PBL剪力连接件的推出及拔出试验力学性能研究

介绍了目前国内外研究中关于PBL连接件较为典型的几种构造形式,不同连接件试验的方法,以及近年来国内学者针对其力学性能改善而做出的新型PBL连接件;采用6个PBL剪力连接件,其中3个在500吨微机控制电液伺服压力实验机进行推出实验,另外3个通过一套自主设计的单调加载装置进行拔出实验,比较了孔径大小、腹板厚度以及埋置深度对试件极限承载能力的影响。研究表明:加大孔径和腹板厚度能有效地提升剪力连接件的极限抗剪承载力;增加埋置深度能显著地增强剪力连接件的极限抗拉拔承载力。     

HRBF500级细晶粒钢筋混凝土简支梁的耐火极限

利用有限元软件ANSYS,对500MPa细晶粒钢筋(HRBF 500)混凝土简支梁的温度场及耐火极限进行分析.计算结果表明:ANSYS对温度场和耐火极限的模拟结果基本与试验结果吻合,初步验证程序的有效性.在此基础上,就不同荷载比、混凝土保护层厚度、配筋率共计36种工况组合进行有限元分析,考察各参数对HRBF 500混凝土梁耐火极限的影响,并据此建立耐火极限简化计算公式.     

提高大学生学习高等数学的兴趣

<正>刚刚从中学迈入大学校门的大学生,由于受应试教育的影响,习惯了传统的填鸭式教学方法.大学中高等数学知识量很大,而课时量比高中又少了很多,这样就导致学生不适应大学的学习方法和学习环境,最终导致学习兴趣下降,学习积极性不高,因而学习效果较差.兴趣是推动学生学习的一种最实际的内部动力,直接影响着学习的效果.如果学生对高等数学学习产生了兴趣,就会主动愉快地努力求知,以极大的精力投入到高等数学的学习之中.     

桩基挡墙支挡结构极限状态及稳定性分析

以某高速公路高填方路堤中桩基挡墙支挡结构为对象,研究其极限状态及稳定性.基于现场试验监测结果,建立了三维有限差分数值模型.通过对比抗滑桩极限承载力、挡土墙极限位移和基座混凝土极限压应力所对应的路面荷载,提出了桩基挡墙极限状态的确定方法.分析了设计行车荷载下桩基挡墙的稳定性,探讨了填土重度、填土内摩擦角和抗滑桩桩间距等参数对桩基挡墙结构稳定性的影响.研究结果表明:随路面荷载不断增大,桩基挡墙结构首先出现抗滑桩剪切破坏,结构承载力极限状态由抗滑桩抗剪承载力确定;填土重度和内摩擦角对桩基挡墙结构稳定性影响较大,减小桩间距能一定程度上提高支挡结构稳定性.     

在极限理论教学中培养学生的辩证思维

利用辩证思维的关联性,建立极限概念内部及与其它知识的关联,培养学生发散思维的能力;利用辩证法思维中量变质变规律,培养学生综合知识的能力;利用辩证法思想中对立统一规律,培养学生辩证思维的能力;利用辩证思维否定之否定规律,培养学生的创新思维能力.     

菲涅尔积分的几种计算方法

考虑菲涅尔积分的多种计算方法的来源问题,介绍了通过引入收敛因子转化为二重广义积分计算的方法,并指出这种方法发现的思想来源。对菲涅尔积分和广义菲涅尔积分给出了利用广义积分交换次序定理的计算方法,没有通过引入收敛因子就解决了问题,方法自然且具有一般性。对一类欧拉积分公式,给出了对参变量求导的简便计算方法,指出了一类欧拉积分公式对广义菲涅尔积分计算的应用,发现菲涅尔积分、广义菲涅尔积分、狄利克雷积分都可以是一类欧拉积分公式的特例,沟通了这些积分之间的关系。     

非线性光机械系统中的弱力探测

从理论上研究了包含光学参量放大器的非线性腔光机械系统的弱力探测性能.一方面,发现通过调节光学参量放大器的非线性增益以及输入光场与腔场之间的有效失谐,可以减小压缩正交中约14 dB的量子噪声,从而将弱力探测灵敏度提高2倍以上.另一方面,分析了非线性腔结合零差测量产生的反作用噪声相消现象并且实现量子非破坏测量的方法.     

基于MATLAB的De Moivre-Laplace中心极限定理的随机模拟

针对De Moivre-Laplace中心极限定理,首先利用特征函数和独立同分布下的中心极限定理得到理论上证明,然后利用MATLAB软件随机模拟分析二项分布与正态分布之间的关系,并对图像进行误差分析,最后证明数值结果与实验结果的一致性。通过这两种不同角度的论证,给出De MoivreLaplace中心极限定理直观的解释和说明,这种将数学实验与数学原理结合的方法,不仅使数学原理化抽象为具体,便于理解和实践,而且扩展了数学原理和计算机软件的应用。     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。