组合桥面板疲劳荷载后剩余承载力试验研究

为了研究高性能混凝土组合桥面板经历疲劳荷载后的剩余承载力,设计制作了两个足尺的正交异性高性能混凝土组合桥面板,通过疲劳和静力加载试验测试了正交异性组合桥面板的静力承载能力、破坏形态与疲劳后剩余极限承载力。试验结果表明：正交异性高性能混凝土组合桥面板经历疲劳荷载后的静力破坏形态为受弯破坏,试件达到极限状态时中支点截面U肋屈曲,受拉钢筋屈服,负弯矩区混凝土板开裂严重,组合桥面板的受力性能发生退化。经过疲劳加载后的桥面板的剩余极限承载力较没有经过疲劳加载的桥面板承载力下降了约11.6%。基于钢筋混凝土黏结滑移理论推导了适用于疲劳荷载作用后的高性能混凝土组合桥面板平均裂缝间距计算公式。对比试验结果,所提出的平均裂缝间距计算公式具有良好的精度,可为实际工程应用提供理论参考。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。     

满旗流形Sp(3)/T的不变爱因斯坦度量

研究了迷向表示分为9个不可约子空间的满旗流形Sp(3)/T上的不变爱因斯坦度量,计算Sp(3)/T非零结构常数的值,根据其爱因斯坦方程,利用Maple软件得到64个不变爱因斯坦度量(差常数倍的情况下),在等距的意义下,其中有1个凯莱爱因斯坦度量和3个非凯莱爱因斯坦度量.     

一种基于PVDAC描述子的RGB-D三维点云配准方法

利用RGB-D数据进行三维点云配准时容易陷入局部最优.针对这个难题,提出了一种基于多维特征的PVDAC描述子实现三维点云配准的方法.该方法首先通过ORB特征检测算法提取二维数据的关键点,并计算关键点在2D下的灰度特征,然后构建关键点在3D下的局部像素值距离、点云法线角度以及曲率特征,接着将2D特征和3D特征联合生成全新的PVDAC像素描述子,并利用PVDAC像素描述子描述关键点实现三维点云的粗配准,最后基于ICP算法完成三维点云的精细化配准.实验表明,本文算法在大场景点云配准时总体均方误差约为0.05 m2,在小场景单物体点云配准时达到了0.000 2 m2的较小误差,实现了三维点云的精确配准.     

A novel mechanism for jumping in the indian ant<Emphasis Type="Italic">Harpegnathos saltator</Emphasis> (Jerdon) (Formicidae,Ponerinae)

The Indian antHarpegnathos saltator may be unique among insects in using its jumping capacity not only as an escape mechanism but also as a normal means of locomotion, and for catching its prey in flight. High-speed cinematography used to analyse the various phases of the jump suggests thatHarpegnathos employs a novel jumping mechanism to mediate these behaviours: namely the synchronous activation of its middle and hindlegs. Electrophysiological recordings from muscles or nerves in pairs of middle and hindlegs show remarkably synchronous activity during fictive jumping, supporting the synchronous activation hypothesis.Harpegnathos is not the only ant to jump, and a cladistic analysis suggests that jumping behaviour evolved independently three times during ant evolutionary history.     

不同降水驱动的SWAT模型参数不确定性研究

以抚河流域与黑河流域为研究区,应用4种降水产品(CMORPH CMA、CMFD、CMADS、MSWEP)驱动SWAT模型模拟日流量,评估4种降水产品在湿润区与干旱区的适用性;使用自适应降维评估法选出流域的敏感参数,并进行一致性检验。结果表明:抚河流域4种降水产品的纳什效率系数(NSE)均在0.70以上,其中CMORPH CMA和CMADS的NSE均能达到0.82;黑河流域CMORPH CMA和CMADS的NSE大于等于0.76,而CMFD和MSWEP的NSE分别为0.72和0.74。抚河流域4种降水产品具有相同的敏感参数;黑河流域CMORPH CMA和CMADS有相同的6个敏感参数,而CMFD和MSWEP则分别有5个和8个敏感参数。4种降水产品在湿润流域和干旱流域都能得到较好的应用效果,但是CMORPH CMA和CMADS的模拟效果要优于CMFD和MSWEP。不同的降水输入也会对模型参数敏感性分析的结果产生影响,当降水表现越接近时,所筛选的敏感性参数也越相似。     

基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

良定Hadamard问题的统一研究

本文给出了良定Ｈａｄａｍａｒｄ问题的一个统一定理。     

稳定非线性动力系统周期的计算机分析

提出采用后继函数法来确定非线性动力系统的周期,并编制计算机程序对Ｖａｎ ｄｅｒ Ｐｏｌ方程实例计算周期和绘制相图,结果表明,该方法计算结果准确且实用性强,本方法不但适合于求解保守系统和具 周期解非线性动力系统的周期,也适合于耗散系统和不稳定系统的分析。