５ ? １７６３．ＤＯＩ：１０．１０１６／ｓｐａ．２００５．０５．００６．ｊ．［１７］ＺＨＵＧＥＱｕｎ，ＸＵＬｉｎｇｙｕ，ＺＨＡＮＧＧａｏｗｅｉ．ＬＳＴＭｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｅｍｏｔｉｏｎａｌａｎａｌｓｉｓｆｏｒｐｒｅｄｉｃｔｉｏｎｏｆｓｔｏｃｋｙＪ］．ＥｎｇｉｎｅｅｒｉｎｇＬｅｔｔｅｒｓ，２０１７，２５（２）：１６７１７５．ｒｉｃｅ［ ? ｐ［１８］ＳＩＮＧＨＲ，ＳＲＩＶＡＳＴＡＶＡＳ．Ｓｔｏｃｋｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｄｅｅｐｌｅａｒｎｉｎｇ［Ｊ］．ＭｕｌｔｉｍｅｄｉａＴｏｏｌｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１７，７６（１８）：１８５６９１８５８４．ＤＯＩ：１０．１００７／ｓ１１０４２０１６４１５９７． ? ? ? ? ［１９］ＦＩＳＣＨＥＲＴ，ＫＲＡＵＳＳＣ．Ｄｅｅｐｌｅａｒｎｉｎｇｗｉｔｈｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｔｗｏｒｋｓｆｏｒｆｉｎａｎｃｉａｌｍａｒｋｅｔｐｒｅｄｉｃｔｉｏｎｓ ? ｙｎｅ［Ｊ］．ＦａｕＤｉｓｃｕｓｓｉｏｎＰａｐｅｒｓｉｎＥｃｏｎｏｍｉｃｓ，２０１７，２７０（２）：１３２．ＤＯＩ：１０．１０１６／ｅｏｒ．２０１７．１１．０５４． ? ｊ．ｊ［２０］ＬＡＶＲＥＮＫＯＶ，ＳＣＨＭＩＬＬＭ，ＬＡＷＲＩＥＤ，犲狋犪犾．Ｍｉｎｉｎｇｏｆｃｏｎｃｕｒｒｅｎｔｔｅｘｔａｎｄｔｉｍｅｓｅｒｉｅｓ［Ｃ］∥ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＫＤＤ２０００ＣｏｎｆｅｒｅｎｃｅＴｅｘｔＭｉｎｉｎｇＷｏｒｋｓｈｏｐ．Ｄｏｈａ：［ｓ．ｎ．］，２０００：３７４４．ＤＯＩ：１０．１０１７／ＣＢＯ９７８１１０７４１５３２４． ? ００４．（责任编辑：黄晓楠犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：吴逢铁）第４０卷第２期华侨大学学报（自然科学版）２０１９年３月Ｖｏｌ．４０Ｎｏ．２ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（Ｍａｒ．２０１９犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００５０１３．２０１８０８０３２ ? 上半平面的带权犅犲狉犵犿犪狀投影与犅犾狅犮犺空间李西振，陈行堤，王洁（华侨大学数学科学学院，福建泉州３６２０２１）摘要：研究上半平面带权Ｂｅｒｒ Π）空间映ｇｍａｎ投影的范数估计．结果表明：带权Ｂｅｇｍａｎ投影算子犘α 将犔∞ （射到上半平面Ｂｌｏｃｈ空间，且满足不等式 ‖犘α犳 ‖犅（Π）≤犆‖犳‖犔∞ （Π），其中，犆为常数，并给出犆的精确值；构造一个新的上半平面Ｂｅｒｇｍａｎ投影，并给出它的一个范数估计．关键词：带权Ｂｅｒｌｏｃｈ空间；范数估计；精确值ｇｍａｎ投影；Ｂ中图分类号：Ｏ１７４．５５文献标志码：Ａ文章编号：１０００５０１３（２０１９）０２０２７７０４ ? ? ? 犅犾狅犮犺犛狆犪犮犲犪狀犱犖狅狉犿狅犳犅犲狉狅犲犮狋犻狅狀狅狀犵犿犪狀犘狉犼犝狆狆犲狉犎犪犾犳犘犾犪狀犲ＬＩＸｉｚｈｅｎ，ＣＨＥＮＸｉｎｇｄｉ，ＷＡＮＧＪｉｅ（ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃａｌＳｃｉｅｎｃｅｓ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｉｎａ）ｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈ犃犫狊狋狉犪犮狋：ＷｅｓｔｕｄｙｔｈｅｅｓｔｉｍａｔｅｏｆｔｈｅｎｏｒｍｏｆｗｅｉｔｅｄＢｅｒｒｏｅｃｔｉｏｎｏｎｔｈｅｕｐｐｅｒｈａｌｆｐｌａｎｅ．Ｔｈｅｒｅ  ｇｈｇｍａｎｐｊｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｗｅｉｔｅｄＢｅｒｒｏｅｃｔｉｏｎ犘α ｍａｐｓｔｈｅｓｐａｃｅ犔∞ （ｎｔｏａＢｌｏｃｈｓｐａｃｅ，ｓａｔｉｓｆｉｎｇｔｈａｔ Π）ｉｇｈｇｍａｎｐｊｙｒｅ犆ｉｓａｓｈａｒｏｎｓｔａｎｔ．Ｍｏｒｅｏｖｅｒ，ｗｅｃｏｎｓｔｒｕｃｔｏｎｅｎｅｗＢｅｒｒｏｅｃ  ‖犘α犳‖犅（Π）≤犆‖犳‖犔∞ （Π），ｗｈｅｐｃｇｍａｎｐｊｔｉｏｎｏｐｅｒａｔｏｒ，ａｎｄｗｅａｌｓｏｏｂｔａｉｎｉｔｓｎｏｒｍｅｓｔｉｍａｔｅ．犓犲狉犱狊：ｗｅｉｔｅｄＢｅｒｒｏｅｃｔｉｏｎ；Ｂｌｏｃｈｓｐａｃｅ；ｎｏｒｍｅｓｔｉｍａｔｅ；ｓｈａｒｏｎｓｔａｎｔｇｈｇｍａｎｐｊｐｃ狔狑狅１预备知识令 Π＝｛狕∈犆：Ｉｍ狕＞０｝表示上半平面，当α＞－１时，上半平面 Π 上的带权Ｌｅｂｅｓｇｕｅ测度可表示为 α＋２ｄ犃α（狕）＝（２Ｉｍ狕）ｄ犃（狕）． α＋１）（１上式中：ｄ犃（狕）＝ｄ狓ｄ狔． π 如果对一个解析函数犳，其Ｂ ′狘＜ ∞ ，则称犳为上半平面ｌｏｃｈ范数满足 ‖犳‖犅（Π）＝ｓｕｐ（Ｉｍ狕）狘犳狕∈Π ｏｃｈ函数，上半平面Ｂｌｏｃｈ函数全体构成的上半平面Ｂｌｏｃｈ空间，记为犅（ Π 上的一个Ｂｌ Π）．对于单位圆盘的情形，Ｂｅｒｇｍａｎ投影算子犘α 在单位圆盘犇上的积分表达式为 α （１－狘狑狘２）狑）（），犳（ｄ犃狑 α＋１（犇１－狕狑珡）犘α犳＝（ α＋１） ∫ 狕 ∈ 犇，犳 ∈ 犔∞ （犇）．收稿日期：２０１８０８２３ ? ? 通信作者：陈行堤（１９７６Ｅｉｌ：ｃｈｘｔｔ＠ｈｑｕ．ｅｄｕ．ｃｎ． ?），男，教授，博士，主要从事函数论的研究． ?ｍａ基金项目：国家自然科学基金资助项目（１１４７１１２８）；福建省高校创新团队发展计划（２０１８年度）；福建省泉州市高层人才团队项目（２０１７ＺＴ０１２）；华侨大学研究生科研创新能力培育计划资助项目（１７０１３０７０００８）华侨大学学报（自然科学版）２７８２０１９年［］将单位圆盘上的有界函数犔∞ （犇）映到单位圆盘上的Ｂｌｏｃｈ空间犅（犇）．Ｚｈｕ１证明了在α＝０时，有８［３］．Ｋａｌａｒ  ｌ 的ｊ等推广了Ｐｅ π 结果，给出了狀维情形下Ｂｅｒｇｍａｎ投影算子犘α 范数估计的精确上界，然而所使用 ‖ · ‖犅（犇）并非一个［］犆为常数．Ｐｅｒ  ｌ ２给出常数犆的精确值为 ‖犘犳‖犅（犇）≤犆‖犳‖ ∞ ，其中，［］完备的范数．Ｐｅｒ  ｌ ４给出一个完备的范数估计，在一定意义上补充完善文献［２?３］的工作．更多Ｂｅｒｇ  ５６］．ｍａｎ投影算子的相关内容可参考文献［ ? ［７］函数犳∈犔∞ （ｒ Π）的上半平面的Ｂｅｇｍａｎ投影算子为狑）犳（犃α（狑）． α＋２ｄ（ Π 狕－狑珡）［］Ｂｅｒｇｍａｎ投影算子工作多集中在该投影核的范数估计８?１０，文中研究侧重于上半平面Ｂｅｒｇｍａｎ空间与上半平面Ｂｌｏｃｈ空间的联系，同单位圆情形相似，有 α＋１犘α犳（狕）＝ｉ ∫ ‖犘α犳‖犅（Π） ≤ 犆‖犳‖犔∞ （Π），１狕并且给出了常数犆的精确值．通过复合单位圆盘到上半平面的共形映射（狕）＝ｉ＋：犇 → Π，得到一１－狕个不同的上半平面Ｂｅｒｇｍａｎ投影算子，并给出一个范数估计．引理犃［２］Ｂｅｒｇｍａｎ投影算子犘将犔∞ （犇）空间有界的映到Ｂｌｏｃｈ空间，且满足不等式 ‖犘犳‖犅（犇） ≤ 犆‖犳‖犔∞ （犇），常数犆的精确值为８． π ［１１］引理犅假设犪＞－１，犫＞－１且２犪－犫＞２，则有Ｉｍ狑１＋犫）２犪－犫－２）（ Γ（ Γ（２＋犫－２犪Ｉｍ狕）．２２犪－２Γ２（犪） ∫狘狕－狑珡狘ｄ犃（狑）＝２犪 Π 引理犆［１１］假设犪∈犚且犫＞－１，则有２犫（狘狕－ｉ狘Ｉｍ狑）２２犫－２犪－２－２犪，；；（）犪犪２犫＋ｄ犃狑狕ｉ犉＝狘＋狘２．２犪２犫２犪４ Π 狘狕－狑１＋犫狘狕＋ｉ狘珡狘狘狑＋ｉ狘－＋ ∞ 犽（犪）犫）犽（犽狓［，；；］为超几何函数，［，；；］，其中，（（犉犪犫犮狓犉犪犫犮狓＝ ∑ （）犪）犪）犪＋１）…（犪＋犽－０＝１，犽＝犪（犮犽犽！犽＝０［ ∫ １），犽 ≥ １；Γ（狊）为欧拉函数，Γ（狊）＝ ∞ ］狊－１－狋 ∫狋ｅｄ狋，狊＞０．０２主要结果及证明引理１设犪＞－１，则有犪（Ｉｍ狑）－１犃（狑）∽ （Ｉｍ狕）．犪＋３ｄ Π 狘狕－狑狘 ∫ 证明令犫＝α，２犪＝α＋３，由引理Ｂ可得 α （（）（３Ｉｍ狑）１２）１＋α）（ Γ（－１－１，犃（狑）＝ Γ ＋α Γ α＋－α－（Ｉｍ狕）Ｉｍ狕）＝ α＋３ｄ Π 狘狕－狑珡狘 α＋１２ α＋３ α＋１２ α＋３２ Γ ２ Γ ２２ ∫ （）（）从而有犪（Ｉｍ狑）－１犃（狑）∽ （Ｉｍ狕）．犪＋３ｄ Π 狘狕－狑狘 ∫ 引理１证毕．定理１设－１＜α＜∞ ，犘α 为上半平面带权Ｂｅｒｇｍａｎ投影，则犘α 将上半平面犔∞ （ Π）有界映到上半平面Ｂｌｏｃｈ空间犅（犆为常数． Π），且满足不等式 ‖犘α犳‖犅（Π）≤犆‖犳‖犔∞ （Π），其中，证明假设犵∈犔∞ （ Π）且犳＝犘α犵，则有 α （Ｉｍ狑）狑）（）犵（犃狑． α＋２ｄ（ Π 狕－狑珡） α＋２（狕）＝ｉ α＋１）犳（ ∫ 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．第２期李西振，等：上半平面的带权Ｂｅｒｌｏｃｈ空间ｇｍａｎ投影与Ｂ２７９ α （Ｉｍ狑）狑）（）应用引理，可得犵（犃狑．１ α＋３ｄ）（ Π 狕－狑珡 α＋２对上式等号两边微分，可得犳（ ′（狕）＝－ｉ α＋１）（ α＋２） ∫ （Ｉｍ狕）狕） ′｜∽｜犵（｜犳｜，也即犳∈犅（ Π），且有 ‖犘α犳‖犅（Π） ≤ 犆‖犳‖犔∞ （Π）．引理２常数犆的最佳值可表示为 α （Ｉｍ狕）（２Ｉｍ狑）ｄ犃（狑）．３ Π 珡狘α＋狘狕－狑犆＝ｓｕｐ（ α＋１）（ α＋２） ∫ 狕∈Π 证明令犳∈犔（ Π），则 ∞ α （Ｉｍ狑）狑）（），犳（犃狑 α＋２ｄ（ Π 狕－狑珡） α＋２（犘α犳（狕）＝ｉ α＋１） ∫ 从而有 α （（２Ｉｍ狑）Ｉｍ狕）狑）（）犳（ｄ犃狑． α＋３狕∈Π 狕∈Π Π 珡狘狘狕－狑对任意ε＞０，存在函数犵ε∈犔∞ （Ｉｍ狕）犘α犵ε） ′｜＞犆－ε． Π），｜（ ζ∈Π，使得 ‖犵ε‖ ∞ ＜１且有（对任意的狕∈Π，令Ｉｍ狕）狘（犘α犳） ′狘＝ｓｕｐ（ ‖犘α犳‖犅（Π）＝ｓｕｐ（ α＋２）（ α＋１） ∫ 狑）＝犳狕（３ α （Ｉｍ狑）狘狕－狑珡狘α＋． α＋３狕－狑珡）狘Ｉｍ狑狘α（对任意的狕∈Π 有 ‖犳‖ ∞ ＝１，因此，对于 ‖犵ε‖ ∞ ＜１，有 α α （（Ｉｍ狑）狑）ｄ犃（狑）Ｉｍ狑）狑）ｄ犃（狑）犳狕（犵（狘狘狘≤ ≤ ３＋ α α＋３（）（） Π Π 狕－狑狕－狑珡珡 ∫ 狘 ∫ 狑），狘Ｉｍ狑狘αｄ犃（ α＋３ Π 珡狘狘狕－狑 ∫ 从而有（Ｉｍζ）狘（犘α犳ζ） ′（Ｉｍζ）狘（犘α犵ε） ′（ ζ）狘≥ （ ζ）狘．引理２得证．（）（）（）定理２常数犆的最佳值为犆＝ α＋２ α＋１ Γ １＋α ． α＋３２Γ２２（）证明由引理２可知 α （Ｉｍ狕）（２Ｉｍ狑）ｄ犃（狑）． α＋３ Π 珡狘狘狕－狑犆＝ｓｕｐ（ α＋１）（ α＋２） ∫ 狕∈Π 令α＝犫， α＋３＝２犪，应用引理Ｂ，可得（２）（１）（）１犆＝ α＋ α＋ Γ ＋α ． α＋３２Γ２２（）定理２证毕．单位圆盘犇上的Ｂｅｒｇｍａｎ投影算子为 α （１－狘狑狘２）狑）（），犳（ｄ犃狑 α＋２（）犇１－狕狑珡犘α犳（狕）＝（ α＋１） ∫ 狕 ∈ 犇．１＋狕：单位圆到上半平面的共形变换为 （狕）＝ｉ犇→Π，从而对狕，狑∈犇有１－狕２ｉ（１－狕狑珡），狕）－（狕）＝（ （１－狕）（１－狑珡）２４，４狘１－狑狘１狑Ｉｍ（狕）＝－狘狘２．狘１－狑狘１狕狕）＝ｉ＋， ζ ＝ （１－狕１狑狑）＝ｉ＋， ξ ＝ （１－狑犑 （狕）＝令ζ，狕，狑∈犇，则有 ξ∈Π，犉（狕））＝ ζ）＝犳（狑）（ （ α （１－狘狑狘２）狑）（）犳（ｄ犃狑＝ α＋２（犇１－狕狑珡） ∫ 犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．华侨大学学报（自然科学版）２８０２０１９年２ α －１（１－狘－１（ ξ）狘）犳（  （ ξ））犑 （ｄ犃（ ξ） ξ）．－１－１ α＋２ Π ）（））（１－ （ ζ ξ ∫ 整理即可得到上半平面Ｂｅｒｇｍａｎ投影算子的另一种表达形式，即 α α＋２（Ｉｍξ）犳（ α＋２ ξ）（ ζ＋ｉ）ｄ犃（）．犉（ ζ）＝ｉ Π （－珋） ξ α＋２ α＋２ ζ ξ （ ξ＋ｉ） ∞ 为了方便记犉（狕）＝犜α犳（狕），其中，． Π）．进而有定理３犳∈犔（ ∫ α＋２；定理３设α＞－１，有 ‖犜α ‖≤ １犉 α＋２，２＋α；１．２２１＋α ［证明］ α＋２，注意到令犫＝α，犪＝２犫－２犪＋４＝α＋３，应用引理Ｃ可得２狘犜α 狘≤ ２ α＋２， α＋２；狘狕－ｉ狘，１２＋α；犉２２２１＋α 狘狕＋ｉ狘［］ｉ－狕，则有 α＋２，又对于狕∈Π，令ζ＝ψ（狕）＝０，１），对于＞０２＋α＞０，由于超几何函数 ζ∈犇．令｜ ζ｜＝狉∈ （ｉ＋狕２犉 α＋２；，２＋α；狉］在区间（０，１）是单调递增的，因此有［α＋２２２ α＋２， α＋２；１２＋α；１］犉［． ‖犜 ‖ ≤ ２２１＋α ２ α ∞ 定理３证毕．参考文献：［１］ＺＨＵＫｅｈｅ．Ｏｐｅｒａｔｏｒｔｈｅｏｒｎｆｕｎｃｔｉｏｎｓｐａｃｅｓ［Ｍ］．ＮｅｗＹｏｒｋ：ＡｍｅｒｉｃａｎＭａｔｈｅｍａｔｉｃａｌＳｏｃ，２００７：１０１１３２． ? ｙｉ［２］ＰＥＲ?Ｌ? Ａ．ＯｎｔｈｅｏｐｔｉｍａｌｃｏｎｓｔａｎｔｆｏｒｔｈｅＢｅｒｒｏｅｃｔｉｏｎｏｎｔｏｔｈｅＢｌｏｃｈｓｐａｃｅ［Ｊ］．ＡｎｎＡｃａｄＳｃｉＦｅｎｎｇｍａｎｐｊＭａｔｈ，２０１２，３７（１）：２４５２４９．ＤＯＩ：１０．５１８６／ａａｓｆｍ．２０１２．３７２２． ? ［３］ＫＡＬＡＪＤ，ＭＡＲＫＯＶＩＣＭ．ＮｏｒｍｏｆｔｈｅＢｅｒｒｏｅｃｔｉｏｎ［Ｊ］．ＭａｔｈＳｃａｎｄ，２０１２（１）：１４３?１６０．ＤＯＩ：１０．７１４６／ｇｍａｎｐｊｍａｔｈ．ｓｃａｎｄ．ａ１８００７． ? ［４］ＰＥＲ?Ｌ? Ａ．ＢｌｏｃｈｓｐａｃｅａｎｄｔｈｅｎｏｒｍｏｆｔｈｅＢｅｒｒｏｅｃｔｉｏｎ［Ｊ］．ＡｎｎＡｃａｄＳｃｉＦｅｎｎＭａｔｈ，２０１３，３８（２）：８４９ ? ｇｍａｎｐｊ８５３．ＤＯＩ：１０．５１８６／ａａｓｆｍ．２０１３．３８５０．［５］ＨＥＤＥＮＭＡＬＭＨ，ＫＯＲＥＮＢＬＵＭＢ，ＺＨＵＫ．ＴｈｅｏｒｆＢｅｒｃｅｓ［Ｍ］．［Ｓ．ｌ．］：ＳｐｒｉｎｇｅｒＳｃｉｅｎｃｅａｎｄＢｕｓｉ  ｙｏｇｍａｎｓｐａ２０１２：１２７ｎｅｓｓＭｅｄｉａ， ? ［６］ＺＨＵＫｅｈｅ．ＡｓｈａｒｒｍｅｓｔｉｍａｔｅｏｆｔｈｅＢｅｒｒｏｅｃｔｉｏｎｏｎ犔狆ｓｐａｃｅｓ［Ｊ］．ＣｏｎｔｅｍｐＭａｔｈ，２００６，４０４：１９９２０５． ? ｐｎｏｇｍａｎｐｊ１０．１０９０／ｃｏｎｍ／４０４／０７６４４．ＤＯＩ： ′ ［７］ＤＯＳＴＡＮＩＣＭ．ＩｎｔｅｇｒａｌｏｐｅｒａｔｏｒｓｉｎｄｕｃｅｄｂｙＢｅｒｒｎｅｌｓｉｎｔｈｅｈａｌｆｐｌａｎｅ［Ｊ］．ＡｓｙｍｐｔｏｔＡｎａｌ，２０１０，６７ｇｍａｎｔｙｐｅｋｅ（３）：２１７２２８．ＤＯＩ：１０．３２３３／ＡＳＹ? ２０１００９７９． ? ? ［８］ＬＩＵＣｏｎｇｗｅｎ．ＮｏｒｍｅｓｔｉｍａｔｅｓｆｏｒｔｈｅＢｅｒｒｏｅｃｔｉｏｎａｎｄｔｈｅＣａｕｃｈｙ：Ｓｚｅｇｐｒｏｅｃｔｉｏｎｏｖｅｒｔｈｅｓｉｅｇｅｌｕｐｐｅｒｇｍａｎｐｊｊｈａｌｆｓｐａｃｅ［Ｊ］．ａｒＸｉＣｏｎｓｔｒａｐｐｒｏｘ，２０１８，４８（３）：３８５４１３．ＤＯＩ：１０．１００７／ｓ００３６５０１９３９０６． ? ? ? ? ? ［９］ＰＯＭＭＥＲＥＮＫＥＣ．Ｂｏｕｎｄａｒｉｏｕｒｏｆｃｏｎｆｏｒｍａｌｍａｐｐｉｎｇｓ［Ｍ］．Ｌｏｎｄｏｎｒｋ：Ａｓｐｅｃｔｓｏｆｃｏｎｔｅｍ?ｐｏｒａｒ ?ＮｅｗＹｏｙｂｅｈａｖｙｃｏｍｐｌｅｘａｎａｌｓｉｓ，ＡｃａｄｅｍｉｃＰｒｅｓｓ，１９８０：３１３３３１． ? ｙ［１０］ＳＥＩＤＥＬＪ，ＷＡＬＳＨＬ．Ｏｎｔｈｅｄｅｒｉｖａｔｉｖｅｓｏｆｆｕｎｃｔｉｏｎｓａｎａｌｔｉｃｉｎｔｈｅｕｎｉｔｃｉｒｃｌｅａｎｄｔｈｅｉｒｒａｄｉｉｏｆｕｎｉｖａｌｅｎｃｅａｎｄｏｆｙｖａｌｅｎｃｅ［Ｊ］．ＴｒａｎｓＡｍｅｒＭａｔｈＳｏｃ，１９４２，５２（１）：１２８２１６．ＤＯＩ：１０．２３０７／１９９０１５７． ? 狆? ［１１］ＬＩＵＣｏｎｇｗｅｎ，ＺＨＯＵＬＦ．Ｏｎｔｈｅ狆?ｎｏｒｍｏｆａｎｉｎｔｅｇｒａｌｏｐｅｒａｔｏｒｉｎｔｈｅｈａｌｆｐｌａｎｅ［Ｊ］．ＣａｎａｄＭａｔｈＢｕｌｌ，２０１３，５６（３）：５９３６０１．ＤＯＩ：１０．４１５３／ｃｍｂ２０１１１８６３． ? ? ? ? （责任编辑：陈志贤犺狋狋犺犱狓犫．犺狇狌．犲犱狌．犮狀狆：∥狑狑狑．英文审校：黄心中）《华侨大学学报（自然科学版）》征稿简则《华侨大学学报（自然科学版）》是华侨大学主办的，面向国内外公开发行的自然科学综合性学术刊物．本刊坚持四项基本原则，贯彻“百花齐放，百家争鸣”和理论与实践相结合的方针，广泛联系海外华侨和港、澳、台、特区的科技信息，及时反映国内尤其是华侨大学等高等学府在基础研究、应用研究和开发研究等方面的科技成果，为发展华侨高等教育和繁荣社会主义科技事业服务．本刊主要刊登机械工程及自动化、测控技术与仪器、电气工程、电子工程、计算机技术、应用化学、材料与环境工程、化工与生化工程、土木工程、建筑学、数学和管理工程等基础研究和应用研究方面的学术论文，科技成果的学术总结，新技术、新设计、新产品、新工艺、新材料、新理论的论述，以及国内外科技动态的综合评论等内容．１投稿约定１．１作者应保证文稿为首发稿及文稿的合法性；署名作者对文稿均应有实质性贡献，署名正确，顺序无争议；文稿中所有事实均应是真实的和准确的，引用他人成果时，应作必要的标注；不违反与其他出版机构的版权协议及与其他合作机构的保密协议；无抄袭、剽窃等侵权行为，数据伪造及一稿两投等不良行为．如由上述情况而造成的经济损失和社会负面影响，由作者本人负全部责任．２个月之后，作者若没有收到反馈意见，可与编辑１．２自投稿日期起２个月之内，作者不得另投他刊．部联系．无论何种原因，要求撤回所投稿件，或者变更作者署名及顺序，需由第一作者以书面形式通知编辑部并经编辑部同意．１．３作者同意将该文稿的发表权，汇编权，纸型版、网络版及其他电子版的发行权、传播权和复制权交本刊独家使用，并同意由编辑部统一纳入相关的信息服务系统．１．４来稿一经刊用，作者须按规定交纳版面费，同时编辑部按篇一次性付给稿酬并赠送该期刊物．本刊被国内外多家著名文摘期刊和数据库列为收录刊源，对此特别声明不另收费用，也不再付给稿酬．１．５其他未尽事宜，按照《中华人民共和国著作权法》和有关的法律法规处理．２来稿要求和注意事项２．１来稿务必具有科学性、先进性，论点鲜明、重点突出、逻辑严密、层次分明、文字精练、数据可靠．２．２论文题名字数一般不超过１８字，必要时可加副题．文中各级层次标题要简短明确，一般不超过１５字，且同一层次的标题应尽可能“排比”．２．３署名作者应对选题、研究、撰稿等作出主要贡献并能文责自负，一般以不超过３名为宜．作者单位应标明单位、所在城市、省份及邮政编码．２．４摘要应包括研究的目的、使用的方法、获得的结果和引出的结论等，应写成独立性短文且不含图表和引用参考文献序号等．其篇幅一般以１５０～２５０字左右为宜，关键词以４～８个为宜．２．５量和单位符号等要符合国家标准和国际标准．２．６能用文字说明的问题，尽量不用图表；画成曲线图的数据，不宜再列表．图表应有中英文标题．２．７参考文献仅选最主要的，且已公开发表的，按规范的内容、顺序、标点书写列入，并按其在文中出现的先后次序进行编号和标注．参考文献不少于１５篇，未公开发表的资料不引用．２．８英文摘要尽可能与中文摘要对应，包括题目、作者姓名、作者单位、摘要、关键词．用过去时态叙述作者工作，用现在时态叙述作者结论，并符合英文写作规范．２．９文稿首页地脚处依次注明收稿日期；通信作者为可联系作者的姓名、出生年、性别、职称、学历、研究方向、电子邮件地址；基金项目为课题资助背景及编号，可几项依次排列．２．１０投稿请直接登陆本刊唯一官方网站（ｗｗｗ．ｈｄｘｂ．ｈｑｕ．ｅｄｕ．ｃｎ）在线投稿．《华侨大学学报（自然科学版）》编辑部 ·《中文核心期刊要目总览》 ·犚犆犆犛犈中国核心学术期刊 ·中国期刊方阵“双效期刊” ·中国科技论文在线优秀期刊 ·犐犛犜犐犆中国科技核心期刊 ·全国优秀科技期刊 ·华东地区优秀期刊本刊被以下国内外检索期刊和数据库列为固定刊源 ·美国《化学文摘》（ＣＡＳ） ·波兰《哥白尼索引》（ＩＣ） ·“ ＳＴＮ国际”数据库 ·中国科学引文数据库 ·中国科技论文统计期刊源 ·中国学术期刊（光盘版） ·中文科技期刊数据库 ·中国力学文摘 ·中国生物学文摘 ·中国数学文摘 ·俄罗斯《文摘杂志》（ＡＪ，ＶＩＮＩＴＩ） ·荷兰《文摘与引文数据库》（Ｓｃｏｐｕｓ） ·德国《数学文摘》（ＺｂｌＭＡＴＨ） ·中国学术期刊综合评价数据库 ·中国期刊网 ·万方数据库 ·中国机械工程文摘 ·中国化学化工文摘 ·中国无线电电子学文摘 ·中国物理文摘华侨大学学报（自然科学版）犑犗犝犚犖犃犔犗犉犎犝犃犙犐犃犗犝犖犐犞犈犚犛犐犜犢（ＮＡＴＵＲＡＬＳＣＩＥＮＣＥ）ＨｕａｑｉａｏＤａｘｕｅＸｕｅｂａｏ（ＺｉｒａｎＫｅｘｕｅＢａｎ）（双月刊，１９８０年创刊）第４０卷第２期（总第１６６期）２０１９年３月２０日主管单位：福建省教育厅主办单位：华侨大学（中国福建泉州３６２０２１）（中国福建厦门３６１０２１）编辑出版：华侨大学学报自然科学版编辑部话：０５９５  ２２６９２５４５烄电烌电子信箱：ｊｏｕｒｎａｌ＠ｈｑｕ．ｅｄｕ．ｃｎ址：ｗｗｗ．ｈｄｘｂ．ｈｑｕ．ｅｄｕ．ｃｎ烎烆网主编：黄仲一印刷：泉州晚报印刷厂国内发行：福建省泉州市邮政局订购处：全国各地邮政局（所）国外发行：中国出版对外贸易总公司（北京７８２信箱，邮政编码１０００１１）  ５０１３号：ＩＳＳＮ１０００ＣＮ３５  １０７９／Ｎ００元／册国内定价：１０．６０．００元／套刊代（Ｂｉｍｏｎｔｈｌｔａｒｔｅｄｉｎ１９８０）ｙ，ＳＶｏｌ．４０Ｎｏ．２（Ｓｕｍ１６６）Ｍａｒ．２０，２０１９犆狅犿狆犲狋犲狀狋犃狌狋犺狅狉犻狋ａｔｉｏｎ狔：ＴｈｅＥｄｕｃＤｅｐａｒｔｍｅｎｔｏｆＦｕｉａｎＰｒｏｖｉｎｃｅｊ犛狆狅狀狊狅狉：ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ（，Ｑｕａｎｚｈｏｕ３６２０２１Ｆｕｉａｎ，Ｃｈｉｎａ）ｊ（Ｘｉａｍｅｎ３６１０２１，Ｆｕｉａｎ，Ｃｈｉｎａ）ｊ犈犱犻狋狅狉犻狀犆犺犻犲犳：ＨＵＡＮＧＺｈｏｎｇｙｉ犈犱犻狋犲犱犪狀犱犘狌犫犾犻狊犺犲犱犫狔ＥｄｉｔｏｒｉａｌＤｅｐａｒｔｍｅｎｔｏｆＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔＮａｔｕｒａｌＳｃｉｅｎｃｅ）ｙ（ｌ：０５９５  ２２６９２５４５烄Ｔｅ烌Ｅｍａｉｌ：ｊｅｄｕ．ｃｎｏｕｒｎａｌ＠ｈｑｕ．／／ｗｗｗ．ｔｈｄｘｂ．ｈｑｕ．ｅｄｕ．ｃｎ烎ｐ：烆Ｈｔ犇犻狊狋狉犻犫狌狋犲犱犫狔ＣｈｉｎａＰｕｂｌｉｃａｔｉｏｎＦｏｒｅｉｇｎＴｒａｄｉｎｇＣｏｒｐｏｒａｔｉｏｎ（，Ｐ．Ｏ．Ｂｏｘ７８２Ｂｅｉｉｎｇ，１０００１１，Ｃｈｉｎａ）ｊ国内邮发３４  ４１号：国外ＮＴＺ１０５０