反馈放大器的“简洁”条件

在基本放大器近似为单向有源网络的前提下,求得了四种反馈放大器的“简洁”条件。在“简洁”条件下,反馈放大器的传递函数和输入、输出阻抗具有简洁和便于应用的形式。     

隔层错跨剪力墙有限元分析中的单元对比

剪力墙结构在进行有限元分析的时候,通常选用矩形单元便能获得足够的计算精度,但对于隔层错跨剪力墙这种特殊的剪力墙结构来说,采用带旋转自由度的矩形单元,增加了对转角的考虑,同时将连梁、梁、柱划分为杆单元,使得分析结果更为精确.     

基于流程的跨组织知识管理研究

目前许多合作型企业已经开始重视跨组织的知识管理问题,已有的相关文献表明跨组织的知识管理将会是知识管理领域的一个重点研究方向。基于跨组织知识管理文献的回顾,从流程的视角提出了一个基于流程的跨组织知识管理框架。该框架说明了知识创造、知识存取、知识共享以及知识应用在跨组织(特别是供应链)层面实现的相关问题。最后,该研究还指出若将跨组织知识管理研究与技术创新(网络)研究结合起来,可能会得出更加有价值的结论。     

拱辅梁桥拱肋合理矢跨比的确定

拱肋矢跨比对拱辅梁桥的力学特性影响大,为寻求其合理范围,以梁拱相同刚度比而不同矢跨比为条件,从自振模态和多遇及罕遇地震作用下结构动力响应角度,结合工程实例,运用时程分析法及多自由度体系简化的滞回曲线,研究矢跨比变化对全桥变位及内力影响的规律,并提出相应的合理设计范围.研究表明,拱肋矢跨比主要影响横桥向、竖向位移及内力,且矢跨比为1/5时桥梁抗震性能最优;对于多自由度体系变位组合中的主要成分得出的简化滞回曲线,由其定性分析得出的结论能与一般时程分析得出的结论一致.     

RPC-钢组合梁有效宽度研究

钢一混组合梁混凝土翼板由于剪力滞现象的存在,设计中往往涉及有限宽度的概念．活性粉末混凝土（RPC）作为一种新型材料,越来越多的被应用于实际工程,通过将RPC引入组合梁结构,利用ANSYS建模,分析探讨其在不同荷载类型下、不同宽跨比条件下,有效宽度的变化情况．并给出相关的分析结论．     

IGBT模型参数提取方法研究

基于绝缘栅双极性晶体管简化等效电路,对影响IGBT输出外部信号的四个相关内部参数:栅极电容、跨导、剩余截流子寿命、栅漏极有效导电面积,进行了讨论并提出了推导方法.     

多信道多接口智能路由协议研究

多信道多接口可以降低信道共用的干扰并且提高多跳无线Ad Hoc网络的吞吐量。提出一种信道分配与路由选择相结合的多信道多接口智能路由协议DMMR,DMMR综合考虑了链路生存时间、跳数以及节点距离。用LP标准,使路由选择标准在链路生存时间和最短路径之间取得均衡,这样选择的信道在移动环境中更加具有可靠性;用基于距离的信道选择算法选择信道,该信道选择算法首先估算节点间距离,根据估算到的距离选择合适的信道进行数据传输,从而提高信道的空间复用。和已经存在的路由协议相比,仿真结果表明在移动多跳Ad Hoc网络中该协议能够降低平均端到端延迟并且提高网络的吞吐量和包到达率。     

基于环境振动和贝叶斯定理的有限元模型 自动修正方法及应用

传统的有限元模型修正方法通常没有定量考虑测试误差和模型误差的不确定性对修正结果的影响,并且难以用于复杂结构.针对上述问题,提出了一种基于环境振动测试和商业软件交互访问的贝叶斯有限元模型修正方法.该方法以环境振动测试和快速贝叶斯方法识别所得模态参数为已知数据,基于贝叶斯定理得到修正参数的后验概率密度函数,利用单纯形法最小化修正参数的负对数似然函数,得到其最有可能值及后验变异系数,并通过SAP2000有限元模型和MATLAB修正程序的交互访问,实现复杂结构有限元模型参数的自动修正.对某两层大跨楼板结构进行了环境振动测试和模态参数识别,利用所提方法直接对混凝土楼板和钢梁的弹性模量进行修正,修正后的自振频率和振型与识别值吻合较好.     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

结合表示学习和迁移学习的跨领域情感分类

针对现有跨领域情感分类方法中文本表示特征忽略了重要单词与句子的情感信息, 且在迁移过程中存在负面迁移的问题, 提出一种将文本表示学习与迁移学习算法相结合的跨领域情感分类方法。首先, 利用低维稠密的词向量对文本进行初始化, 通过分层注意力网络, 对文本中重要单词与句子的情感信息进行建模, 从而学习源领域与目标领域的文档级分布式表示。随后, 采用类噪声估计方法, 对源领域中的迁移数据进行检测, 剔除负面迁移样例, 挑选高质量样例来扩充目标领域的训练集。最后, 训练支持向量机对目标领域文本进行情感分类。在大规模公开数据集上进行的两个实验结果表明, 与基准方法相比, 所提方法的均方根误差分别降低1.5%和1.0%, 说明该方法可以有效地提高跨领域情感分类性能。