预应力钢桁架加固简支梁桥方案研究

为了验证预应力钢桁架加固桥梁这种全新加固方法的可行性,先通过力学公式对加固原理解释推导,并用有限元分析软件Ansys建模进行计算验证;再以一8m长的简支梁桥为例进行分析,设置一系列均布荷载和集中荷载梯度值,通过对比预应力钢桁架加固前后梁内的弯矩和最大挠度值的变化情况,探究其加固效果.分析结果表明,通过合理地布置预应力钢桁架对简支梁桥进行加固,能有效地改善简支梁梁内的弯矩受力,减少梁的最大挠度值.     

弱CS模的直和讨论

弱CS模是CS模的一个重要推广模,即每个半单子模都是其直和项的本质子模,关于其直和与直和项的研究是国际近期研究的热点,文章给出了弱CS模对直和与直和项保持遗传性的一个等价条件,即M满足c2条件,在此基础上得到了满足直和具有遗传性的与SOC有关的充分条件,及弱CS模与广义PP-环的一些等价条件。     

离子型金属聚合物复合材料的分数阶建模及二阶滑模控制

离子型金属聚合物复合材料(ionic polymer metal composites,IPMC)是一种具有广阔应用前景的电驱动智能复合材料,但是它具有强非线性,尤其是磁滞特性,严重影响了控制精度。分数阶控制系统的提出,不仅涵盖了传统的整数阶系统,还对其进行了补充,大大增加了控制理论的鲁棒性和易模拟性。为了准确建立IPMC模型,首先通过实验数据和人工蜂群算法对整数阶模型进行参数寻优,再将其转化成拟合度更高的分数阶模型。针对该分数阶模型,提出并介绍了基于分数阶的二阶滑模控制器的理论内容,并从仿真与实验两个方面分别与分数阶PI~λD~μ控制器作对比,结果表明了所提出控制方法的控制效果更好。     

图神经网络技术研究综述

近年来，深度学习已成功应用于图像处理、自然语言理解等领域，在图像、语音、文本等形式的数据上获得较好效果。但深度学习一直无法很好地对于图形式的非结构化数据进行有效的适配。而作为一类主要用于描述关系的通用数据表示方法，图数据在产业界有着更加广阔的应用场景，例如社交网络、电子购物、物联网、生物制药等场景中数据多以图的形式出现。于是，将深度学习技术迁移到图数据处理的图神经网络技术于2005年被提出，并且受到了非常广泛的关注。本文对图神经网络技术进行综述，首先梳理了图神经网络相关的背景知识，介绍了四个主要的图神经网络模型原理、主要应用领域以及开放资源，最后分析了图神经网络面临的主要问题。     

图神经网络技术研究综述

近年来，深度学习已成功应用于图像处理、自然语言理解等领域，在图像、语音、文本等形式的数据上获得较好效果。但深度学习一直无法很好地对于图形式的非结构化数据进行有效的适配。而作为一类主要用于描述关系的通用数据表示方法，图数据在产业界有着更加广阔的应用场景，例如社交网络、电子购物、物联网、生物制药等场景中数据多以图的形式出现。于是，将深度学习技术迁移到图数据处理的图神经网络技术于2005年被提出，并且受到了非常广泛的关注。本文对图神经网络技术进行综述，首先梳理了图神经网络相关的背景知识，介绍了四个主要的图神经网络模型原理、主要应用领域以及开放资源，最后分析了图神经网络面临的主要问题。