市政土建结构工程的施工关键技术与安全性分析

市政土建结构工程的施工关键技术直接关系到整个工程的质量,对城市发展进程也有着十分重要的影响。而对市政土建结构工程安全性的分析也是保证工程质量的重要举措。因此,可以说对市政土建结构工程的施工关键技术与安全性进行分析和研究具有十分深刻的现实意义。     

往复运动密封装置中O形橡胶密封圈的滑动摩擦力有限元分析

基于非线性接触理论,对航空发动机往复运动密封装置中O形橡胶密封圈的滑动摩擦力进行有限元仿真分析,研究压缩率和温度对O形橡胶密封圈滑动摩擦力的影响,并对两种滑动摩擦力理论算法的适用性进行分析。结果表明:随着压缩率的增大,O形橡胶密封圈的滑动摩擦力呈非线性增大趋势;仅考虑橡胶热膨胀时,O形橡胶密封圈的滑动摩擦力对温度的变化不敏感;在两种O形橡胶密封圈的滑动摩擦力理论算法中,Lindley算法计算结果整体偏小,经验公式计算结果在较大压缩率范围内与有限元分析结果接近。     

让Foobar2000正确显示专辑封面图片

在笔者安装的Foobar 2000汉化版里，有个“专辑图片面板”功能组件。它的作用就是在播放专辑音乐时，能够显示相关的专辑图片，起到了良好的直观感和美化效果。[第一段]     

简单也精彩——Cartoonist

经常上网的朋友常常会碰到一些变形搞怪照片,让人 忍俊不禁。如果自己也能制作一些朋友的“变形”照片,会 给生活带来不少乐趣!说起处理图片,恐怕很多人又要想 到Photoshop。Photoshop固然强大,但上手不易且操作 复杂。况且为了区区图像变形就调用Photoshop实在是大 材小用。笔者在此推荐一款简单的绿色图片变形工具—— Cartoonist,告诉大家简单也能有精彩!     

铝合金薄壁柱壳电磁胀形塑性失稳实验研究

利用高速相机记录电磁驱动6063-T6铝合金薄壁柱壳膨胀变形过程,结合二维数字图像相关法分析试样表面应变场演化,对金属柱壳电磁膨胀塑性失稳过程开展研究,探讨金属高速成形极限及影响因素。实验结果表明:6063-T6铝合金薄壁柱壳电磁高速膨胀成形开始为均匀变形,随变形发展试样表面应变场出现局域化集中并沿45°或135°方向失稳扩展,裂纹沿局域化集中带发展导致碎裂;电磁膨胀局域化过程中分散性失稳时的平均应变与准静态拉伸失稳应变相比并没有明显变化,而局域化带形成时的应变随加载率提高显著增大,分析认为薄壁板电磁高速胀形成形极限提高的"增塑性"主要与惯性效应与结构效应相关。     

铝合金薄壁圆管动态膨胀剪切断裂的实验研究

采用电磁驱动金属圆管膨胀技术对6063薄壁铝合金圆管的动态膨胀断裂过程进行实验研究,圆管膨胀速度可达140~200 m/s,应变率为4 500~6 500 s-1,并对剪切局域化形成过程、应变率影响及试样温升等进行讨论。结果表明:铝合金薄壁圆管动态断裂经历了均匀膨胀、剪切局域化变形及裂纹沿剪切局域化带发展过程,剪切局域化变形带与圆管径向呈45°或135°的分布。分析表明:碎片特征尺寸随加载率提高而减小,断裂应变随着加载率提高而增大。     

快速了解显示器“生日”

你知道自己的显示器是何时制造的吗？《Windows优化大师》会给你一个正确的答案。在“视频系统信息”项目下，制造日期一栏就是笔者所使用显示器的“生日”就是“2002年第八周”。     

基于区块链的软件定义网络数据帧安全验证机制

为构建安全高效的网络环境,必须对伪造、受篡改数据帧进行有效的识别与过滤。然而,在软件定义网络（SDN）中,现有的安全验证机制通常在验证设备受到攻击或恶意控制时无法有效运行。为解决上述问题,提出了基于区块链的SDN数据帧安全验证机制。首先,设计帧转发证明（PoFF）共识算法并以此为基础建立轻量型区块链系统;然后,基于该系统构建针对SDN数据帧的安全验证体系;最后,提出可灵活调节的半随机选择验证模式以兼顾验证效率与资源开销。仿真结果表明,在同等比例的交换机被恶意控制情况下,所提机制的漏检概率较基于哈希链的验证机制有明显降低。其中,当受控交换机占比为40%时,降低效果尤其显著：此时所提机制在基本验证模式下的漏检概率低于32%,在辅助以半随机验证后可进一步降到7%,均远低于基于哈希链的验证机制72%的漏检概率;且所提机制引入的资源开销与通信代价在合理范围内。此外,即使在SDN控制器完全失效情况下,所提机制仍可保持良好的验证性能与效率。     

看电影我要自动全屏

不少人在电脑上观看电影时，都喜欢使用全屏模式，以获得较好的视觉效果。如果每次打开电影文件时，播放软件都能自动进入全屏状态，而不需要手工调整，岂不方便？[第一段]     

基于数据扩维的SAR目标识别性能提升技术

卷积神经网络的出现使得深度学习在视觉领域取得了巨大的成功,并逐渐延伸到合成孔径雷达(SAR)图像识别领域。然而,SAR图像样本量不足,难以支撑卷积神经网络的训练需求,并且SAR图像包含大量相干斑噪声及不确定性,网络结构的设计较为困难。所以,深度学习在SAR图像识别领域的应用受到阻碍。针对上述问题,文中提出一种基于数据扩维的SAR目标识别性能提升方法,通过对原始SAR 图像进行相关预处理操作并把处理后图像与原始图像结合,从而将一维的原始数据扩充成多维数据来作为训练样本。该扩维方法不仅间接扩充了样本量来支撑网络训练,同时也在网络训练前加入了“主动学习冶影响,所以无需针对SAR图像特性来构建复杂卷积网络,而采用成熟、简单的网络进行训练就可以达到理想的测试精度。最后,使用MSTAR 数据对该方法进行了性能验证,实验结果显示了所提方法的有效性。