基于主动学习Kriging模型的直立锁缝屋面系统抗风揭可靠度分析

直立锁缝屋面系统由于自重轻、柔性大,在强风作用下常发生风揭破坏。为减少风揭破坏的发生,进行直立锁缝屋面系统抗风揭可靠度分析极为必要。鉴于此,该文提出了基于主动学习Kriging模型的Monte Carlo法(AK-MCS)的直立锁缝屋面系统抗风揭可靠度分析方法。建立直立锁缝屋面系统力学模型以分析其破坏模式,并推导其失效准则对应的极限状态函数;结合AK-MCS法和推导的极限状态函数建立了直立锁缝屋面系统抗风揭可靠度分析方法;以典型实际工程的直立锁缝屋面系统为例进行了抗风揭可靠度分析。分析结果表明:该文方法兼顾精度与效率,与拉丁超立方抽样的Monte Carlo法(LHS-MCS)相比,其计算的可靠度指标的相对误差为3.74%,而计算成本仅为LHS-MCS法的25.1%;该文方法计算所得的直立锁缝屋面系统可靠度指标β=2.7703,相比规范要求的可靠度指标偏低,建议在支座与屋面板锁缝处采取相应的加强措施。     

储层孔隙结构研究进展

从目前储层孔隙结构研究现状入手,结合自身实践,将其研究内容划分为储层孔隙结构成因分析、储层孔隙结构定量表征和分类评价、基于孔隙结构研究的储层评价、储层孔隙结构对流体活动的影响、储层孔隙结构对开发的影响、油气田开发对储层孔隙结构的影响和储层孔隙结构研究技术和方法的改进等7个方面。同时详细介绍了铸体薄片观察和压汞等物性数据统计分析、成岩作用、测井分析、分形维数模型、各种数学方法、(数值)模拟、三维成像等新技术、地质(或地球物理)模型、聚类分析等多种储层孔隙结构研究方法,并分析了每种方法的优缺点。在此基础上探讨了储层孔隙结构研究中存在的问题,最终指出了该项研究的发展趋势。     

潮州窑佛像工艺的传承

1922年潮州城西南的羊皮岗（即云梯岗）,广东省驻军在挖掘战壕时挖到了四尊带胡须的佛像和一莲瓣纹影青釉香炉。四尊带胡须的佛像须弥座上的铭文带有窑名、地名、供养人、年、月、日、制作者等七项信息,1980年广东省博物馆在清理笔架山8号古窑遗址的标本中,发现一件铭文为“治平三年丙午岁次九月一日”的佛像座。     

潮州窑佛像工艺的传承

1922年潮州城西南的羊皮岗（即云梯岗），广东省驻军在挖掘战壕时挖到了四尊带胡须的佛像和一莲瓣纹影青釉香炉。四尊带胡须的佛像须弥座上的铭文带有窑名、地名、供养人、年、月、日、制作者等七项信息，1980年广东省博物馆在清理笔架山8号古窑遗址的标本中，发现一件铭文为“治平三年丙午岁次九月一日”的佛像座。     

基于Isotype的图形系统商业化运用研究——以图片统计公司为例

继奥托·纽拉特开发国际性图形字体教育系统Isotype后,他的学生鲁道夫·莫德利在美国创立了图片统计公司,对Isotype进行了商业化的运用并取得了成功。笔者通过对历史背景和相关案例进行分析,追溯了Isotype的发展,分析了莫德利图片统计公司的设计实践,最终发现其商业化转型的策略与意义:追求效率、关注地域性、重视大众传播是图片统计公司主要的商业化改进理念,其对Isotype的改进方式为当今全球化背景下的视觉传达设计提供了参考。     

基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

基于神经网络的输电塔钢管构件涡激振动幅值预测方法

输电塔中长细比较大的钢管构件容易发生低风速下的涡激振动，鉴于传统风洞试验和数值模拟研究方法存在的成本高、周期长的局限，该文提出了一种基于神经网络的输电塔钢管构件涡激振动幅值高效预测方法。为获取训练模型所需的数据集，发展了适用于任意插板形式、几何尺寸的钢管构件涡激振动响应分析方法；结合多种神经网络模型(BPNN、PSO-BPNN、RBFNN、GRNN)以及性能评价指标，建立了基于神经网络的输电塔钢管构件涡激振动幅值预测方法；通过算例对某C型插板和十字型插板钢管构件涡激振动幅值进行了预测。研究表明：通过与试验结果的对比，验证了该文输电塔钢管构件涡激振动响应分析方法的准确性，对于C型和十字型插板钢管构件VIV幅值的相对误差分别为3.84%和5.87%，利用该方法可为神经网络模型提供可靠样本；通过7折10次交叉验证优化超参数后的4种神经网络模型，均表现出较好的预测精度；相比之下，GRNN在C型插板和十字型插板钢管构件算例中均呈现出最佳的泛化能力，其R2值分别为0.989和0.992；采用GRNN方法可以较好地预测C型和十字型插板钢管构件在不同质量阻尼比参数下的VIV幅值，且在计算效率上相比于C...