BFRP约束损伤混凝土柱轴压力学性能试验研究

为了研究玄武岩纤维增强复合材料(BFRP)约束有初始损伤的混凝土圆柱体的轴压力学性能,对26个直径150mm、高300mm的圆柱体试件进行了轴压试验,包括24个BFRP约束混凝土试件和2个素混凝土试件。研究的主要参数是BFRP约束层数(1、3、5层)和试件初始损伤程度。其中18个混凝土试件在包裹BFRP之前分别轴压加载至3种不同的应力水平然后卸载,分别代表轻微、中等和严重损伤。试验结果表明:BFRP约束完好及初始损伤混凝土试件相比于素混凝土试件,峰值强度和极限应变均有明显提高,初始损伤会影响BFRP约束试件的峰值强度,但对极限应变影响很小。在试验结果的基础上,提出了一个修正强度模型和应变模型来预测初始损伤对BFRP约束混凝土柱轴压力学性能的影响,预测值与试验结果吻合较好。     

水火弯板成形因素对钢板表面温度和变形的影响

水火弯板工艺中,热源面输入是影响钢板温度场和变形场的重要因素。本文提出了综合考虑乙炔流量、加热速度、热源半径、热源效率和加热长度的两个表征热源面输入新变量,并利用数值模拟方法揭示了新变量对钢板表面温度、加热深度和残余变形的影响,大量仿真结果证明这两个新变量可以更好的反映这些参数所发挥的综合作用。     

基于模型的耙吸挖泥船溢流损失估计及模型验证

对大型耙吸式挖泥船的装舱作业过程做了充分研究,重点解决了泥舱模型的溢流损失估计问题。利用多组实测数据,对3种泥舱沉积模型的估计效果进行了数据验证和评估分析,给出最终的评估结果。这一理论成果将应用于以后的挖泥船辅助决策和自动控制应用中。     

基于改进的Faster R-CNN船舶目标检测算法

为了提高船舶目标的检测率和效率,提出了一种改进的基于区域的快速卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)船舶目标检测方法。采用图像降尺度方法,旨在增强船舶图像的有用信息;采用场景窄化方法将目标区域定位网络和Faster R-CNN卷积神经网络构建成一个层级窄化网络,旨在降低目标检测搜索尺度,从而提高Faster R-CNN的计算速度;研究具有主题窄化功能的Faster R-CNN,选择纹理特征和空间差异特征作为窄化子网络,旨在实现主网与子网间深度协作的功能,优化网络参数。试验结果表明:该方法在提高Faster R-CNN算法检测精度的同时,显著地缩短了检测时间。