软组织形变算法仿真改进研究

 针对以表面网格表示的软组织形变过程中受力点最近邻质点求取算法存在的不足,提出了基于随机点搜索平面最近邻质点的改进算法.该算法将以往穷举集合的方式改为随机点树形搜索方式,使得算法减少了受力点与各个质点之间的距离大小的比较次数,在模拟平面组织形变时具有较好的实时性.实验表明,面积匹配算法结合质点弹簧算法能很好地模拟软组织形变的过程,达到良好的实时与准确性.     

地铁荷载下饱和软黏土累积变形特性

针对地铁循环荷载作用下饱和软黏土的变形特性,对上海地铁2号线静安寺站附近的饱和淤泥质黏土进行(GDS)循环三轴试验,试验结果表明,振动次数一定时,累积塑性应变随动应力幅值的增大而增大,随荷载频率的增大而减小;采用正交设计法安排试验,充分考虑了振动次数、荷载频率、动应力幅值以及其两两交互作用等因素对土体累积变形的影响,结合数理统计分析法建立了影响土体变形的影响率及评价方法。研究结果显示,影响地铁隧道轴线变形的主要因素是动应力幅值,而荷载频率与振动次数的交互作用可以忽略,此研究成果对地铁隧道设计具有重要的参考价值。     

一种本体协同冲突的检测方法

针对农业领域分布式的迭代知识协同建构过程中存在的协同冲突及难于检测的问题,提出协同冲突划分、检测与消解方法.把协同冲突与本体一致性问题区别开来,按本体知识编辑操作的影响范围、操作类型及启发式规则把协同冲突划分为硬冲突、软冲突.依据这个划分,给出一个高效的检测算法和冲突消解方案.     

集成微流控芯片

作为一种能够在微米级尺度操纵液体的新兴技术, 微流控芯片已经受到科学家们的广泛关注. 高密度集成的微流控芯片装置可以实现高通量并行化的实验以及多种操作单元的功能一体化, 作为一种新的方法学平台, 已经越来越多地应用于化学和生命科学的研究中. 本文着重介绍了集成化微流控芯片装置的基本概念、构建方法、及其在细胞生物学、分子生物学以及化学合成应用研究中的最新进展, 尤其强调了集成微流控芯片系统在传统方法难以达成或实现的单细胞和高通量的研究中的优势, 展望了集成化微流控芯片在化学以及生命科学中的应用前景.     

深部软岩巷道爆破卸压技术及工程应用研究

为控制深部软岩巷道的变形,利用爆破卸压技术,对淮南矿业集团谢桥矿高应力软岩巷道进行了爆破卸压工程试验,充分改变围岩应力状态,使巷道的变形量及稳定时间得到了很好的控制。     

基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.     

软弱土层上沉井施工技术研究

下沉系数K是沉井施工的重要参数,从沉井构造措施及井外堆载等手段调节K值的大小以达到解决软弱层上沉井施工中出现的超沉、突沉、偏沉滑移等施工难题.对涌泥、反涌、喷水冒砂等问题则应用软土地基加固技术来处理,在一些工程施工中取得很好的效果.     

机械合金化制备的Fe-Co-Nb-B纳米晶材料磁性

采用机械合金化方法,在摆振式高能球球磨机上制备Fe-Co-Nb-B纳米晶合金粉末,计算球磨后应力带来的晶格畸变对X射线衍射峰宽化的影响.样品有较高的比饱和磁化强度和矫顽力,在1 073 K烧结后,虽然消除了内应力的影响,但也使晶粒尺寸有所长大.     

软科学作为一个学科门类何以可能

软、硬科学区分的哲学基础是“实证”.软科学从产生以来经历了由科学学到科学社会学,再扩展到科技与社会的历程,科技与社会是软科学的基本研究领域.软科学的三个特点决定它的理论体系具有三个维度,软科学学术队伍可分为三个群体,生存困境产生的原因是学科定位不明确.软科学的学科建设要和科学技术学的学科建设结合起来,这是学界的共识,也是构建和谐社会的要求.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。