半刚性钢-混凝土组合节点受弯承载力的计算

在半刚性钢－混凝土组合框架中，混凝土板中的纵向钢筋增加了节点的强度和刚度，但是，传统的设计方法往往忽略向钢筋的作用而采用简化的计算模型。因此，出于经济效益考虑，应该根据半刚性组合节点的实际受力性能建立更加准确的计算方法。这里详细介绍了考虑混凝土板纵向钢筋作用的半刚性组合节点受弯承载力的计算方法，计算结果表明，建议的公式与试验结果吻合良好，可供规范制定和工程应用参考。     

准正则环和强正则环

环R称为准正则环，如果环R的每个右理想是由R的若干个幂等元所生成，主要结果是：(1)设R是准正则环，如果R的分式环Q作为右R模是右Noether的，则R是半单Artin环。(2)设R是准正则环，如果环R的每个素右理想都是极大右理想，则R是强正则环。     

分解炉虚拟样机的开发

以水泥生产过程中的分解炉为对象，分析了分解炉内具体的物理化学过程，同时开发了反映分解炉工作过程(流体力学、燃烧学、分解动力学、颗粒动力学)的数学模型，借助数值模拟方法进行了分解炉虚拟样机的开发，为分解炉的设计与开发提供了试验平台。     

囚禁在光格中的波色-爱因斯坦凝聚体孤子

利用数值模拟解Gross-Pitaevskii方程来研究囚禁在光格中的波色-爱因斯坦凝聚体明孤子，发现周期性光格可被用作为可控的物质波分裂器，其分裂效果与孤子在光格中的初始位置、势阱中的原子数、以及光格电势的幅度、波矢有关。     

关于亚纯函数的ρ（r）—亏量与ρ（r）—相对亏量

Ｖａｌｉｒｏｎ，Ｓａｒａｎｇｉ和Ｐａｔｉｌ等人先后定义并研究了有穷正级ρ的亚纯函数的ρ（ｒ）－亏量。作者曾定义并研究ρ（ｒ）－相对亏量。本文定义并研究了有穷正级ρ的亚纯函数关于小函数的ρ（ｒ）－亏量与ρ（ｒ）－相对亏量。     

氧同位素标准样品的研制

使用高纯同位素物质精确配制同位素混合物,作为标准物,确定质谱仪器的系统误差。本工作用天然丰度水定量稀释高浓重氧水,制取从0.1982至96.92原子％~(18)O的氧同位素标准水样,用来校准质谱仪器。 实验采用BrF_5将水样转化成O_2。用质谱峰高法测定(18)~O和(17)~O丰度。比较质谱测定值和计算得到的丰度值C,求出质谱仪固有偏差校正系数K、并得到K与C的线性相关关系。 共得到16个具有准确丰度值的氧同位素标准水样。     

有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。