钢筋混凝土梁正截面加固设计研究

【目的】针对某既有钢筋混凝土框架结构厂房由于变更生产线，楼面恒、活荷载增加，原有钢筋混凝土梁正截面受弯承载力不满足要求而进行梁的加固设计研究。【方法】采用PKPM计算模拟法、对比分析法对各种加固方案进行分析，采用价值工程模型优选加固方案。【结果】经综合分析，梁正截面加固最终采用部分粘贴碳纤维布、部分增大截面的混合加固方案。【结论】采用混合加固方案可以根据工程具体情况在考虑安全性的前提下兼顾经济性及工期，并且加固计算中应适当考虑梁中受压钢筋的作用，按双筋梁对PKPM的计算结果进行调整，优化加固设计。     

排序算法演示平台的设计与实现

本文提供了一个面向对象的算法演示平台,该平台充分利用OO技术实现,具有良好的可扩展性。在开发平台的过程中,使用了TDD模式、重构技术,应用了大量的设计模式的思想,为实现面向对象开发做出了有意义的探索。     

两种不同结构的混合流体局部行波对流斑图

通过流体力学基本方程组的二维数值模拟,探讨了长高比?=20的矩形腔体中有较强Soret效应的混合流体对流中的局部行波的形成及含有缺陷的局部行波的动力学特性.当分离比?=?0.60时,在分叉曲线的鞍结分叉点附近相对Rayleigh数为r=1.926~2.074的范围内,出现了无缺陷局部行波.然后,随r逐渐增加,系统由无缺陷局部行波过渡到含有缺陷的局部行波并在r=2.075~2.224的范围内形成稳定的含有缺陷的局部行波.局部行波对流的宽度随r增加而增加,并在r=2.075处随着对流斑图的转变突然加宽.再随r增加,含有缺陷的局部行波失去稳定,对流控制整个腔体并演化成有缺陷的行波.有缺陷的局部行波是我们发现的新型对流结构.有缺陷的局部行波的形成依赖于局部行波的对流宽度.在具有缺陷的局部行波存在范围内,这种缺陷出现的周期随r增大而增加.     

模糊耦合神经网络的系统供热预测研究

热流量的准确预测,对于日益庞大的城镇供热系统能效提升起着至关重要的作用。首先对影响热流量的各因素应用数理统计的方法进行分析,然后采用模糊耦合神经网络算法对供热系统建立热流量预测模型,并通过某热源的历史运行数据进行分析,与小波神经网络算法比较,证实了该耦合算法的高准确性。这种将模糊理论与神经网络相结合的预测方法兼顾了二者的优点,使其既具有模糊逻辑的不确定信息处理能力,又可以有神经网络的自学习能力。该研究符合城镇供热系统非线性的特性,可以应用于智能热网的热流量预测。     

立井新型辅助提升系统

国投新集能源股份有限公司口孜东煤矿副井井筒内布置一套罐笼和一对箕斗,双罐笼担负全矿井的升降人员及物料等辅助提升作业任务,双箕斗专用于提矸。此种布置形式,国内首创,为今后深部矿井开采矸石率大,辅助作业量大的矿井设计提供了成功的范例。     

双定时混合截尾下Pareto产品失效时刻的预测

假设受试样品的失效时刻服从Pareto分布，基于双定时混合截尾样本得到了未来失效时刻的概率密度函数，利用经典方法得到了未来失效时刻的点预测和区间预测.当形状参数的先验分布分别取为伽玛先验和无信息先验分布时，得到了未来次序失效时刻的等尾预测区间.根据所得到的双定时混合截尾数据，对于独立同分布于该Pareto分布的任一产品，得到了它的失效时刻的中位数预测和区间预测.借助一个数值例子，利用文中的结论计算出了相关的点预测和区间预测.     

素变量混合幂丢番图方程

设η是任意给定的实数,假设λ_1,λ_2,λ_3,λ_4是非零实数,不全同号,并且λ_1/λ_2是无理数,则不等式■有无穷多组素数解p_1,p_2,p_3,p_4,使用Davenport-Heilbronn方法计算,得到maxp_j的指数估计为■     

基于能力约束的多车种空车动态调整方法

引入空车时空服务网络来描述铁路运输动态变化特性,同时考虑到实际运输生产中的能力约束,并据此建立了基于能力约束的动态规划模型.模型的目标函数考虑了与时间因素相关的空车滞留费用和需求未满足时的惩罚费用等相关费用,同时考虑了多个车种之间的替代费用.模型的能力约束条件考虑了网络弧段的通过能力、空车提供站的发送空车能力和空车需求站的接收空车能力.考虑网络径路绕行的情况,设计了融合K短路算法的模拟退火算法,并采用了两步法的优化策略进行求解.最后对一个简单的路网进行了验证,结果表明融合K短路算法可以在能力约束条件下得到较好的收益.     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

解决区间混合性能指标优化问题的进化算法

区间混合性能指标优化问题普遍存在,但是已有的解决方法比较少.为此,提出一种有效解决该问题的区间偏好大种群进化优化方法.利用大种群进化,提高算法的搜索能力;采用基于相似度的策略,估计用户没有评价的进化个体的隐式性能指标值,以减轻用户疲劳;采用Pareto占优比较不同进化个体时,通过计算序值相同的进化个体的用户偏好值,进一步细分进化个体的优劣;此外,通过求解优化问题,将采用区间表示的用户对不同性能指标的偏好量化.将该方法应用于室内布局这一典型的区间混合性能指标优化问题,并与其他3种方法比较,结果验证了该方法的优越性.