初弯曲对钢框架的受力性能的影响分析

建立了考虑构件初弯曲的单层单跨钢框架计算模型,对不同初弯曲度下结构的位移、内力进行一阶和二阶分析,得出构件初弯曲对钢框架受力性能影响的一般性规律．     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

延安Q3黄土应力应变特性及其归一化性状研究

为研究延安原状Q3黄土应力应变关系特性,并总结其在不同含水率不同围压下的归一化性状,进行了一系列固结不排水三轴剪切试验。试验结果表明:延安原状Q3黄土的应力应变关系整体上随围压增大由弱硬化型向强硬化型转变,但在含水率极低且低围压条件下会呈现出一定的软化特性;基于Kondner双曲线模型,对原状Q3黄土进行应力应变归一化分析,含水率为5%和10.2%的Q3黄土在400 kPa以下的围压下不存在归一化性状,含水率为17%的Q3黄土在300 kPa以上的围压下存在归一化性状,含水率为22%、27%和32%的Q3黄土在200 kPa以上的围压下归一化性状较显著;通过比较,选用初始切线模量或极限偏应力作为延安原状Q3黄土的归一化因子,归一化效果较好;建立了不同含水率下延安原状Q3黄土应力应变关系的归一化方程,其预测值与试验值较接近。该方程对延安Q3黄土相关工程设计及工程经验的验证有一定参考价值。     

采用最佳状态变量实现的线性相位递归IIR数字滤波器

为了实现输入序列为无限长的线性相位递归IIR数字滤波器,提出了采用状态变量的方法.将每个块的某个初始状态应用于第2级来寻找到最佳可能状态的理论表达式,得到最好的可能初始状态,从而获得理想输出的较好近似.仿真表明,所提出的方法与其他方法相比,不但可以实现线性相位和减少滤波器阶数,而且还减少了运算次数.     

一类模糊微分方程初值问题解的存在性

利用拓扑度理论对一类一阶模糊微分方程 解的存在性问题进行了研究, 证明了在F(t,u)满足一定的条件下该方程至少有一个解.     

退火处理对镨离子掺杂钨酸铅晶体的光谱影响

研究退火处理对镨离子掺杂钨酸铅晶体光谱性质的影响.在常温条件下测量镨离子掺杂钨酸铅晶体退火前和退火后的偏振吸收谱、偏振荧光谱和主要荧光发射上能级的衰减曲线.研究表明退火处理可以减少大部分与氧缺乏有关的缺陷中心和与热应力有关的晶体缺陷中心;探讨了减少其它晶体缺陷中心的方法.结果表明,晶体的退火处理是一种提高镨离子掺杂钨酸铅晶体发光性能的有效方法.     

非掺半绝缘InP材料的电子辐照缺陷研究

本文针对磷化铁(FeP_2)气氛下高温退火非掺杂半绝缘磷化铟(IP SI-InP)材料,应用正电子寿命谱及热激电流谱学技术,研究了该材料在电子辐照前后的缺陷情况.研究发现,该材料经电子辐照后缺陷浓度在增大,且形成了复合体的缺陷结构.电子辐照后的正电子湮没平均寿命增加了18 ps,对应的热激电流谱(TSC)也出现了相应的缺陷峰.本文还对缺陷的特性、影响材料的性能等进行了简要的论述.     

Banach空间中二阶非线性混合型积分-微分方程初值问题的解

得到了一个新的比较结果,利用该结果和Mnch不动点定理,获得了Banach空间中二阶非线性混合型积分-微分方程解的存在性定理,同时还利用非紧性测度给出了存在最小最大解的一个充分条件,改进和推广了已有的结果。     

循环流化床燃烧产物固硫灰的细度对水泥性能的影响

为探讨磨细处理改善固硫灰水泥胶砂物理力学性能和膨胀性能的可行性,利用实验室气流磨对流化床固硫灰进行了磨细处理,研究了细度对固硫灰水泥凝结时间、胶砂强度和线性膨胀率影响.试验结果表明:经磨细处理后固硫灰水泥净浆标准稠度需水量降低,但初凝时间提前;细度对固硫灰水泥胶砂前期强度影响很大,掺加30%中位径为15 μm的原灰时28 d水泥胶砂抗压强度只有纯水泥对比样的47%,而掺加30%中位径为3 μm的磨细灰时水泥胶砂28 d抗压强度可以达到纯水泥对比样的85%以上,但在90 d时掺加固硫灰的水泥胶砂抗压强度均可达到对比样的82%以上.磨细处理能降低固硫灰水泥净浆的总膨胀能,并能将膨胀能提前释放.结果证明磨细处理是利用固硫灰的重要手段.     

基于不完整数据的EM算法初值选取

不完整数据是实际中经常遇到的问题.在对这种数据进行分类或统计时,由于缺乏一些数据,结果则往往不尽人意.对缺失数据给定一个初值,通过实验发现,在给定初值的情况下,会得到比较满意的结果.