新拌混凝土流动与变形的模拟方法研究(英文)

介绍了３种由作者提出的模拟新拌混凝土流变性的分析方法,即粘塑性有限元法（ＶＥＦＭ）、粘塑性悬浮元法（ＶＳＥＭ）和粘塑性空间元法（ＶＤＥＭ）,这些方法均将新拌混凝土视为宾汉姆（Ｂｉｎｇｈａｍ）型流体。用这些方法对不同条件下的新拌混凝土的流动行为进行模拟,并将分析结果与实验结果进行比较。     

n阶全矩阵环（代数）的极小生成集

证明了下面的结论：１．若Ｒ是有单元元１的环，则Ｍｎ（Ｒ）作为环与Ｒ－模可由两个元生成；２．设Ｆ是域，Ｍｎ（Ｆ）作为Ｆ－代数可由两个元生成，且Ｍｎ（Ｆ）的任意非中心元皆可作为极小生成集中的一员；３．设Ｆ是特征为零的域，则Ｍｎ（Ｆ）的上三角矩阵子代数可由两个元生成。     

竟聚率值,烷基基团和系列有机锡单体,MMA共聚活性的相关性

本文采用ＦＴＩＲ技术测定了共聚物的组成，用Ｆｉｎｅｍａｎ—Ｒｏｓｓ法、最小二乘曲线拟合法（ＮＬＳ法）、置信区间法计算了甲基丙烯酸三甲基锡酯（ＴＭＴＭ）、三乙基锡酯（ＴＥＴＭ），三丁基锡酯（ＴＢＴＭ）和三苯基锡酯（ＴＰＴＭ）与甲基丙烯酸甲酯（ＭＭＡ）的竟聚率，ＮＬＳ法的数值分别为：ｒ１＝１．０７，ｒ２＝０．６３（ＴＭＴＭ／ＭＭＡ）；０．８７，０．６２（ＴＥＴＭ／ＭＭＡ）；０．６２，０．５８（ＴＢＴＭ／ＭＭＡ）；０．６８，０．６０（ＴＰＴＭ／ＭＭＡ），并计算了各单体的Ｑ和ｅ值，讨论了不同取代基结构对其共聚合相对活性的影响．     

三种磷酸盐类阻燃剂对脲醛树脂固化过程的影响

用差示扫描量热法（ＤＳＣ）研究了三种磷酸盐类阻燃剂（磷酸二氢胺ＭＡＰ、磷酸氢二铵ＤＡＰ和聚磷酸铵ＡＰＰ）对脲醛树脂胶粘剂（ＵＦ）固化反应起始温度、反应速度以及最终固化程度的影响。结果表明：（１）ＡＰＰ和ＭＡＰ可以降低阻燃胶粘剂的ｐＨ值，而ＤＡＰ则使ｐＨ值升高；（２）ＡＰＰ和ＭＡＰ可以降低ＵＦ胶固化反应活化能，使固化反应在较低的温度下开始，但相应的阻燃ＵＦ胶最终固化程度低于不加阻燃剂的ＵＦ胶；（３）     

非晶态合金的自旋波激发与结构涨落及超精细场分布

本文研究了非晶态（ａ）－Ｆｅ－ＴＭ－Ｓｉ－Ｂ（ＴＭ＝Ｃｏ，Ｓｉ，Ｍｏ，Ｎｂ）合金从１．５Ｋ到３００Ｋ的磁化强度及室温穆斯堡尔谱，得到了成里温度Ｔｃ、饱和磁化强度σｓ（０）、自旋波颈度常数Ｄ及平均超精细场等。结果表明，（ａ）对于Ｆｅ８３Ｓｉ５Ｂ１２，当Ｎｂ，Ｍｏ与Ｓｉ，Ｃｏ取代Ｆｅ后，Ｆｅ－（Ｎｂ，Ｍｏ）－Ｓｉ－Ｂ的磁性质不同于Ｆｅ－（Ｓｉ，Ｃｏ）－Ｓｉ－Ｂ；（ｂ）ａ－Ｆｅ－（Ｍｏ，Ｎｂ，Ｃｒ，Ｗ，     

Oxidation Behaviour of the Matrix Materials in Spherical Fuel Elements

ＯｘｉｄａｔｉｏｎＢｅｈａｖｉｏｕｒｏｆｔｈｅＭａｔｒｉｘＭａｔｅｒｉａｌｓｉｎＳｐｈｅｒｉｃａｌＦｕｅｌＥｌｅｍｅｎｔｓＺｈａｎｇＳｈｉｃｈａｏ（张世超）；ＨｅＪｕｎ（贺俊）；ＱｉｕＸｕｅｌｉａｎｇ（邱学良）；ＭａＣｈａｎｇｗｅｎ（马昌文）（Ｉｎｓ...     

在关联噪声驱动下双稳系统的MFPT

讨论了在关联噪声驱动下双稳系统的瞬变性质，计算了该系统的平均第一通过时间（ＭＦＰＴ）。数值计算表明：在正关联的条件下（λ〉０），ＭＦＰＴ噪声关联τ增大而减少；在负关联条件下（λ＝０），ＭＦＰＴ随τ增大而增大。同时还发现，在完全正关条件下（λ＝），若加性噪声强度等于乘性噪声强度（α＝Ｄ），则ＭＦＰＴ趋于无穷大；若α／Ｄ≈０．８７，则平均第一通过时间等于零。     

环戊二烯基二羰基铁碘化合物与相应铁负离子反应的再探讨

硅基取代环戊二烯基二羰基铁负离子［η＾５－ＲＣ５Ｈ４Ｆｅ（ＣＯ）２］＾－（Ｒ＝ＳｉＭｅ３，Ｉ；Ｓｉ２Ｍｅ５，Ⅱ）与铁碘化合物（η＾５－Ｃ５Ｈ５）Ｆｅ（ＣＯ）２Ｉ反应，除得到新的Ｆｅ－Ｆｅ化合物外，还分离到另两种母体Ｆｅ－Ｆｅ化合物；桥连化合物（η＾５，η＾５－Ｃ５Ｈ４ＳｉＭ３２ＯＳｉＭｅ２Ｃ５Ｈ４）［Ｆｅ（ＣＯ）２Ｉ］２（６）与铁负离子［η＾５－Ｃ５Ｈ５Ｆｅ（ＣＯ）２］＾－（Ⅲ）的反应，仅分离到各     

关于BCI—代数的不变子结构

讨论ＢＣＩ－代数Ｘ在其伴随半群Ｍ（Ｘ）下的不变子集合，不变子代数，不变理想及其性质；指出当Ｆ是一个ＢＣＫ－代数Ｘ的半滤子时，Ｍ（Ｘ）的使Ｆ不变的最大子半群Ｉ（Ｆ）是Ｍ（Ｘ）序滤子。     

过渡金属配合物M（mnt）（phen）性质研究

测定了过渡金属配合物Ｍ（ｍｎｔ）（ｐｈｅｎ）的ＤＭＦ溶液摩尔电导率（Ｍ＝Ｆｄ（２＋）、Ｃｏ（２＋）、Ｎｉ（２＋）、Ｃｕ（２＋）、Ｚｎ（２＋）；ｍｎｔ（２－）＝马来二腈基二硫代酸根；ｐｈｅｎ＝１，１０－菲啉），五种配合物均属非电解质。配合物的ＴＧ和ＤＴＡ数据表明，温度在２００℃以下，配合物对热稳定。讨论了五种配合物在二十种溶剂中的溶解性变化规律。     

基于X-SBFEM的非线性断裂数值模型研究

从非线性断裂力学模型的角度,开展准脆性材料(混凝土)裂纹过程区的有效模拟,是当前的研究热点之一.扩展比例边界有限元法(X-SBFEM)兼有扩展有限元法(XFEM)和比例边界有限元法(SBFEM)两种方法的优势,利用SBFEM求解裂尖段应力奇异性问题,利用XFEM模拟非裂尖段位移场不连续.为在X-SBFEM中增加非线性断裂模型,提出采用sideface力的形式,基于黏聚力模型,通过线性叠加迭代法来模拟准脆性材料(混凝土)裂纹过程区.最后,以数值算例——单边缺口的三点弯曲梁和四点剪切梁——模拟裂纹过程区能量耗散影响,验证了所提方法的精度与应用效果.     

混凝土断裂特性与裂纹张开位移

综合分析了混凝土断裂特征 ,和描述载荷与变形关系曲线连续函数 根据混凝土断裂过程区的观测结果 ,推出以幂函数多项式表达断裂过程区虚拟裂纹张开位移的表达方法 ,通过最小二乘法导出了计算该多项式中待定系数的代数方程 ,并且由实测裂纹张开位移数据给出了若干计算实例分析和讨论     

基于MHMM的脱机手写体字符识别

对隐马尔可夫模型(HMM)的训练方法及模型参数的选取进行了探讨,并将HMM理论用于脱机手写体识别中,建立了一种基于字符投影变换图像的边界链码特征的多重隐马尔可夫模型(MHMM).实验结果表明,该方法是可行的,且具有良好的兼容性和灵活性,可应用于手写体字符的自动识别中.     

融合笔画特征的命名实体识别方法

汉字是象形文字,其字形特征对于中文命名实体识别有着重要的作用。针对双向长短期记忆模型（bi-directional long short-term memory,BiLSTM）提取部首,命名实体识别准确率不高的问题,提出笔画组成编码器,用于获取汉字的字形特征,并将笔画字形特征向量和预训练的语言表征模型（bidirectional encoder representation from transformers,BERT）输出的字向量进行拼接,将拼接后的向量放入双向长短期记忆模型与条件随机场（conditional random field,CRF）相连的标注模型（BiLSTM-CRF）中进行命名实体识别。实验表明,所提的方法在Resume数据集上命名实体识别准确率有显著提升。相较于用卷积神经网络做编码器提取汉字字形特征,准确率高出0.4%。相较于使用BiLSTM提取的部首特征模型和加入词典的长短期记忆模型(Lattice LSTM)模型其准确率分别提升了4.2%、0.8%。     

多字体字符识别的分级协同模型

提出了一种用于多字体字符识别的分级协同神经网络模型。该分级模型的识别由两部分组成：Haken的协同网络确定识别进入哪个协同子网;用协同子网进行具体识别。对大量实际采集得到的多字体字符样本的测试表明：新模型能有效地提高协同神经网络对多字体字符的识别率,但由于仍保留了识别速度快的特点,所以新模型适用于实时的光学字符识别应用,对加噪字符的识别试验表明该模型具有很好的鲁棒性。     

一种用于模拟汉字认知过程的多层自组织神经网络

为了模拟汉语初学者的汉字认知过程,在Kohonen神经网络的基础上,改进了其网络结构和算法,并且将改进后的网络输出层根据Hebbian学习规则连接,构建了一个多Kohonen网络协同工作的汉字认知自组织神经网络模型.模拟研究结果表明,模型能够成功地学习到汉字的结构类型,且能有效识别出汉字的部件,在一定程度上模拟了汉字认知的部分过程,说明该模型用于汉字认知乃至汉语言习得的可行性.     

模式识别中基于Boosting的特征筛选

提出了一种基于Boosting的特征筛选算法.根据Boosting分类训练时的训练错误率、训练过程中错误率的收敛速度以及测试错误率确定特征影响因子;利用这些影响因子对待识别目标的特征进行排序,去除冗余特征,以降低特征空间的维数.对于筛选后保留的特征,根据其影响因子进行加权,以提高目标识别的准确率.用该方法可避免其它分类学习器训练时的过学习现象,生成的分类器模型小,识别速度快,适用于对特征不易确定的目标识别.     

周转轮系系统化研究的图论模型

在分析轮系结构特征图形模型与状态特征图形模型的基础上,确立了能够系统化研究周转轮系的图形模型。认识到电网与轮系同属于物理系统,提出了解决电网络问题的图论方法可应用于轮系系统化研究的图论模型,并从理论上说明了拓扑图满足基尔霍夫定律。     

基于BERT的危险化学品命名实体识别模型

针对危险化学品实体识别及关系识别的问题，本文基于双向长短期记忆网络连接条件随机场(Bidirectional Long Short-Term Memory with Conditional Random Field, BiLSTM-CRF)模型，通过引入双向编码器表示(Bidirectional Encoder Representation from Transformers, BERT)模型结合多头自注意力机制，提出了一种预训练命名实体模型BERT-BiLSTM-self-Attention-CRF,通过对危险化学品的文本进行字符级别编码，得到基于上下文信息的字向量，增强了模型挖掘文本全局和局部特征的能力。实验结果表明，在自行构建的数据集上，本文模型优于其他传统模型，其F1值为94.57%。