配体外预应力钢束的曲线箱梁桥抗扭设计

为了抵抗曲线箱梁桥的扭转效应、改善结构的受力状态,在不增加预应力钢束数量的前提下,提出一种利用体外预应力钢束形成空间抗扭作用的方法.基于空间解析几何关系推导了体外预应力扭矩计算公式,以此建立了以最小扭矩为目标的体外预应力钢束的抗扭设计流程,并利用非线性规划方法给出钢束最优平面线形参数的数值解法.分析结果表明,与体内预应力钢束相比,通过合理的体外预应力钢束空间布置,能大幅降低扭矩峰值,抗扭效果明显,且不影响抗弯、抗剪能力;扭矩计算数值解与有限元分析结果吻合良好,能方便地用于实际设计.     

高温高低周复合载荷试验加载技术

为了获取航空发动机涡轮转子叶片的疲劳寿命,通过电磁感应加热、高低周复合载荷协调加载控制方法实现正交载荷解耦联合加载,研究了转子叶片在高温环境、低周离心载荷和高周振动载荷耦合响应,并基于涡轮叶片模拟试验件,对上述技术进行了验证.结果表明,该试验技术具备可行性和正确性.可见该技术可以实现航空发动机结构部件的多场耦合复杂载荷...     

剪力滞效应下箱型梁的可靠度分析

为了能够对箱型梁进行可靠度分析,通过结合基于附加挠度的一维离散有限元法和摄动随机有限元法建立了箱型梁新的随机分析方法。据此,建立了求解可靠指标的两种方法：基于验算点的迭代算法和其简化迭代算法。考虑第一种工况为弹性模量随机,第二种工况为弹性模量和荷载同时具有随机性,用两种方法对箱型梁进行了可靠度计算。结果表明：在对箱型梁进行可靠度分析时,随机参数选择不同变异系数情况下,两种方法存在误差相差不大;在变异系数不超过0.15时,与蒙特卡洛有限元法计算结果相比有较好的计算精度,第一种方法在两种工况下的误差分别小于4.66%和4.09%,第二种方法在两种工况下的误差分别小于6.28%和4.52%;随着随机参数变异性的增大,箱梁结构的计算可靠度相应降低;在弹性模量具有随机性的基础上,荷载具有随机性时,箱梁结构的可靠度也会相应降低。可见,在工程中需要考虑参数的随机性对箱梁可靠度的影响。     

基于Mask-YOLO的复杂场景口罩佩戴检测

针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法.首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over...     

欧氏空间中标准双球环超曲面

本文证明了欧氏空间中超曲面的一系列共形不变积分在标准双球环超曲面Tk^n(a,b)范围内，当b/a=√k/n时，达到极小值，从而把Willmore猜测在高维的推广作了进一步的推广。     

甘肃干沙鄂博稀土矿床成矿介质演化过程:来自包裹体的信息

在矿床地质研究基础上,通过对石英、萤石、方解石中流体包裹体岩相学、显微测温分析,对甘肃省干沙鄂博稀土矿床成矿流体的特征、演化及成矿机理进行了讨论.结果表明:矿床中发育大量包裹体,按室温下的成分相态特征,将其分为熔体包裹体、流体-熔体包裹体、气液H2O包裹体、气液CO2包裹体、CO2-H2O包裹体和含子矿物的气液H2O包裹体、含子矿物的CO2-H2O包裹体等7种类型.在成矿过程中,包裹体组合从熔体包裹体→流体-熔体包裹体+流体包裹体→流体包裹体的变化,反映了成矿介质经历了从岩浆→岩浆+热液→热液的演化过程.在岩浆-热液成矿期,流体-熔体包裹体大量存在,以及富H2O相CO2-H2O包裹体与富cO2相CO2-H2O包裹体密切共生,表明成矿时曾经发生两次不混溶作用,早期岩浆-热液不混溶作用导致萤石和REE-氟碳酸盐的晶出,而CO2-H2O不混溶作用引起了硫化物的沉淀.     

量子电磁场的Casimir效应

讨论了在真空中，两平行的理想的金属线这间，量子电磁场在标量粒子单圈近似下的Ｃａｓｉｍｉｒ效应。     

q振子光场作用下原子压缩效应

研究了ｑ振子为光场模型的光与原子相互作用过程中的原子压缩效应，得出原子压缩效应可用ｑ参数描述的结论。     

自发辐射诱导原子质心运动退相干的理论研究

研究单个二能级原子与真空电磁场的相互作用,给出了总系统的薛定谔方程的解析波函数,并分析得出原子质心运动的约化密度矩阵。结果表明原子内部电子态与真空场的相互作用会诱导原子的质心运动与原子的内部电子态发生纠缠,从而会导致原子的质心运动发生量子退相干。文中还给出了退相干因子的解析表达式,并通过图形演示了原子质心运动退相干的动力学演化情况,以及与原子的空间尺度和原子-场耦合强度的相关性。     

一种基于SSA-BRF的网络入侵检测方法

针对随机森林(random forest,RF)超参数的选择会对RF的分类结果产生较大影响的问题,提出一种基于麻雀搜索算法(sparrow search algorithm,SSA)的RF超参数寻优方法,利用该方法帮助RF寻找一组优秀的超参数.并针对RF较难准确识别出少数类数据的问题,利用平衡随机森林(balanced random forest,BRF)来提高模型对少数类的召回率.综合SSA和BRF构建SSA-BRF模型,并在CIC-IDS-2017数据集对模型的分类效果进行验证.实验结果表明,SSA-BRF相较于RF在准确率、宏召回率和宏F1分数上分别提升了9.57%、26.62%和0.17,该模型在一定程度上可以提高网络入侵检测系统的性能.