高陡横坡段桩柱式桥梁双桩基础受力分析

基于高陡横坡段桩柱式桥梁双桩基础承载特性,提出了一种改进有限杆单元计算分析方法.分析了高陡横坡段桩柱式桥梁双桩基础承载机理及受力特性,建立了双桩基础计算分析模型.其次,根据前、后桩与边坡相对位置关系,给出了后桩所受剩余下滑力与前桩所受土压力的比例关系.在传统有限杆单元分析方法基础上,结合陡坡桩受力特征,导得了考虑桩土共同作用与"P-Δ"效应的单元刚度矩阵修正方法,并在此基础上编制了适用于高陡横坡段桩柱式桥梁双桩基础的有限杆单元分析MATLAB计算程序.采用室内模型试验对本文计算方法进行验证,给出了适用于陡坡段桥梁桩基的设计流程图.研究结果表明:本文理论计算值与模型试验实测结果吻合良好,表明本文计算方法正确可行,可为同类工程设计提供参考.     

考虑外界影响的元动作单元故障概率模型

为描述数控机床运动构件的故障率随时间变化的情况,本文从元动作单元出发,建立了一个关于元动作单元的故障概率模型.首先,根据元动作单元故障发生的原因将故障分成两类,随机故障和老化故障.然后,根据这两种故障类型故障数据的不同特点,选用两个不同的概率分布函数分别进行描述,随机故障用泊松分布进行描述,老化故障用威布尔分布进行描述.接着,给出这两种故障概率模型中各参数的物理意义和估计方法.更进一步,工作负载和工作环境会分别对元动作单元的老化故障和随机故障的故障率造成影响.为比较这两者对故障率影响的大小,提出了工作负载参数R l和工作环境参数R e,并给出这两个参数的估计方法.最后,根据收集到的运动构件的故障数据作出频率直方图,同时,对故障数据进行参数估计得到概率密度函数,并将这两者画在同一幅图上,发现两者具有较好的拟合效果.表明提出的元动作单元故障概率模型适合于描述运动构件故障率随时间的变化,模型有效.     

高中数学立体几何题答题技巧刍议

立体几何题是高中数学试卷中必出的题目。这类题目往往占的分值较高，但是难度却不高，即便如此，也很少有学生能够拿到立体几何题的满分。其实这类题目是存在一定的答题技巧的，只要学生掌握了这些答题技巧，并且能够静下心认真答题，那么学生就能轻松拿到立体几何题的高分甚至满分。     

一种快速有效的水印图像几何失真校正算法

为解决水印图像在受到几何攻击后水印无法被有效检测的问题，利用图像的空域不变信息实现对水印图像几何失真的校正，提出一种快速有效的水印图像重同步算法，算法能够有效校正水印图像的旋转失真和放缩失真。实验证明，算法性能良好。     

不可微多目标数学规划的高阶对偶性

引入了一类不可微多目标数学规划的高阶对偶模型。在广义凸性条件下,建立了弱对偶性定理。其结果推广和统一了近期文献上出现的结果。     

数学的普遍实用性

在现代社会里，能源主要靠电，电是几乎无所不用，无所不在，如果突然停电的话，对我们生产和社会会产生很大的影响。在那些经济非常发达的地区，如果说突然停电的话，会造成几亿甚至于几十亿美元的损失，那么供电的安全就是一个重要问题。实际上供电现在不是靠一个电厂，而是靠一个大的地区的电网，这个大的电网由若干个电网组成，而每个电网又包含了一些发电厂，每一个发电厂的生产可以通过一组偏微分方程来描述。     

数据包络分析法(DEA)的研究与应用

叙述了数据包络分析法 (DEA) 的思想、模型和应用步骤，总结了近20多年来DEA方法的发展、主要应用领域——DEA方法的主要研究成果，并对该领域的进一步研究提出了一些想法和展望。     

基于多项式组主项解耦消元法的几何定理机器证明

用多项式组主项解耦消元法，将几何定理的假设条件（多项式组PS）化为主系数不含变元的三角型多项式组DTS，可得到定理命题成立的不含变化的非退化条件，即充分必要或更接近充分必要的非退化条件，由于多项式主系统不含变化，已不存在DTS多项式之间的约化问题，故方法有普遍意义，文中例为西姆松定理的机器证明。     

借用平抛运动辨析矢量、标量的求和

我们知道，矢量的合成遵守几何法则(平行四边形定则或三角形法则)；而标量的合成遵守代数法则。但在平时的教学中却发现许多同学对矢量遵守的平行四边形定则心存疑虑，解题时不能很好地应用。甚至有的同学在对标量求和时错误地应用了平行四边形定则。下面我们借用一道平抛运动的习题，来对上述问题作一辨析。     

卡尔达诺的构造性几何证明

基于对《大术》第7章关于三项方程变换法则的几何证明的构造性特点分析,总结了卡尔达诺的构造思想,并按照其方法把他针对三项三次方程的证明自然地推广到一般三项方程.由此认为,卡尔达诺在《大术》中的几何证明大多区别于经典的综合证明,而属于以分析为基础的验证.他对涉及高次方程的几何证明一般是通过具体例子来展示一般方法,但是,他针对特殊情形的证明方法具有一般性.另外,在方法论上指出,古证复原方法也适用于历史上存在的几何证明.