工程结构优化设计研究进展

对工程结构优化设计进行了综述,系统介绍了不确定性优化、形状优化、拓扑优化、多目标优化、系统优化等现代工程结构优化设计以及遗传算法、模拟退火算法、神经网络算法等现代仿生学寻优新方法及其应用,指出寻求目标函数和约束函数的高精度近似显式解析式和对最优准则法、数学规划法及仿生学算法进行改进、组合是工程结构优化算法发展的主要方向...     

贵州天柱坑头金矿构造变形特征探讨

天柱坑头金矿床主要受层间构造控制,金矿体主要富集在层间滑动构造带.在纵弯褶皱作用过程中,由于顺层差异性滑动,形成一系列的层间滑动构造.通过对坑头金矿控矿构造中变形岩石及石英脉体的宏观变形特征分析,初步得出研究区控制金矿的层间滑动变形带以脆韧性变形为主.     

怒江(云南段)大型底栖动物纵向分布和季节性变化规律研究

该文主要通过聚类分析和对应分析方法,以大型底栖动物科级组成上的出现与不出现代替其丰度和生物量,讨论怒江(云南段)大型底栖动物分布格局及季节性变化规律.结果表明:怒江(云南段)大型底栖动物科级组成沿河流纵向分布无明显规律,但具有相同生境类型站点的底栖动物组成较为相似;怒江(云南段)大型底栖动物科级组成春季与秋季相似性高,春、秋季与夏季有明显差异.     

三角形截面的相对渗透率计算公式

相对渗透率是岩石一流体相互作用的动态特征参数,也是油藏开发计算中最重要的参数之一。关于相对渗透率的计算公式很多,但是到目前为止,并没有形成统一的相对渗透率的计算公式。本文,笔者通过三角形模型,结合Burdine公式,推导出了一种截面为三角形的相对渗透率公式。在三角形模型中,形状因子能够描述残余油、水饱和度的变化,而通过三角形模型相对渗透率公式,可以直观地反映流体饱和度以及形状因子对相对渗透率的影响。     

水泥混凝土路面板底脱空的原因及防治措施

根据水泥混凝土路面破坏情况的调查,分析了混凝土路面产生板底脱空现象的原因及其防治措施,对预防早期破坏,延长水泥混凝土路面的使用寿命具有指导意义.     

考虑液位波动的钢包底吹工艺优化实验

为了探究钢包底吹工艺对混匀时间及液位波动的综合影响,以某厂30吨钢包为原型,采用水模实验方法考察底吹气流量及底吹位置对钢包混匀时间、液位波动的影响规律。实验结果表明,随着底吹气孔到中心距离的增加,混匀时间先缩短后增加,混匀时间最短的位置是0.6r,400 L/min时的混匀时间仅为65 s。混匀时间随吹气量的增加而缩短。底吹位置距离钢包壁越近,液位波动越剧烈,对钢包壁的侵蚀越大,底吹位置为0.2r时,对电极的侵蚀较大。随着底吹流量的增加,三个测量点的波动方差均呈增大趋势,其中在近端及电极位置,波高方差从100 L/min到200 L/min的增长速率更快,远端位置增长速率比较稳定。综合考虑底吹工艺对混匀时间及液位波动的影响,得出底吹孔位置在0.6r、气量为200 L/min时为最佳工艺条件。     

一种新的用于任意形状网格的抛物线插值格式

为了获得既能识别流动方向,又只用到最邻近的点的格式,推导了新的抛物线插值格式,并给出了两个算例来测试新格式在非正交网格上的性能。相比于中心格式(CDS),新的抛物线插值格式精度略高,收敛速度更快,且不易产生振荡。     

建筑工程中旋转壳的优化设计

本文探讨了建筑工程中常用的旋转壳建筑形式与结构的优化问题．其中包括建筑形状的条件极值优化．结构壁厚的塑性极限满应力优化,壳体在承载时的钢筋混凝土结构整体优化等,每一种优化都给出了算例．     

CsI(Tl)闪烁探测器脉冲形状鉴别最优积分条件的探究方法

介绍了脉冲波形分析中用电荷积分法鉴别带电粒子的方法,给出了CsI(Tl)脉冲波形粒子鉴别能力的评估方法。用VME(versa module eurocard)数据获取系统的电荷积分插件QDC和基于PXI(PCI extensions for Instrumentation)的XIA获取系统获取CsI(Tl)闪烁探测器的脉冲信号波形各有优缺点。相较于过去在实验中利用QDC电子学插件对闪烁体的脉冲波形做快、慢成分的在线积分处理,该研究在XIA获取系统采集的CsI(Tl)闪烁体真实脉冲波形基础上,利用ROOT数据分析软件,在离线数据处理过程中利用程序调整积分门的延迟和宽度,研究了积分门的延迟和宽度的变化对探测器粒子鉴别能力的影响。定义了一种简单、明了的判断方法,通过比较2种不同粒子在二维鉴别谱中的分布距离来判断在不同积分门延迟和宽度下粒子的鉴别能力并研究其变化规律,探究该方法的可行性,为以后采用电荷积分插件实验提供参考。     

一种基于视频图像的挖掘机工作状态识别方法

为了实现违法用地现象的实时监测,对土地间的挖掘机等施工机械的工作状态识别是非常重要的.实际场景下,因随机噪声和光照变化的影响,给挖掘机工作状态识别带来极大的挑战.本文提出一种基于视频图像的挖掘机工作状态识别方法,首先,对同一品牌挖掘机工作装置的各种姿态建立混合local binary features (LBF)形状回归模型并进行离线训练;其次,利用上述模型预测输入视频帧中挖掘机工作装置的形状信息,构建挖掘机的工作状态特征描述子;最后,利用support vector machine (SVM)分类器自动判别挖掘机的工作状态—-工作状态或非工作状态.实验结果表明,该方法很好地克服了多姿态导致形状变化的影响,对挖掘机工作状态识别准确率达到了93.53%.