“基于GIS技术的矿产资源管理信息系统”的设计与实现

1 IntroductionTo accom m odate to the latest trends in the m odern-ization of geology and m ining industries, departm entsconcerned have developed various m ineral resource m an-agem ent inform ation system s. R estricted by developm enttools of the tim e…     

结构健康监测中的数据融合技术

目的为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源，获得被测对象的一致性决策和估计任务。进而提高确诊率．方法从多传感器数据融合的概念、基本原理出发，探讨了数据融合技术在结构健康监测与诊断中应用的可行性，重点研究了基于人工智能的数据融合技术在结构健康监测及诊断中的应用方法．结果提出了小波概率神经网络数据融合损伤检测技术及其在结构损伤检测中的应用．结论基于多传感器数据融合的健康监测与诊断是可行的、有效的．     

网络连通性测试与网络扫描技术

通常我们使用Ping命令测试网络的连通性。它的工作机理是:首先向目标主机的IP堆栈发出一个ICMP(Internet控制消息协议)回波报文(Echo),即回应请求报文。然后根据能否收到一个由目标主机返回的ICMP回波应答报文(Echo Reply),来判断出目标主机是否正在运行。     

Windows应用程序资源探秘

Windows应用程序内部可以包含多种类型的资源数据,如键盘加速键资源(ACCELERATORS)、位图资源(BITMAP)、光标资源(CURSOR)、图标资源(ICON)、菜单资源(MENU)、字符串表资源(STRINGTABLE)、字体资源(FONT)、对话框资源(DIALOG)、消息表资源(MESSAGETABLE)、版本资源(VERSION)、动画光标资源(ANICURSOR)、动画图标资源(ANIICON)以及自定义资源(RCDATA)等。     

自应力钢管轻骨料混凝土轴压短柱的性能分析

为研究自应力钢管轻混凝土的性能，对轴压短柱进行了试验，并将其与钢管轻混凝土及普通钢管混凝土进行了分析对比，同时用极限平衡法推导出其承载力公式，理论与试验吻合良好。     

底包角钢—火山渣砼组合梁斜截面抗剪性能的研究

本文简要介绍了外包钢砼结构的研究现状及意义，对底包角钢－火山渣砼组合梁料截面的工作机理，受压区砼和受拉区角钢的受力特点进行了分析，对外饮钢抗剪承载力进行了研究，并提出了底包角钢－火山渣砼梁斜截面抗剪承载力的计算公式，与实验结果比较，吻合情况良好。     

基于模态指标与数据融合的钢管混凝土拱桥损伤识别

为了提高大型结构的损伤诊断率,本文提出了一种基于模态指标和数据融合的结构损伤识别方法.根据结构振动响应,首先利用多种模态损伤指标,对钢管混凝土拱桥的损伤位置进行初步诊断,然后利用文中提出的加权平均法,对多种模态损伤指标进行融合计算,最后根据峰值方法得到拱桥的损伤位置。为了验证所提方法的可行性和有效性,对一双跨下承式钢管混凝土拱桥进行了单损伤和多损伤模拟,同时考虑了噪声等环境因素对识别结果的影响,并与单一损伤指标识别结果进行了比较。结果表明,本文所提出的损伤识别方法能够对钢管混凝土拱桥的损伤进行定位,它明显优于单一损伤指标的识别结果。     

摇摆架加固装配框剪结构变形控制机理研究

为解决地震作用下非对称RC框架-装配式剪力墙结构(AFPSW)出现的层间位移集中和平面扭转等不利变形问题,提出外附摇摆架的加固方法提升AFPSW的损伤变形能力与抗震性能.推导了外附摇摆架加固体系的动力方程,揭示了其变形控制机理并据此建立相应的设计方法。为验证加固设计方法的有效性,建立了基于振动台试验验证的AFPSW有限元模型,结合非线性动力时程分析结果,研究了结构加固前后的变形模式、损伤状态的变化与性能提升效果。结果表明:在峰值加速度0.62 g地震作用下,加固后体系的层间位移集中系数和扭转分别减小了20.9%和53%,极大改善了结构的不利变形,降低了体系整体损伤状态等级。这一切表明外附摇摆架加固体系的动力方程推导正确,提出的结构加固设计方法是可靠的,极大地改善了结构的均匀性和抗震性能。     

螺栓连接装配式剪力墙恢复力模型

为提高装配RC剪力墙的施工效率和结构整体性,提出了一种集成钢连接件的螺栓连接装配式剪力墙(bolted-connection assembled shear wall,简称BASW),包括全装配剪力墙和两端边缘构件现浇的半预制装配剪力墙.设计了1片现浇普通混凝土剪力墙、3片全装配剪力墙以及3片半装配剪力墙,设计参数为装...     

基于声呐成像的水下桩墩表观病害深度学习与智能检测

声呐成像检测水下桩墩表观病害时，其图像与光学图像的病害特征存在较大差异，病害的位置和类型需要人工识别且易出错。为解决这个问题，提出基于声呐成像的水下桩墩表观病害深度学习与智能检测方法。首先对水下实桥桩墩以及试验模型进行声呐扫描获取大量图像，并分析声呐图像中的病害特征；然后对Faster R-CNN框架下VGG16网络模型进行改进，采用水平、垂直等线性变换实现原始声呐图像的数据增强，对深度学习模型进行近似联合优化训练，用一定概率保证率的矩形识别框实现水下桩墩多类病害的分类定位；最后选取150幅未参与训练的声呐图像进行识别，验证所提出方法的有效性，并通过混淆矩阵、精确率、召回率、准确率以及F1值等评价指标对识别方法性能进行研究。研究结果发现，桩墩孔洞、剥落和位移等病害以及无病害类型的识别结果的总体准确率为88.3%，F1值分别为90.1%、84.9%、78.7%和94.6%，平均F1值为87%。这说明该方法在水下桩墩表观病害识别、定位以及自动化处理方面是可行、有效的，为桥梁水下桩墩表观病害的图像处理、智能化检测与桥梁安全评估提供技术支撑。