大极差情况下载荷试验承载力取值计算

对于载荷试验的大极差,各种规范没有给出统一的规定,试验数据的处理比较随便,造成不经济或不安全。当极差大于30%平均值或最大值与最小值之比大于1.3时,承载力取值可采用离群值剔除法、变异系数折减法确定。案例计算分析表明,给出的计算公式合理、计算简单方便,可用于各种载荷试验确定承载力。     

柔性靠船桩簇结构受力计算

基于位移协调、力的平衡和能量守恒原理,通过在水平桩NL法计算中引入桩侧土抗力群桩折减系数,采用Lagrange插值多项式拟合护舷厂家的反力、吸能与变形的关系曲线,对柔性靠船桩簇中钢桩和护舷间水平力、能量分配进行计算分析;并将之应用在某码头的靠船桩簇设计中,取得了良好的成效。     

水管路系统低噪声配置研究

管路系统的水力功能和振动噪声性能相互影响皆为设计目标。舰船领域中冷却水管路系统长期开启,管路系统振动及船外辐射噪声受到关注。为实现船外辐射噪声的控制,有必要建立水力和声学的协调设计技术。文章以低噪声配置原则为管路系统设计指导,基于复杂水力管网计算方法进行管系合理配置,基于管系等效水梁及管系—船体声固耦合整体建模方法进行振动及船外辐射噪声计算评估,形成了水力与声学协调的管路系统低噪声配置技术流程。以典型冷却水管路系统为对象,初步测试验证了配置原则和计算方法。     

基于分形海面模型的海杂波散射特性分析

雷达工作时会受到周围环境的影响。当雷达探测海上目标时,海杂波是影响雷达的主要因素,所以对海杂波的研究能够有效地减少其对有用信号的干扰。论文利用分形模型建立随机海面,根据成熟的基尔霍夫近似法的计算公式与标准大气情况下的 GIT 经验模型,实现了在不同海况下散射系数的曲线图。     

一种网格 k-近邻集的边界点识别算法

为了高效识别聚类边界,根据边界周围区域存在密度差异的特征,提出了一种网格 k‐近邻集的边界识别算法（BGN ）。在网格空间中,该算法根据网格单元和它最近邻居单元的 k‐近邻集的质量及其单元间中心距离确定边界度,由边界度和边界阈值判断每个网格单元是否为边界单元或噪声单元。通过从边界单元中提取更靠边缘的数据作为边界点的方式,使得边界更精细。实验结果表明,该算法能有效和快速识别出多密度数据集的聚类边界和噪声。     

Water Wave Scattering by a Nearly Circular Cylinder Submerged Beneath an Ice-cover

Assuming linear theory, the two-dimensional problem of water wave scattering by a horizontal nearly circular cylinder submerged in infinitely deep water with an ice cover modeled as a thin-elastic plat...     

潜水环境噪声数据库设计与开发

随着人类水下活动和实验行为的增多,越来越多的应用需要借助水声探测技术和水声通信技术,而在潜水环境中,环境噪声是以上技术的重要制约因素。因而,了解相应海域的环境噪声特性并建立环境噪声数据库,将有助于该海域的航运、测绘、通信等水声技术的应用与发展。本文针对以上需求,提出一种噪声建模方法,并根据该方法设计和研究相应的潜水环境噪声数据库。实验证明本文提出的方法具有一定的可行性。     

船体尾压浪板砰击载荷分析

本文针对尾压浪板入水砰击压力开展研究,分别用Fluent和Dytran软件计算其入水砰击载荷。本文首先在不同的有限元模型中计算尾压浪板以10 m/s入水时的砰击压力,选择具有合理网格尺寸的有限元模型,进而避免了网格尺寸对计算结果的影响;接着分别计算了尾压浪板以不同速度入水时所受到的砰击压力,二者计算得到的砰击压力系数与我国规范给出的结果较为吻合,对于船舶尾压浪板砰击载荷的选取具有一定的参考意义。     

一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.     

城市轨道交通列车噪声预测模型研究

以已建立的城市轨道交通噪声预测模型为基础,提出改进的噪声预测模型。明确了各预测参数,采用对数回归关系确定了各影响因子与等效声级的关系。运用预测模型对长春轻轨噪声进行了预测。通过与实测结果进行比较,预测值与实际结果的误差<1dB(A),表明所提出的预测模型可精确反映长春轻轨的噪声级。