竖井进流水平旋转内消能泄洪洞的数值模拟

通过选取三种不同的紊流模型,结合自由水面处理技术的VOF方法,采用不同的壁面函数法、不同的计算区域网格划分精度和不同的进出口边界条件处理方法,成功地模拟了竖井进流水平旋转泄洪洞的水力特性,并对不同紊流模型和不同数值模拟条件与方法的计算结果与模型实验的结果进行了对比分析。分析结果表明,采用Realizablek-ε紊流模型能更好地模拟这种具有高紊动、强剪切和强旋转,并带有自由表面的竖井进流水平旋转空腔环流的水力特性。     

一种快速提取植物叶片最小外接矩形的算法

为了提高提取植物叶片最小外接矩形的计算效率与精确度,提出一种快速提取植物叶片最小外接矩形的算法.该算法首先使用Canny算子提取叶片轮廓,然后使用基于平面扫描法的Graham算法构造叶片轮廓凸包,最后提取叶片最小外接矩形.仿真实验结果表明:在Flavia植物叶片数据库中进行测试,该算法优于旋转法、顶点链码法.     

微重时矩形容器内液体自由晃动等效力学模型

研究微重环境下矩形容器内液体晃动动力学,用付氏级数展开法,得到液体自由晃动的频率与速度势,用力的等效原理建立了液体自由晃动弹簧－振子－阻尼器等效力学给出数值结果。     

钢纤维掺量对R-UHPC矩形梁弯、剪受力性能的影响

钢纤维掺量会影响超高性能混凝土(UHPC)的抗拉、抗压强度等材性,进而影响钢筋UHPC(R-UHPC)矩形梁的受弯、受剪性能.开展纤维掺量对R-UHPC梁抗弯、抗剪极限承载力的影响分析.结果表明,随纤维掺量的提高,R-UHPC梁的抗弯、抗剪承载力均相应提高.但由于钢纤维对抗弯、抗剪极限承载力的贡献量不同,提高的作用也不同.钢纤维掺量对R-UHPC梁抗弯承载力的影响远小于它对抗剪承载力的影响.对于R-UHPC矩形梁,存在一个临界的钢纤维掺量.当钢纤维掺量小于此值时,梁将受剪破坏,反之,将受弯破坏;临界钢纤维掺量附近的R-UHPC梁则可能发生弯剪复合破坏.此外,钢纤维掺量还会影响矩形梁的斜裂缝开裂荷载.     

矩形窗缩放算法

该文对双线性插值法与矩形窗缩放算法进行了详细讨论, 该算法与双线性插值算法有相似的算法复杂度,但有较好的高频特性.用Matlab对最邻近插值法、双线性插值法、矩形窗缩放算法进行了比较,并详细说明了基于矩形窗缩放算法的FPGA实现过程.该算法在硬件消耗不大的情况下有较好的图像处理效果.     

轿车车内空腔声学模态

阐述了轿车车内空腔声学模态,为了获取车内空腔的声学共鸣频率,提出了一种空腔声学模态试验方法,并对实车的声学模态试验结果与该车车内声学模态的有限元计算结果进行了比较,为车内空腔的低频噪声研究提供了参考。     

基于多分类学习的光学遥感图像舰船检测

针对光学遥感图像中舰船检测易受云层、波浪等因素干扰导致检测精度低的问题,提出了一种基于多分类学习的检测算法.首先利用多光谱图像提取舰船候选区并在对应的全色图像上截取切片,然后采用卷积神经网络自动提取特征并进行分类,最后利用旋转卡壳法求取目标的最小外接矩形进行精确定位.利用自建的数据集进行模型的训练、验证和测试,数据集包含2.375 6×10~4张图像,由于舰船目标类内差异大,将数据集精细地分为10种类别.目标类分为大船、中船、小船、多条船和尾迹5类,非目标类也分为波浪、黑色区域、陆地、海上密集带状物和云5类.实验结果表明:结合了多光谱信息的多分类学习可以有效提高检测率并降低虚警率,该方法在复杂海面背景下能精确地检测舰船目标,检测精度达到95.02%,虚警率低至5.24%;基本可以排除多种因素的干扰,鲁棒性较强.     

乘法半群为矩形群的半环的性质

研究了加法半群为半格、乘法半群为矩形群的半环。从半环的子集出发构造偏序关系,得到了半环的乘法半群上的日关系是半环同余的一个刻划。即如果半环的乘法幂等元集合是单演双半格,且加法半群土的自然偏序和所构造的乘法半群上的偏序相等,则H设半环同余,并给出了日是半环同余的等价命题。最后,证明了该半环上的Greenl-关系为其幂等元集合上的同余。     

形式验证中近似流管道的算法研究

混合系统形式验证技术是分析在给定的初始条件下,系统的可达集是否都在目标状态集合内。计算可达集是混合系统形式验证中的重要一步,选用何种几何体表示可达集对于整个验证精度有决定性的影响。文章对有向矩形壳和凸多面体2种状态可达集近似表示方法进行了分析比较,结合2种方法的优点提出了流管道过近似混合算法以降低保守性和提高运算速度;最后在Matlab环境下实现了混合算法并且验证了1个分段非线性系统实例,验证结果显示了所提混合算法的有效性。     

考虑横向剪切作用的八节点矩形板单元

该文利用伪约束的概念构造了考虑横向剪切作用的八节点矩形板弯曲单元。经数值计算表明八节点矩形单元不仅适用于不同厚度板的有限元计算,又无剪切自锁现象出现。