基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

LiH(D,T)同位素分子从头算的解析势能函数

首先, 利用LiH实验光谱常数和同位素效应推导出LiT分子的光谱学常数. 根据双原子分子的光谱学常数, 力常数, 解析势能函数参数同实验测量的光谱常数间的关系, 推导出LiH和LiD分子的力常数和Murrel-Sorbie解析势能函数参数. 其次, 在核间距平衡点两侧谐振频率范围内取若干点, 用量子化学QCISD(T)方法和6-311++(3df, 2pd)基组对LiH及其氢同位素分子进行单点能计算, 并在Born-Oppenheimer近似下用核动能对电子能量进行修正, 而后进一步拟合为Murrel-Sorbie解析势能函数形式, 得到LiH及其氢同位素分子从头算的解析势能函数参数和力常数. 最后, 对比两种方法推导出的各项参数, 结果说明从头算的修正近似方法是合理的, 可以应用到三原子同位素分子解析势能函数的研究中.     

量子环中电子－空穴系统的准精确解析解

应用准精确解析求解的方法研究了一维量子环中的电子-空穴系统,得到环半径在一些离散的特殊取值的时候可解析地求得波函数和能量.结果显示,该系统的能级是二重简并的,分别为宇称的两个本征态,并且相同能量的属于不同宇称的波函数图像在坐标系右半边完全重合,而在左半边完全相反.     

基于应变模态的直接损伤定位法

通常结构的位移模态和固有频率难以有效的反映结构是否损伤和损伤状况,应变模态能够更有效,更可靠的对结构损伤识别和定位。本文通过ANSYS对梁结构的不同损伤程度和不同的位置损伤工况的模拟仿真,进行结构损伤分析研究,最后通过前三阶应变模态振型结构损伤前后的比较,总结损伤结构的应变模态的变化规律,揭示应变模态对结构损伤的敏感性。     

I{2}和M{2}的有效刻画(英文)

Stewart给出了一个矩阵2-逆集合M{2}的刻画公式.但其中含有多余的任意参数,因而不是一个有效刻画.本文利用方阵的满秩分解,为I{2}_s的一个真子集B_1剔除了Stewart公式中的多余任意参数,得到了B_1的有效刻画公式;还证明了I{2}是其有限个子集的并集,其中每个子集与B_1等距同构.由此可分别建立I{2},I{2},M{2}和M{2}的有效刻画公式.算法2.1则可用于无重复地计算I{2}_s的每个元素.     

脉冲型地震作用下斜拉桥纵向响应的简化计算

为研究近断层脉冲作用对斜拉桥地震响应的影响,在研究近断层地震动特性的基础上,利用最小二乘法进行脉冲模型数值拟合,通过等效模态法将复杂斜拉桥在纵桥向简化为单质点体系,建立、求解近断层脉冲作用下斜拉桥纵桥向的运动微分方程,得到斜拉桥塔顶位移、塔底弯矩与速度脉冲周期及幅值的解析关系,由此得出结构地震响应随脉冲参数变化的规律,并分别通过独塔和双塔斜拉桥的有限元分析对该方法的正确性进行验证,结果表明该方法简单可行,误差在工程可接受范围内.     

基于张量分解的多声道音频恢复方法

为恢复多声道音频在采集过程中丢失的数据,提出基于加权优化的张量分解方法.首先用张量对音频建模,并且根据其尺寸定义一个标识数据丢失位置的加权张量,然后使用加权最小二乘问题描述CANDECOMP/PARAFAC(CP)模型并通过一阶优化算法求解,最终通过获得的因子矩阵恢复音频.通过不同数目通道数据丢失的隐藏参考和基准的多激励测试,说明针对丢失数据采用CP分解方法是有效的,即张量分解能够得到较好的音频恢复效果.      

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

基于MPI的二维经验模分解并行算法

针对二维经验模分解(BEMD)处理大尺寸图像耗时较长的问题,提出了一种基于MPI技术的BEMD并行算法.对BEMD串行程序中极值点选取、平面三角剖分、三角域内数值插值等几个主要部分的运行时间进行了统计,结果表明三角域内数值插值是耗时的主要部分,也是并行化的重点处理部分;随后在高性能计算平台上构建并行环境,基于MPI技术对BEMD算法的包络面生成部分实现了并行化,具体方法是先将剖分后的三角形序列按照进程数均匀划分,使整个图像分割为若干子区域并分配给相应进程,然后各进程拟合出对应子区域的上下Bezier曲面并由0进程进行合并,进而生成上下包络面;最后通过加速比等指标对该算法进行测评.结果表明,算法在30核并行执行时加速比可达20.1396,利用率为64.97%,运行效率的提升较为明显.在数据量达到原始数据的25倍时可扩展性指标为1.3975,表明该算法对大数据量的任务有很好的适应性.      

基于小波变换与野草算法的细胞图像特征提取与识别

本文在细胞图像小波多尺度分解的基础上,提出在小波域中进行细胞图像特征提取的方法。针对基于小波变换提取的细胞图像特征向量维数过大、冗余等问题,提出一种基于小波变换与野草优化算法相结合的细胞图像特征的提取方法,最后利用BP神经网络作为分类器进行细胞图像识别。计算机实验仿真结果表明,与现有的未进行特征优化的细胞图像特征提取识别方法相比,本文细胞图像特征提取、分析、识别方法所需时间更短,识别正确率更高,实时性、鲁棒性能更好。