基于脉冲耦合神经网络的结构损伤检测方法研究

机械结构的损伤发展到一定程度,会对其功能产生严重影响,所以及早检测出损伤非常必要。针对机械结构在损伤发生时其内部能量分布会发生变化的情况,对加速度计测得的结构振动信号进行短时傅立叶变换,获得可以反映能量分布的时频谱图。使用脉冲耦合神经网络提取时频谱图的熵序列特征,很好地识别了结构的损伤。使用上述方法对简支梁的损伤进行了实验研究,验证了其有效性和实用性。     

基于变形场演化的洞室岩爆特征实验研究

为了研究洞室岩爆特征问题,在洞室围岩变形场演化特征实验研究基础上对洞室岩爆的力学机制进行解释.采用双轴加载方式,对一种含有洞室的砂岩岩板进行压缩实验,通过白光数字散斑相关方法作为实验监测手段,对洞室变形破坏过程中的位移场和应变场演化进行实时监测,根据实验结果对洞室岩爆特征进行分析.研究结果表明:洞室岩爆过程经历了洞室围岩的局部破坏和结构整体失稳破坏两个阶段,从洞室岩爆力学机制可以得出,洞室岩爆是由拉伸和剪切两种作用机制共同作用的结果.     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

改革涉少家事案件审理模式

涉少家事案件由于其家事性特征和涉及未成年子女的特殊性,采用当事人主义模式可能激化当事人之间的冲突和矛盾,甚至刺激其制造虚假信息,混淆法官的判断力。而采用职权主义模式则更能为法官判断子女最大利益提供真实的信息支持,引入社工员的调查报告并建立起信息反馈机制,更符合涉少家事案件的家事性、未成年子女需要帮助性的特点。     

变速恒频风力发电机组最大能量捕获策略研究

风力发电主要目的是尽可能的利用风能,针对变速恒频风力发电系统,分析了风力机特性及最大风能捕获原理.在额定风速以下通过调节发电机的转矩使转速跟随风速变化以获得最佳叶尖速比;在额定风速以上通过调整桨叶节距,保证额定功率输出而不越限.由于风速测量的准确性不高,以及风力发电系统的精确模型较难建立,采用传统的PID控制器难以在风速快速变化的情况下实现良好的控制效果.为了进一步提高风能的利用效率,文中研究了基于功率变化信息的双模糊控制策略,实现最大功率点跟踪和变速变桨控制.仿真结果表明,该控制策略能够提高风能捕获效率,较好地平滑风电机组输出功率.     

粗骨料最大粒径对混凝土性能影响的试验研究

在相同配合比条件下,对粗骨料最大粒径为10 mm,20 mm,30 mm,40 mm和60 mm的5组混凝土试件进行了试验研究.结果表明:混凝土的强度随粗骨料最大粒径的增加呈普遍增大的趋势.弹性模量的实测值与经验公式的计算值相差不大[1].混凝土断裂韧度随粗骨料最大粒径的改变而变化,当Dmax=40 mm时,断裂韧度均达到最大值.     

轻型动力学最大张力汽车

照片在1933年芝加哥世界博览会上拍摄,展示的是发明家巴吉明尼斯特·富勒设计的第一辆轻型动力学最大张力汽车,可搭载11名乘客,时速120英里,     

准正交空时分组码自适应设计方案与性能分析

准正交空时分组码园其牺牲部分正交性来换取全速率而无法实现全分集,在巳知信道状态信息的前提下,为最大限度降低数据符号彼此干扰,争取获得最大分集,提出两种准正交空时编码的自适应设计方案,并对其性能进行理论分析与比较,结果显示:两种自适应方案都能大大减小误码率;和增加自适应因子的方案相比,与波束形成技术相结合的自适应设计方案性能更为出色,但其增加了运算复杂度.     

基于流形学习和流形高阶近似的图像距离度量

为克服切距离方法的不足,提出了流形高阶近似距离（HMD）.HMD度量方法通过最大差异延展方法（MVU）学习出非线性图像流形的内蕴变量,然后在原型图像处用基于流形高阶泰勒展开式的非线性曲面来局部近似图像流形.HMD定义为待识别图像与图像流形的高阶近似曲面间的最小距离,通过计算待识别图像与图像流形上多个基准图像间的HMD距离能够实现图像的分类和识别.人脸识别和手写数字识别的结果表明：HMD距离在识别精度和稳定性上要优于切距离和当前一些典型的图像距离度量方法.     

基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题,提出了一种深度图像快速帧内预测模式选择算法。首先,从深度视频序列中以最优的深度图最大编码单元（largest coding unit,LCU）划分深度为标签获取训练集;其次,构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network,FSCD-CNN）;最后,对深度图LCU进行划分深度预测,跳过部分编码模式决策,实现最佳LCU划分。实验结果表明,与相关文献对比,所提算法在保持了编码性能的同时平均减少了15%的编码时间,实验验证了其有效性和可靠性。