指挥控制软件质量模型的分析与建立

本文总结和分析了目前现有的一些质量模型的内容和特点,指出了现有的指控软件质量模型建立存在的一些问题,并且提出了一种新的适合指控软件的质量模型建立方法框架,其优势在一定程度上有助于提升软件模型的准确性和客观性。     

HPFRC复合梁桥负弯矩区受力性能的试验研究

为进一步研究钢-高强钢纤维混凝土复合粱桥负弯矩区的工作性能,制作了C50普通混凝土和C100钢纤维混凝土简支粱桥试件,对支座处承受负弯矩作用的情况进行了受弯承载力试验。混凝土与型钢采用无粘结的栓钉连接方式,同时对钢纤维掺量对高强混凝土的性能影响和裂缝开展过程做了研究。试验研究表明,高强钢纤维混凝土复合粱桥负弯矩区的整体工作性能明显高于普通混凝土复合梁桥,并且在一定范围内钢纤维增强作用也会随长径比增大而提高。该试验研究结果可为连续梁桥的设计提供参考。     

预应力钢筒混凝土管断丝检测数值仿真等效模型

有限元仿真常用于辅助分析预应力钢筒混凝土管断丝检测数据,在建模过程常遇到预应力钢丝螺旋结构网格划分困难,单元数量过多的情况。将预应力钢丝的螺旋结构模型等效成圆环模型以简化建模。针对含有阴极保护钢带的E型管道,对比分析了螺旋线结构+两条钢带模型、圆环+两条钢带模型和无钢带圆环模型的计算结果;针对L型管道,考虑了断丝时钢丝与钢筒之间脱开的效应。计算结果表明,对于含有阴极保护钢带的E型管道,圆环+两条钢带的模型与螺旋线模型等效效果最好,无钢带圆环模型等效效果较差;对于L型管道,圆环模型断口间距与螺旋线模型中钢丝与钢筒脱开的环向距离一致时,圆环模型和螺旋线模型等效。     

腐蚀环境中荷载作用对钢筋混凝土梁腐蚀的影响

对空气、淡水和盐水环境中的钢筋混凝土梁进行了静动力试验,测定了空气、淡水环境和盐水环境中静力荷载、高周疲劳荷载所引起的钢筋混凝土梁腐蚀电位的变化,进而推断静力荷载、高周疲劳荷载对钢筋腐蚀的影响．结果表明：腐蚀环境和荷载作用对构件钢筋的腐蚀都有明显的影响,且腐蚀环境和荷载作用对钢筋腐蚀有耦合作用;盐水环境中钢筋的腐蚀速度快于淡水中的腐蚀速度,疲劳荷载作用下钢筋的腐蚀速度快于同幅度静力荷载作用下的腐蚀速度．对于实际工程中的结构,限制和减轻腐蚀环境与荷载作用的耦合,是提高结构耐久性的一个重要方面．     

钢筋混凝土梁腐蚀疲劳断裂微观结构分析

在钢筋混凝土梁腐蚀疲劳试验的基础上,对钢筋断口做扫描电镜和化学分析,研究了腐蚀介质在钢筋疲劳断裂中起的作用.研究表明,在腐蚀介质中,弯曲腐蚀疲劳的钢筋断口同样存在裂纹源区、疲劳发展区和断裂区,钢筋腐蚀疲劳寿命的降低,是腐蚀介质和反复弯曲拉应力共同作用的结果.这种作用加速了初始裂纹的萌生和疲劳裂纹的扩展,并始终存在于疲劳发展直至断裂的全过程,说明腐蚀疲劳的机制与具体的环境密切相关.     

通信约束下的干扰波束成形和功率分配方法

通扰一体是网络信息体系和网电攻防融合的重要手段之一。针对电子战中频谱环境复杂、通信质量无法保证、干扰信号难以灵活控制的问题,提出了一种通信约束下的干扰系统设计方法。利用多天线空分复用增益,同时进行信息传输与通信干扰,通过对波形的合理设计避免我方干扰信号对己方通信信号的影响,提高干扰效果的同时保证通信系统有效性。考虑基于零空间的干扰波束成形和干扰目标的威胁等级,建立了通扰一体的干扰效果最优化问题。在3种不同的先验信息条件下对优化问题进行求解。仿真结果表明,该方案充分利用了多天线的空分复用增益和干扰目标的各种先验信息,在对抗环境下避免了干扰信号对己方通信信号的影响,且在能耗相同的情况下能达到更好的干扰效果。     

TETRA系统DMO模式转发器方式下的呼叫过程

数字集群TETRA系统中的直通模式(DMO)是指两个或两个以上移动台之间直接通信,不经过经过基站和网络转发[1]。DMO模式的通信范围既可以是在网络覆盖的区域内,也可以是网络覆盖无法达到的区域,因而DMO模式是对原有系统通信的有效扩充。除基本直通模式以外,DMO模式包含转发器方式。该方式下移动台之间通过直通转发器进行通信,所以转发器方式相对于基本直通模式,提供了在更远距离上进行直接通信的能力。本文介绍了DMO模式下的转发器工作方式,并对其呼叫过程进行了详细的分析。     

结构疲劳累积损伤与极限承载能力可靠度

根据反复荷载作用造成的疲劳累积损伤对结构极限承载力的影响，研究了疲劳累积损伤下结构承载能力的可靠度计算方法，并以钢-混凝土组合结构的抗剪螺栓为例进行了分析。结果表明，即使常规的极限承载能力可靠度（不考虑疲劳累积损伤）和疲劳可靠度都很高，疲劳累积伤下结构的实际承载能力可靠度也可能较低，因此，在有条件时应对结构疲劳累积损伤下的极限承载力进行验算。     

基于多模型融合的电力运检命名实体识别

为有效解决构建电力运检知识图谱的关键步骤之一的电力运检命名实体识别问题，通过构建一种基于Stacking多模型融合的隐马尔可夫-条件随机场-双向长短期记忆网络（Hidden Markov - Conditional Random Fields - Bi-directional Long Short-Term，HCB）模型方法研究了电力运检命名实体识别问题。HCB模型分为两层，第一层使用隐马尔可夫模型（Hidden Markov Model，HMM）、条件随机场（Conditional Random Fields，CRF）和双向长短期记忆网络（Bi-directional Long Short-Term Memory，Bi-LSTM）模型进行训练预测，再将预测结果输入第二层的CRF模型进行训练，经过双层模型训练预测得出最后的命名实体。结果表明，在电力运检命名实体识别问题上HCB模型的精确率、召回率及F1值等指标明显优于单模型以及其它的融合模型。可见HCB模型能有效解决电力运检命名实体识别问题。     

震级与震中烈度转换方法的进一步研究

进一步研究了地震震级与震中烈度的转换方法,在神经网络理论应用算法的实现上,采用了函数增强的输入模式,并对输出元进行了简化处理,使得网络结构简单,加快了计算速度,且提高了准确程度,研究结果表明,神经网络模拟结果的形式具有不唯一性,因而,能灵活地处理复杂系统,并按照具体情况给出系统的某种规律。