轴心受压约束钢管柱温度应力试验研究

为揭示轴心受压钢构件温度应力的变化规律,利用自行研制的专用设备,采用恒载连续升温试验方法,设13级约束刚度,3级初应力,6种长细比,对215根Q345钢管柱进行试验研究。结果表明:①温度应力是最重要的作用效应,在钢结构耐火设计与评估中必须考虑。升温后期温度应力虽下降,但此前试件已经失效。②约束刚度和长细比越大,温度应力越大,试件的破坏温度越低,反之相反;约束刚度越大,长细比越小时,温度应力-温升曲线塑性平台越长。③长细比影响试件的破坏特征:长细比较大时,破坏后侧向残余变形较大,轴向变形较小,为失稳破坏;反之相反,为强度破坏。④不同的初应力下在温升初期曲线基本重合,斜率相同;初应力越低,温度应力越大,曲线从初始重合曲线上分离越晚,反之相反。⑤随温升增大,曲线呈现4个阶段:温升较小时,温度应力与温升呈线性关系;随后应力增长变缓,呈非线性关系;温升继续增大,温度应力保持不变,试件进入塑性阶段;最后随温升增大而温度应力变小,试件失效破坏。     

二维三维联合伪井反演技术的应用

地震反演利用地震数据获得岩性和储层信息,是研究储层发育的一个重要手段。井资料是减少地震反演多解性的重要约束条件,但当大部分工区井资料缺失时,研究地震反演约束条件具有重要的实用价值和现实意义。基于约束稀疏脉冲原理,充分利用过三维工区的二维测线和井资料进行约束,实现了无井资料工区的反演工作。通过钻井验证,该方法的定性预测结果可靠,与实际情况差异较小。相较于传统方法,该方法理论依据充分,反演结果可靠性高,具有一定的推广价值。     

面向高层建筑结构的屈曲约束支撑减震技术研究

针对高层建筑结构中的屈曲约束支撑技术应用,阐述了屈曲约束支撑的设计原理和几种主要的应用形式.对屈曲约束支撑的施工工艺、施工要点、施工监控方法等进行了研究探讨,对于类似工程的施工建造有一定的借鉴价值.     

步履式拔桩机双套筒拔桩施工技术研究

宁波市轨道交通3号线二期土建工程TJ3216标段骆驼北站施工过程中需对原废弃桩进行拔除.针对传统工艺存在对周边环境影响大,旧桩易拔断等缺点,将步履式桩架改装为步履式拔桩机,采用双套管一次清障的同时对套筒容器进行了改装,便于回灌填料.工程实践证明,该工艺清除成效好,使用可靠.     

求解约束优化问题的自适应人工蜂群算法

针对约束优化问题，提出一种自适应人工蜂群算法。算法采用反学习初始化方法使初始种群均匀分布于搜索空间。为了平衡搜索过程中可行个体和不可行个体的数量，算法使用自适应选择策略。在跟随蜂阶段，采用最优引导搜索方程来增强算法的开采能力。通过对13个标准测试问题进行实验并与其他算法比较，发现自适应人工蜂群算法具有较强的寻优能力和较好的稳定性。     

一种高效的无角度约束移动机器人路径规划方法

为解决路径规划中存在搜索步长约束而不能实现无角度约束路径规划的问题,通过建立一种栅边节点的方式,依据栅边节点特性进行分类并按照分类情况进行有优先秩序的路径信息传递。并利用两栅边节点的父节点与被计算节点间的几何关系提高节点间路径信息传递的准确性和速度,继而实现地图上路径信息的快速高效传递。其路径信息传递形式与Dijkstra方法类似,即通过节点向其相邻节点进行传递,然后相邻节点再传递给它们的相邻节点。同时为加快路径的搜索速度,引入A*算法中启发函数的思想,实现有目的性地向终点进行搜索,从而提高算法的搜索速度。     

MD-RBM神经网络模型及其在材料微结构中聚类研究

在传统的RBM神经网络的基础上提出一种新颖的MD-RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能。实验选择两种经典聚类算法Affinity Propagation(AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能。