高强钢铰线网－聚合灰浆加固梁斜截面承载力计算方法研究

对采用“高强不锈钢绞线网-渗透性聚合物砂浆”受剪加固梁的斜截面承载力的计算方法进行探讨。文通过对混凝土粱及其加固梁试验结果的对比分析发现：按《规范》（GB10050—2002）计算加固粱的抗剪承载力安全余度比未加固粱的安全余度小得多,其主要原因是加固体中采用的钢铰线箍筋的强度过高,得不到充分利用;其次是由于加固体混凝土与原粱体混凝土受力和变形的不同步。因此文对抗剪加固梁的抗剪承载力计算公式进行了修正：限制加固体内箍筋的设计强度,折减加固体混凝土的抗剪承载力。从修正公式计算值与试验结果的比较看,修正后加固梁承载力的安全余度与未加固混凝土梁基本接近。     

增量学习的拉曼光谱识别算法

针对拉曼光谱仪内置数据库样本数量少和新增物质光谱无法识别的问题,提出了一种增量学习的拉曼光谱识别算法。构建了基于空间注意力机制的一维膨胀卷积神经网络（convolutional neural network model,CNN_SA）,用数据库已有光谱数据对CNN_SA预训练,提取拉曼光谱特征,与逻辑回归（logistic regression,LG）和支持向量机（support vector machine,SVM）等算法相比,CNN_SA具有更好的识别性能。并采用类别增量的学习方式,将CNN_SA学习的先验知识迁移到新增物质的拉曼光谱识别中,极大提高了新增物质小样本拉曼光谱的识别准确率。     

步行式挖掘机方向纠偏控制参数多目标优化方法

针对步行式挖掘机自行上运输车过程中，实现一次方向纠偏控制参数的求解问题，建立了步行式挖掘机方向纠偏时的运动学微分方程，构造了一种求解方向纠偏控制参数多目标优化模型，用两级优化模型对纠偏控制参数进行求解。第一级优化模型利用信赖域法对一阶微分方程进行求解，得到步行式挖掘机方向纠偏过程中的运动参数；第二级优化模型用序列二次规划法对多目标优化模型求解，得到不同接近角情况下一次纠偏控制优化参数。利用仿真分析对第一级优化模型进行了验证。研究表明，建立的步行式挖掘机纠偏模型正确，当接近角小于25°时，步行式挖掘机可实现一次方向纠偏，所提出的两级优化模型控制参数求解方法可为步行式挖掘机无人化纠偏提供理论依据。     

采用滑动平均多元多尺度色散熵的液压泵故障诊断方法

为了提高色散熵的信息提取能力，在兼顾计算效率和效果的前提下，引入多维嵌入重构理论，借鉴滑动平均的思想，更新了传统多尺度算法的粗粒化方式，提出了滑动平均多元多尺度色散熵(moving average multivariate multiscale dispersion entropy，MA_mvMDE)用以提取液压泵故障特征。首先，利用均匀相位经验模态分解（uniform phase empirical mode decomposition，UPEMD）将振动信号分解为多个本征模态分量（intrinsic mode functions，IMF），再采用相关系数法筛选敏感分量，将包含大量故障信息的模态分量作为多通道数据计算其MA_mvMDE值来提取故障特征。接着，采用MCFS方法选择故障敏感特征实现降维。最后，通过随机森林分类器完成故障识别。采用液压泵故障振动数据验证了该方法能够准确诊断不同类型和不同程度的故障。