推移质造床河流上取水整治段的水力计算

对推移质造床河流提出了一个新的河相关系式，联合水流动动方程，连续方程，底沙的临界开动流速公式和输沙率公式，根据输沙率为零的平衡状态和输沙率为定值的动平衡状态，导出了河床演变在两种极限平衡条件下水平均水深，河宽及河底纵坡降的成套公式。这此公式特别适用于有坝取水束台和保要素的水力计算，用其对已建的新疆喀拉喀什河取水枢纽的上，下游整治段布进行了校核计算，计算结果的有效性和准确性，得到了该枢纽１／３６整体     

基于xy非线性梯度场磁共振成像研究

为解决非线性梯度成像中心分辨率低的问题,提出了一种基于xy非线性梯度场的成像方法,并讨论了非线性梯度场中心分布曲线对磁共振图像的影响. 研究结果表明,在半径r=1.5时,圆形中心分布曲线的图像重建结果最优;与O-Space技术对比实验表明,xy非线性梯度场在不同加速因子R下都得到了更好的重建结果.      

功能梯度纯弯曲梁弹塑性问题的解析解

在小变形前提下研究了功能梯度材料纯弯曲梁的弹塑性受力变形特征.假定功能梯度材料为理想弹塑性材料,且其弹性模量与屈服强度沿梁高度方向按照指数函数变化,根据Mists屈服条件导出了纯弯曲梁的弹性极限弯矩、截面弹塑性应力以及塑性极限弯矩的解析表达式.算例分析表明功能梯度材料梁的弹塑性性能与均匀材料梁不同,材料屈服不一定首先产生于截面最大应力点,塑性变形的产生、扩展具有多种不同的模式,材料弹性模量与屈服强度沿截面高度的梯度变化对纯弯曲梁的应力分布规律及极限承载能力均有较大影响.研究结果可为功能梯度材料梁的弹塑性分析提供验证的考题,也可为简化理论的建立提供一定的依据.     

复合电沉积法制备ZrO_2/Ni梯度功能材料的研究

梯度功能材料（简称ＦＧＭ）是一种新型复合材料,其成分和组织连续变化使材料获得梯度分布的功能。研究了用复合电沉积法制备ＺｒＯ２／ＮｉＦＧＭ时各种工艺参数对ＺｒＯ２颗粒在镀层中共析量的影响,探讨了ＺｒＯ２／Ｎｉ共沉积过程,并在此基础上制得了ＺｒＯ２体积分数０～２８％的梯度镀层。通过对其组织进行观察证实了其成分呈现出梯度的变化。     

利用非局部理论分析功能梯度材料中两平行裂纹的动态性能

利用非局部理论求解了功能梯度材料中两平行裂纹对反平面简谐波散射的动态断裂问题.经傅立叶变换,问题的求解可以转换为对两对以裂纹面张开位移为变量的对偶积分方程的求解,为了求解对偶积分方程,把裂纹面张开位移直接展开成雅可比多项式形式.与经典理论的解相比,裂纹尖端处不再有应力奇异性出现.     

一种基于梯度恢复后验误差估计的ZZ改进方法

基于三角网格剖分线性插值,对h型自适应有限元中的后验误差估计的zZ方法进行了改进,提出以单元为中心构造单元块的方法.数值实验表明,该方法比传统的zz方法有较高的精度及较快的收敛速度.     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XGBoost并融合弹性网的误差补偿算法。采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做对比。实验结果表明：在更新15%指纹数据库样本的情况下,该算法在80%分位处的定位精度控制在0.73 m以内,明显优于其他定位算法,且较基于XGBoost的定位算法精度提高了25.5%。     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

结合离散正余弦变换的快速梯度矢量流算法

为了提高求解梯度矢量流(GVF)的效率和准确度,在狄利克雷或诺依曼边界条件下提出了非精确拉格朗日离散正弦梯度矢量流(IALM-DST-GVF)和非精确拉格朗日离散余弦梯度矢量流(IALM-DCT-GVF)快速算法.两种算法在非精确增广拉格朗日优化算法基础上,结合了离散正弦和余弦变换.其算法时间复杂度均为O(CNlgN)(其中C为迭代次数,N为图像像素数量).在相同的环境下采用C++语言编码验证,结果表明:提出的算法比当前主流GVF算法效率更高,并且边界上的GVF域比IALM-GVF算法准确.