岩石节理形貌粗糙度系数与分形维数及几个参数的关系分析

为了更加准确地描述岩石节理形貌粗糙度系数(JRC),利用26组花岗岩试样劈裂形成模拟天然节理和20组人工预制具有不同JRC系数值的试样来模拟节理表面形貌,研究了节理三维形貌各向异性分形特征、JRC以及剖面线平均分形维数和节理表面分形维数之间的关系。并且在前人研究的基础上,分析了其他学者较少研究的几个参数,即节理剖面系数R_p、粗度轮廓的最大波谷深度R_v、粗度轮廓的均方根(RMS)的偏差R_q及峰度系数Sku几个统计参数和JRC之间的相关关系。结果表明,尽管各方向的分形维数差异较小,但是仍然存在各向异性特征。JRC与分形维数之间存在较为明显的指数关系,而剖面线平均分形维数和节理表面分形维数之间存在很强的线性相关关系,JRC与R_p、R_v、Sku之间的相关关系为线性关系,且R_p、R_v与JRC的相关关系拟合结果很相似,均为线性相关。而JRC与R_q之间存在抛物线的关系,拟合结果 JRC=3.80013+4.3267e43.3276Rq。通过运用分形和统计参数联合描述JRC更加全面。     

耦合节理上下表面形貌参数关系

节理的表面形貌特征对节理的力学和水力学性质有重要影响.在地下岩石工程施工过程中,会有大量的人工节理产生,为了研究人工节理表面的形貌特征,采用巴西劈裂法制作耦合良好的人工节理,用 TalysurfCLI2000三维非接触式激光形貌仪扫描各节理的两表面,分别计算了各表面粗糙度的最大峰高、算术平均值、偏态系数值、峰态系数值和 JRC值,对比分析耦合节理两表面的形貌参数值,发现如下规律:1)耦合节理两表面的最大峰高、表面高度的算术平均值和高度分布的峰态系数值近似相等,不同节理的算术平均值和高度分布的峰态系数值相差较大;2)大部分耦合节理两表面高度分布的偏态系数值表现出一正一负,个别节理两表面的偏态系数值同为负;3)耦合节理两表面的峰点分布曲线变化一致,且峰点数量集中分布在节理表面中间高度范围内;4)耦合节理两表面的 JRC值近似相等     

节理形貌对应力波传播影响的试验研究

为了研究不同节理形貌对应力波传播的影响规律,依据巴顿标准剖面线,制作3组共30个含不同节理粗糙度系数(JRC)的人工节理试样,然后基于SHPB动载试验系统对其进行不同冲击载荷的试验,比较分析不同冲击载荷下的波形图以及应力波在不同节理形貌作用下的透射率,找出JRC值和应力波透射率之间的规律。结果表明:在同一冲击气压下,随着JRC值的增加,透射应力波的波形峰值呈现逐渐下降的趋势,即试样节理面越粗糙,入射应力波穿过节理面进入输出杆的透射波信号越弱,透射能量越小;同一组具有相同JRC值的试样在不同冲击气压作用下,透射率的变化趋势大致相同,即同一组JRC值下,随着入射应力波能量的增加,节理透射率也随之增加,并呈现出很强的规律性。     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于AFM偏转信号的下压效应补偿及样品表面特性测量方法

原子力显微镜（atomic force microscope,AFM）作为微纳米研究中的重要工具,被广泛地应用于微纳米尺度上样品表面高度的测量.但是,AFM扫描时针尖对样品存在下压效应,即扫描得到的样品表面高度由于针尖施加的压力而小于其真实值.而至今为止,还没有一种快速、有效的补偿下压效应所带来的高度测量误差的方法.本文通过对AFM工作原理及其下压效应机理的详细分析,充分利用AFM偏转测量和高度测量的信息冗余性及互补性,提出了一种利用数据融合和参数辨识来自动补偿AFM下压效应的方法。首先,通过力曲线概念分析了下压效应的产生机理;然后,从力曲线出发,提出一种基于信息融合和参数辨识的AFM下压效应的补偿方法.值得指出的是,由于力曲线斜率是样品表面弹性特征的一种有效表示方式,本文算法在提高AFM高度测量精度的同时,还能够自动（在线）地获取样品的表面弹性特征,从而进一步扩展了AFM的应用。最后,通过扫描滴在硅基底上的多壁碳纳米管以及云母基底上的石墨烯进行了试验研究,以验证该方法的正确性和有效性。     

三峡大坝3坝段深层抗滑稳定分析

三峡工程混凝土重力坝左岸1~5#坝段深层抗滑稳定是三峡工程水工设计关键技术难题之一.其中节理在主滑方向的连通率是确定强度指标的决定性因素.本文作者研究团队通过现场实测的近2000条节理产状几何参数和相应网络模拟技术,获得了在主滑方向的连通率为70%左右的结论;证明了上限解(即Sarma法)和规范规定的"等K法"的等效性,从而将双滑面模式扩展为更具广泛实用意义的折线型滑面的二维抗滑稳定分析方法;同时进行了可靠指标和分项系数方法的计算.抗滑稳定分析成果表明,如果坝体单独抗滑,设计要求复核的两种滑移模式均无法满足允许安全系数规定值.如果厂、坝联合受力,则相应两种滑移模式的安全系数均达到了允许值.上述研究成果为1~5#坝段的设计提供了合理性依据.本文介绍蓄水后1~5#坝段原型观测成果,以验证相关研究成果.     

风力机翼型气动参数影响分析及叶片粗糙敏感性评价指标探讨

水平轴风力机叶片表面特别是前缘粗糙度增大会导致叶片气动性能的下降和风力机输出功率的减少,因此粗糙敏感性是叶片设计必须考虑的一个重要因素.但是如何评价叶片粗糙敏感性,目前尚无统一的标准.本文从理论和实际出发,分析了翼型气动参数对叶片气动性能的影响,得出了翼型升力系数是风力机输出功率和轴向推力的主要影响参数,并提出了变桨型水平轴风力机叶片各区段翼型的粗糙敏感性评价指标,即是在定桨调速区,无反馈运行情况下,叶片外侧翼型应以升阻比和升力系数,叶展中区和叶片内侧翼型应以升力系数作为粗糙敏感性评价指标;有反馈运行的情况下,叶片外侧翼型就应以最大升阻比和设计升力系数,叶展中区和叶片内侧翼型以最大升力系数作为评价指标;而在变桨定速区,当变桨可以保证达到额定功率时就无需考虑粗糙度的影响.     

基于PCA-ELM的矿井瓦斯涌出量预测

为进一步提高矿井瓦斯涌出量的预测效率和精度,将主成分分析法(PCA)和极限学习机(ELM)神经网络相结合,建立基于PCA-ELM的矿井瓦斯涌出量预测模型。运用主成分分析法对矿井瓦斯涌出量影响因素样本进行主成分提取,去除各变量之间的线性相关,得到降维后的有效因子。再将这些有效因子作为ELM神经网络的输入层进行训练和预测,借助ELM神经网络不需较多参数调整、学习速度快、泛化性能好的特点,进行快速准确的预测。利用某典型矿井的实测数据进行实例分析,PCA-ELM方法预测的最大误差为0.2589,最小误差为0.0312,平均误差为0.1370,结果表明该预测模型预测速度快、精度高,能够用于矿井瓦斯涌出量预测。     

基于PCA-KFDA的煤矿火区启封复燃预测

为准确、快速地对煤矿火区启封是否复燃进行预测,针对煤矿火区启封复燃参数之间信息重叠和非线性的问题,提出一种PCA-KFDA煤矿火区启封复燃预测方法。结合我国典型矿井火区启封实例,选取煤自燃倾向、φ(C_2H_2)、φ(CO)、φ(CO_2)、φ(C_2H_4)和φ(O_2)(φ表示气体在空气中的体积分数)作为煤矿火区启封复燃预测的影响因素,建立煤矿火区启封复燃预测的PCA-KFDA模型。利用该模型进行实际预测,预测结果与实际情况完全吻合。而利用Fisher判别模型、神经网络模型、Logistic模型进行预测均出现不同程度的误差,验证了本文提出模型的有效性和准确性。     

基于LS-SVR小样本容量的爆破振动峰值速度预测研究

针对爆破振动峰值速度在小样本容量统计条件下的准确预测问题,应用最小二乘支持向量机理论,选取最大段药量、总装药量、水平距离、高程差、前排抵抗线、预裂缝穿透率、岩体完整性系数、测点与最小抵抗线方向夹角、炸药爆速等9个影响因子,建立小样本容量统计条件下的爆破振动峰值速度回归预测模型(LS-SVR)。选取23组爆破振动实测数据,其中,前16组为训练样本,后7组用于结果预测,并与基因表达式编程(GEP)模型和模糊神经网络(FNN)的预测结果进行综合对比,得到LS-SVR、GEP和FNN预测模型平均相对误差分别为5.1%、8.7%和11.3%。研究表明:LS-SVR模型的预测结果与实测数据更吻合,拟合性更好。且在小样本容量统计下,LS-SVR模型可以准确地对爆破振动峰值速度进行预测,为类似工程的小样本容量统计预测提供了一定的可行方法。     

利用有限Fourier系数算法求解光学制造中误差校正输入数据

光学自由曲面是一类极难制造的异形曲面, 采取计算机控制光学表面成型技术制造时, 元件表面材料去除量由单位去除函数与输入参量(驻留时间)之间的卷积分决定. 求解加工驻留时间, 一般利用低通滤波器或迭代的方法借助于反卷积算法, 但是结果中存在的近似解将会影响加工稳定性. 本研究基于有限Fourier系数算法构建输入参量求解模型, 可以有效提高参量求解精度并保证加工过程的连续稳定. 通过对影响计算机控制光学表面成型工艺参数的仿真分析, 对求解模型实施评价, 实验结果验证这一方法可以指导高精度自由曲面光学元件的超精密制造.     

基于神经网络的递推分块方法求任意高阶多项式的根

提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根.     

离散多参数分数Fourier变换

分数Fourier变换是传统Fourier变换的推广,在光学、信号处理、信息安全等许多研究领域都有广泛的应用,而简明有效的离散化数值计算方法是其得以广泛应用的关键.多参数分数Fourier变换(MPFRFT)是分数Fourier变换的一种广义形式,包含已知的分数Fourier变换作为特例,可为分数Fourier变换的理论研究和应用提供便利.文中详细阐述离散多参数分数Fourier变换(DMPFRFT)的定义和离散化计算方法,并给出二维多参数分数Fourier变换(2D-MPFRFT)和二维离散多参数分数Fourier变换(2D-DMPFRFT)等概念.最后作为应用,提出一种基于2D-DMPFRFT的数据图像加密方法,数值仿真结果验证了所提出加密方法的有效性和安全性.     

一种新型RBF网络序贯学习算法

静态神经网络由于自身的局限性难于对非线性时变过程进行建模和预测, 而最小资源分配网络(M-RAN)又因调节参数过多难于实现. 提出了一种新型的基于局部投影概念的RBF网络序贯学习算法: 局部投影网络LPN, 进而对算法进行了最小化改进. 在此基础上进行了详细的算例验证.     

非贯通遍布节理类岩材料单轴压缩破碎的分形分析

为了研究非贯通遍布节理模型在节理倾角α以及节理夹角γ两个参数影响下的破碎规律以及分形特征,采用水泥砂浆材料制作不同节理倾角以及不同交叉程度的相似材料试样,并对节理类岩材料进行单轴压缩实验以及筛分试验。将碎屑定量分为粗粒、中粒以及细粒3种类型,分别对应粒径范围d10 mm,0.25≤d≤10 mm,d0.25 mm。计算各粒级碎屑的质量百分比、各粒径范围内碎屑的频数N以及碎屑尺度-质量分布的分形维数D,得出了碎屑频数N、碎屑的质量百分比随节理倾角α以及节理夹角γ的变化趋势及规律,并研究了碎屑尺度-质量分布的分形维数D随节理倾角α的变化规律,结果表明分形维数能直观反映岩石的破碎程度。     

取代联苯类化合物单一和联合毒性的定量构效关系研究

对18个取代联苯类化合物的单一毒性进行了定量结构活性相关(QSAR)分析,建立了最优模型及正辛醇/水分配系数(lgK_(ow))模型。分析表明,量子化学参数模型能很好地预测取代联苯的单一毒性,-lgEC_(50)=0.575 lgK_(ow)-40.827 RE_(max,C-H)-3.84010~(-6)-DIP+449.109(R~2=0.930,S~2=0.074,F=76.477,p0.001)。研究了混合物的联合毒性,根据浓度相加效应预测了混合物半数效应浓度(EC_(50mix)),在排除混合化合物的反应效应后,预测值与实验值较吻合。R~2=0.943。实验结果证明,QSAR模型对于单一化合物及混合化合物的毒性预测具有重要价值。     

多目标机器学习钢的四种力学性能

预报钢材的力学性能对其研发和应用都具有重要作用.本文对360条源自日本国立材料研究所(NIMS)数据库的钢材数据,使用正则化线性回归、随机森林和人工神经网络三种机器学习方法对钢材的疲劳强度、拉伸强度、断裂强度和硬度四种力学性能进行多目标机器学习,即使用一组特征变量来描述这四种目标函数,并使用MultiTaskLasso、特征重要性和复相关系数三种方法对特征变量的重要程度进行了排序,也用"面积法"来平衡模型复杂度(特征个数)与预测精度,且通过线性回归给出了基于化学成分、制备工艺参数、夹杂物参数的解析表达式,对四种力学性能具有较好的预测能力.作为对比,本文还使用原子半径、价电子数和鲍林电负性等9种原子尺度特征替代9种元素特征后进行多目标机器学习建模和预测,计算结果显示原子尺度特征同样具备较好的预测能力.     

基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络,具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度．     

基于参数平均的防冰热载荷计算方法

提出了一种通过参数平均计算防冰热载荷的集总参数法,该方法通过计算流体力学中的欧拉两相流模型计算过冷水滴的撞击特性和总水收集量,采用附面层积分法和热流法获取表面对流换热系数并进行平均,在防护区域内以表面平均温度为输入条件,整体考虑水滴蒸发量和撞击量,对参数进行集总求解,直接求解完全蒸发防冰热载荷。相比传统微元方法,该方法能减少避免计算迭代,效率更高。通过对某机翼翼型的防冰热载荷计算结果的对比,本文方法误差较小,满足工程要求。