基于有限元的低成本塔桅设计及承载能力分析

为研究铁塔公司发布的最新《低成本铁塔标准图集V1.0》的共享改造能力,文章选取了单斜撑三管塔0.65 kN/m2基本风压下的系列塔图,从各塔段的主管应力比和塔顶位移角两个角度,考虑新增天线设备、馈线、爬梯荷载,以及天线设备之间的相互遮挡,利用有限元软件SAP2000对每种塔型进行了常规设计分析和改造增载后的研究分析.由分析结果可知,每种塔型均有可共享改造能力,且随着塔身高度的增加,共享改造的能力逐渐降低.     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

自重湿陷性黄土地基预钻孔浸水处理的可靠度设计方法

为解决传统预浸水法存在的浸水时间长、浸水处理范围难以确定等不足,基于土体中水分运移规律,依据可靠度理论、极限状态设计方法及复合 Poisson 过程原理,提出一种消除黄土湿陷性的处理浸水方法——预钻孔浸水法。给出了利用预钻孔浸水法对自重湿陷性黄土地基进行浸水时,水平向及竖直向浸水影响范围的确定模型;在此基础上结合达西定律给出了浸水孔设计参数如孔深、孔间距及浸水孔个数的确定方法。结合铜川某工程,设计进行了现场预钻孔浸水试验,对该方法的合理性进行了验证,并通过现场钻探、现场勘探、室内湿陷性试验等方法对该方法的处理效果进行了评价。该浸水方法具有浸水时间短、浸水影响范围可根据浸水孔布设进行控制等优点,且浸水处理效果良好,完全符合施工要求。     

基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

国际青年日:IAEA亚洲核科学技术新学生竞赛北大核心CSCD

2022年5月,一次虚拟核科学技术(NST)教育竞赛的学生和教师获奖者访问了奥地利的国际原子能机构(IAEA)总部,向原子能机构专家介绍他们的项目,并亲身体验核技术的许多用途。每年8月12日是国际青年日,可持续发展需要年轻人的精力、技能和动力。今年的重点是建立和促进更大的代际团结。原子能机构支持这一努力,并正在努力通过在亚洲及太平洋地区举办一系列新的学生和教师竞赛,提高年轻人对核科学技术的兴趣———获奖者将参加2023年对原子能机构在奥地利的实验室和设施的考察旅行。《全球可持续发展议程》所设想的世界是当今青年将继承的世界,因此,他们参与全球发展挑战,熟悉科学支持的解决方案,将是成功的关键。原子能机构核科学技术(NST)学生竞赛通过及早激发兴趣并突出科学改变世界的潜力,帮助我们将接力棒传递给下一代。     

高强中空夹层钢管混凝土柱的耐火性能试验研究

针对应用高强钢与超高强混凝土的中空夹层钢管混凝土柱，开展了轴心受压柱的标准耐火试验，得到了不同截面形状、边界条件、涂料厚度、荷载比条件下该柱的耐火极限，提出了表征柱耐火性能的延性指标，探讨了高强柱与普通柱耐火性能的差异。试验结果表明:高强中空夹层钢管混凝土柱的受火时间-位移响应与普通柱相似，受火前期膨胀而后期压缩变形进一步增大达到耐火极限。参数分析表明:相同条件下，应用高强钢的中空夹层柱其耐火极限低于应用普通钢的中空夹层柱，而应用超高强混凝土的中空夹层柱其耐火极限则高于应用普通或高强混凝土的中空夹层柱。此外，该文分别基于欧洲规范4中轴心受压柱和压弯构件的常温承载力计算模型，运用材料高温力学参数，计算了该柱高温屈曲承载力与耐火极限，计算结果与试验结果吻合较好。     

基于GA-BP神经网络的电网暂稳极限切除时间预测

本文介绍了一种利用PSASP软件结合GA-BP神经网络的极限切除时间预测方法.通过PSASP软件搭建三机九节点系统,模拟系统发生三相短路故障,得到实验数据,将实验数据分为训练集和测试集,构建基于GA-BP的极限切除时间预测模型.结果表明,基于GA-BP模型的极限切除时间预测值与实际值基本一致,且GA-BP模型的预测精度高于BP模型.