脉冲电化学齿轮光整加工电源设计与研究

脉冲电化学齿轮光整加工工艺具有加工效率高、成本低、表面质量好等特点，其实现的关键环节之一是高频、大功率脉冲电源，因此介绍了脉冲电化学齿轮光整加工工艺的原理及特点，论述了脉冲电源的构成原理及设计思路，设计制造出基于现代电力电子器件——绝缘栅双极晶体管(IGBT)的高频、大功率脉冲电源；应用该电源进行齿轮脉冲电化学光整加工试验，得到了满意的结果。     

脉冲电化学光整加工实验研究

用中性电解液进行脉冲电化学表面光整加工可获得良好的表面质量．着重研究了加工的电流密度及电解液浓度对加工表面质量的影响规律，找出了最佳电解液浓度及电流密度．研究表明，脉冲电化学光整加工技术有望在很多关键零件表面光整加工中发挥重要作用。     

渤海湾环流的一次观测和分析

为了对渤海湾的环流形态有一个准确的认识，对渤海湾进行了一次较为全面的海流调查，这次调查以Lagrange观点为指导，采用3种方法：海流计在固定站位连续测流；漂流板轨迹观测和“人工水母”测底层流。本文分析了这三种方法及观测过程，并分析得出了渤海湾Lagrange余环流型大致是顺时针的结论。     

断裂力学中应力强度因子的2种解法

提出Fourier积分变换和有限元数值解法求解工程断裂力学中应力强度因子KⅠ的2种解法，而KⅡ可通过两者之间的关系导出，其解值与实际均基本吻合；初步分析和验证了后者解析解的误差关系。这2种方法具有简单方便的特点。     

减摇水舱台架中伺服系统的分析与校正

船舶减摇水舱试验台架是研究和设计减摇水舱的重要试验设备．为了准确模拟船舶在海浪中的横摇运动，在台架系统中采用电液力矩伺服系统来模拟海浪力矩．主要对伺服系统进行分析与校正，使电液伺服系统能够正确模拟输入的力矩信号。     

新疆高校校园体育文化体系构建实证研究——基于体育教育本科专业技术技能培养与实践

文章采用文献资料法、问卷调查法、实践创编法等研究方法,阅读教育学、体育学相关书籍资料,基于体育教育本科专业技术技能培养与实践,并结合高校校园体育文化发展的政策导向因素,对新疆高校校园体育文化体系构建的实践方面进行分析,即校园体育文化体系构建的实施内容设计、实践成果展示、参与人群结构、参与人群基本反馈等。高校校园体育文化体系构建能传播品牌文化、传递精神文化、引导健康意识、和谐等诸多关系。提出建议:(1)夯实顶层设计,长远谋划,精心组织;(2)调动学生积极性,挖掘学生潜能,拓宽校园体育文化体系构建的"点"与"面";(3)完善体育文化制度形式,以体育活动教育学生,引导学生和谐互助;(4)关注高校校园体育文化内涵发展,使其成为校园文化发展的大舞台等。旨在作用于校园文化发展,为新疆高校校园体育文化体系构建提供实践性依据,并在理论上进行指导新疆高校校园体育文化活动的繁荣开展。     

爆轰驱动预制破片的正交分布技术

为了利用爆轰产物的飞散特征,使破片在终点的排布重新组合,以实现新的毁伤模式,设计了一种炸药轴向爆轰驱动方形钨合金破片的实验模型,且破片采用九方格式的排布方式,并通过目标靶见证其毁伤模式。通过炸药爆炸加载,在目标靶上获得了一种正交十字的毁伤效果,破片正交方式的平均直径约为装药直径的22.5倍,增大了对目标的毁伤区域。在战斗部设计中,这是一种非常有前景的战斗部设计方式,对毁伤评估的考核也是一个新的模式,工作值得进一步研究。     

盆地型长周期地震动的判别准则

为了筛选出盆地内超高层结构抗震设计所需的盆地型长周期地震动(简称为长周期地震动)验算波,总结了长周期地震动的形成机理,分析了长周期地震动中面波的卓越性,提出了截取由面波主导的地震动尾波的方法,通过基于尾波特性的统计分析得到了长周期地震动的判别准则.结果表明:沉积盆地边界所激发的面波在盆地内传播、叠加以及依频率放大是长周期地震动的主要形成机理;长周期地震动中由面波主导的尾波段对长周期结构响应起控制作用;长周期地震动判别准则宜定为:速度反应谱卓越周期大于2s,且截取出的尾波与原始波在速度反应谱卓越周期处的谱幅值比大于85%.     

硬化非高斯结构响应首次穿越的Monte Carlo模拟

在对比分析已有硬化非高斯模型(Winterstein硬化模型、Ding和Chen模型)的基础上,提出了一个基于Zhao和Lu模型的新硬化非高斯模型.新模型预测偏度和峰度的误差比既有硬化模型小,且最大误差分别为0.311和0.479,表明新模型具有良好的精度;同时新模型扩展了Zhao和Lu模型的适用范围.最后运用新硬化模型模拟硬化非高斯过程样本,发展了硬化非高斯结构响应首次穿越的Monte Carlo模拟方法.数值算例验证了本文方法用于硬化非高斯结构响应首次穿越失效概率计算有较高的精度;杭州新火车东站大跨屋盖以及南水北调工程渡槽结构工程实例说明了本文方法的使用过程.     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.