自锚式悬索桥合理成桥状态静力特性试验研究

依托某双塔对称体系自锚式悬索桥,按几何缩尺比1∶50进行模型静力性能试验研究。模型设计上运用基于刚度相似原理的方程式分析法,获得了多相介质缩尺模型与结构原型的静力相似判据。采用模型试验与有限位移理论相互印证的手段,研究了自锚式悬索桥结构体系在合理成桥状态下的静力学特性。结果表明：除塔附近加强吊杆外,全桥吊索应力分布较为均匀;主缆应力分布特征与主缆线形具有较强相关性;加劲梁在弯矩与轴力组合作用下,上下缘应力分布较为均匀,线形符合设计要求;成桥状态各构件安全储备较大;模型验测试值与理论计算值吻合较好,同时印证了缩尺模型设计的合理性。     

雷诺数相似喷水推进船模预报实船推进性能

通过在数值计算中调整流体粘度系数,实现缩尺船模与实船雷诺数相似,进而消除尺度效应的影响.在弗劳德数0.15~0.41范围内,雷诺数相似船模方法预报实船阻力与模型试验外推值差别在5%以内;在波形与伴流场的比较中,雷诺数相似船模方法与实尺度计算方法预报结果基本一致.数值计算表明对于缩尺比为30的模型泵与实泵效率差别在11%~17%,而雷诺数相似模型泵效率计算值与实泵计算值差别在1.5%以内,表明通过雷诺数相似模型泵能够较好预报实泵性能.文中比较了模型雷诺数与实尺雷诺数下喷水推进器的性能变化,分析了喷水推进自航试验中可能产生的误差.通过雷诺数相似船模数值自航预报阻力、推力、推进效率与实尺度计算的比较,表明了雷诺数相似船模方法能够较好预报实尺度喷水推进船的推进性能.     

基于语义模型关联规则的局域网数据检索

提出一种基于语义模型关联规则的局域网数据检索方法.首先基于概念树描述语义模型并建立FP-树频集算法,通过概念映射将数据源与语义模型进行语义关联,在此基础上,进行噪声过滤并列出主题关键词,从而提高局域网的数据检索速度和一次查询效率.     

罗盘仪表绘制中快速反走样算法的研究

对已有的一种基于直线多段相似性提高算法效率的反走样方法进行了深入研究之后,提出了一种新的快速反走样算法。该算法保证了当直线两端点坐标不为整数时,反走样直线的位置与实际直线基本一致。在避免了浮点运算的同时,还充分利用了直线的多段相似性来提高算法的效率。并将此算法应用于罗盘刻度线的生成,取得了比较明显的效果。     

舰船宽带连续谱特征监测技术

舰船辐射噪声是多年来水声学领域研究的重要对象,对其特征的监测可以发现处于亚健康状态下的舰船,对舰船的维护和保养具有重要意义.本文从宽带连续谱的角度出发,制定特征监测方案.在实现各功能模块的基础上,将其进行整体联调.运用舰船在海上的实测信号对整个方案进行验证,并在多种特征提取方法和相似度计算方法中得到最优组合.     

相似理论下的桨-轴系统振动特性分析

为更好地了解桨-轴系统的振动特性，以某桨-轴系统为研究对象，基于ANSYS Workbench平台下多个模块建立仿真分析，对缩尺模型下的桨-轴系统计入水压力和离心力的振动进行研究。桨-轴系统振动相似性的研究采用原尺寸模型与缩尺模型，分别求解其固有频率、振型及幅频曲线进行相似性验证。将验证的缩尺模型进行考虑水压力与离心力的振动特性研究。水压力利用Fluent模块对螺旋桨进行敞水计算。将计算结果采用单向流固耦合的方法进行加载。离心力模拟以设置不同的旋转速度实现。谐响应分析采用模态叠加法进行计算。研究表明，缩尺模型在固有频率、振型及幅频曲线上的结果与原模型计算结果基本一致。计入水压力与离心力的桨-轴系统固有频率会有所降低。水压力对桨-轴系统的纵向固有频率影响较大。离心力对桨-轴系统的固有频率影响不明显。     

中欧混凝土结构设计规范的差异

针对中欧混凝土结构设计规范的异同点,在混凝土强度等级、保护层厚度、环境暴露等级等方面进行对比论述,并分析欧洲规范的承载能力计算、裂缝开展宽度计算原理。以实际项目为例,对受弯构件的承载能力、配筋和裂缝宽度等进行定性分析,得出同等条件下中国规范较欧洲规范的裂缝计算值更大但裂缝控制更为严格等结论,为海外项目结构设计提供参考。     

基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。