钢筋钢丝网砂浆加固砖砌薄墙的抗弯性能

目前,60mm厚的砖砌薄墙已广泛应用于各类建筑。作为隔断墙,可以节省空间,然而施工中几乎不做拉结等处理,使得其安全性（如地震作用下的倒塌）令人担忧。为既提高砖隔墙的安全性,又不较大增加其截面尺寸,提出用钢筋钢丝网砂浆加固砖砌薄墙抗弯性能的思路。共制作了9片砖墙进行对比试验研究,分析了加固墙体的开裂荷载和极限承载力,观察墙体破坏特征。试验研究结果表明,钢筋钢丝网砂浆能有效地约束加固层砂浆及砖墙,显著提高砖墙抗弯承载力,砂浆和砖块不发生大块剥落,本文还提出了钢筋钢丝网砂浆加固砖砌薄墙的抗弯承载力计算公式。     

鲁棒多目标优化问题的最优性和对偶性

针对非光滑、非凸实值函数的鲁棒多目标优化问题,建立鲁棒(弱)有效解的充分优化条件,并探索了对偶(鲁棒)多目标问题的强弱对偶关系;利用复合函数的极限次微分,凸性推广至(严格)广义伪凸的条件下仍能得到优化问题的最优性条件,并进一步通过对偶问题建立强弱鲁棒对偶性;最后在(严格)广义伪凸的条件之下,得到3个定理并加以证明。     

一种新的基于脑电信号相似性分析的癫痫性发作自动检测方法

癫痫是最常见的神经系统疾病之一。脑电图是大脑电活动的记录,已成为检测癫痫发作的一种有效工具。如何通过数据分析以挖掘癫痫脑电的本质特征,是实现癫痫性发作自动检测的关键。提出了一种新的脑电信号相似性的分析方法,进而在这一方法的基础上定义了待测脑电与模版脑电之间的最大余弦相似度为癫痫脑电特征,并将其应用于癫痫性发作的自动检测。采用BONN和CHB-MIT两个公开数据库来验证该文所提方法的性能。和已有方法相比,该文所提自动检测方法将检测准确率从97. 53%提高至99. 85%。该文所提出的脑电信号相似性分析方法可以成功应用于癫痫性发作的自动检测。     

一簇微生物间歇发酵酶催化非线性动力系统强稳定性

针对分段线性连续函数各参量的微生物间歇发酵酶催化非线性动力系统中状态变量及其变化速率的充分光滑性以及辨识参量的分段线性等特征,应用比较原理证明此类非线性动力系统及子动力系统解对应的线性变分系统的基本矩阵解的有界性.提出没有平衡点的非线性动力系统解关于初始点及一列解点上扰动后的强稳定性定义.在适当条件下证明了一簇非线性动力系统NLDS(u(g,t))的强稳定性.     

动力翼伞系统耦合补偿控制策略研究

动力翼伞系统是具有强非线性、强耦合特性的系统,其精确控制比较困难.动力翼伞系统具有两个控制通道,控制的难度在于纵向推力对下偏控制存在着非线性的强耦合作用,在受到风场干扰时会导致系统耦合加剧,从而在控制过程中引起较大偏差,甚至导致系统失速.本文提出了一种基于耦合补偿的自抗扰控制策略,并将该非线性耦合关系设计为扩张状态观测器中的已知扰动,从而提高了控制器的跟踪性能.在动态耦合补偿的基础上改进控制律,将非线性动力翼伞系统设计成易于控制的独立积分器,从而提高横向轨迹跟踪控制器的抗干扰性和控制跟踪性能.通过仿真实验可验证该控制策略优于传统的自抗扰控制（active disturbances rejection controller,ADRC）和PID控制.      

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.      

利用Himawari-8卫星红外图像反演降雨

利用静止气象卫星Himawari-8的红外图像数据, 结合全球降雨测量计划的降水产品2AGPROFGMI, 通过将匹配的红外亮温和亮温差数据点与近地面雨强数据点一一对应, 使二者之间建立联系。利用静止气象卫星通道多的优点, 进一步建立多个以红外亮温(BT)、亮温差(BTD)以及近地面雨强为参数的二维和三维雨强查算表。通过反演试验, 找到能够较好地识别不同等级降雨强度的查算表, 其中三维查算表(BT10.4, BTD12.4-10.4, BTD6.2-7.3)对降雨事件表现出较高的检测概率(POD=0.8817)和较低的错判率(FAR=0.4042), 可以较好地判识降雨区域。     

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。