铸件曲面及其模型曲面逆向工程并行设计技术

研究目的是通过逆向工程方法实现铸件曲面及其模型曲面的并行设计。已知与铸件安装配合的曲面数据及铸件各截面厚度,确定铸件的加工变形和加工余量后,分别求出铸件曲面和模型曲面的离散有序数据作为神经网络的样本数据。建立RBF神经网络拓扑结构,利用神经网络拟合铸件曲面和模型曲面,实现两种曲面的并行设计,曲面精度高,计算速度快。通过实例证明该方法可以实现曲面的并行设计,缩短研制和设计周期,提高效率。     

钢筋混凝土矩形截面受扭最小配筋率构件的钢筋受力分析

以9根钢筋混凝土矩形截面配筋率较小受扭构件的实验为基础，用有限元分析软件Ansys对构件进行了全过程静力模拟受力分析，计算结果与实验数据吻合较好，讨论了构件截面变形随荷栽的变化情况，纵筋和箍筋在屈服前后的变形、受力情况等。     

氯离子侵蚀混凝土结构钢筋锈蚀寿命可靠性

研究在地方气候环境和氯离子侵蚀共同作用下沿海混凝土结构钢筋锈蚀寿命可靠性。以现有混凝土结构氯离子侵蚀模型为基础,考虑地方气候环境温度、相对湿度影响,利用拟Monte-Carlo抽样法,计算分析混凝土结构钢筋锈蚀寿命及其对随机变量的敏感性;以我国沿城市海口、宁波和天津等地的混凝土结构为例,计算钢筋锈蚀寿命的概率分布及其对随机变量的灵敏度。研究结果表明:(1)氯离子侵蚀模型参数C_(th)、C_s和D_(ref)对钢筋锈蚀寿命大小的影响顺序依次为:C_(th)C_sD_(ref)。(2)气候温度、相对湿度对钢筋锈蚀寿命影响明显。温度升高、相对湿度增大均使钢筋锈蚀寿命减小明显。(3)建议在混凝土结构设计及耐久性设计时,考虑地方气候环境影响作用。本试验研究方法对混凝土结构耐久性设计、加固、剩余寿命预测具有一定参考价值。     

缴费网络系统设计及UML建模

随着高校教学、科研和后勤管理的改革，面向学生的服务项目和收费项目不断增加。采用人工计费收费管理，一方面需要人力且效率较低，另一方面容易产生管理漏洞缺乏准确度。采用网络计费和缴费管理，既可以提高效率，又能够提高服务质量，进一步提高办公自动化程度。     

基于ANN的复合材料变厚度壳体固化变形预测

研究目的是建立基于人工神经网络的复合材料固化变形预测模型。复合材料固化变形的多因素性致使很难得到精确的解析解。应用人工神经网络方法结合实验实测数据,模拟复合材料各项参数与变形间的非线性关系,对相同材料(玻璃钢)在相近固化条件下的固化变形进行预测,计算速度快,精度高,为固化变形的预测控制提供了一种新方法。     

不规则截面钢筋混凝土梁柱单元模型及应用

为了更好地研究钢筋混凝土梁柱结构的非线性力学性能,建立考虑材料非线性和几何非线性耦合的钢筋混凝土梁柱单元模型.基于杆件分析的平截面假设和截面高斯积分法,应用钢筋和混凝土材料本构关系非线性,推导出不规则截面钢筋混凝土梁柱单元的截面刚度矩阵,进而通过虚功原理建立钢筋混凝土梁柱单元切线刚度矩阵;并采用弧长增量迭代法求解非线性方程组,编制不规则截面钢筋混凝土梁柱结构的数值分析程序.对规则和不规则截面钢筋混凝土框架进行了非线性全过程分析,理论分析结果与试验结果比较,吻合较好.表明所建立的钢筋混凝土梁柱单元模型适用于钢筋混凝土梁柱结构的非线性力学分析;由于采用截面高斯积分法,对不规则截面的梁柱结构计算显得十分便捷.     

钢筋混凝土框架结构的力学性能研究

基于非线性梁柱单元模型，对柱顶作用垂直集中荷载和水平荷载的钢筋混凝土强柱弱梁门式框架进行了数值分析，研究了梁、柱的变形情况，框架的一阶、二阶非线性效应，柱顶垂直集中荷载对框架承载力、侧移的影响。得出：框架柱的侧移比梁挠度大很多，框架变形以柱侧移为主；垂直集中荷载对框架的水平极限承载力、侧移有明显影响；当有垂直集中荷载作用时，二阶非线性与一阶非线性分析结果比较，二者差异明显，表明几何非线性影响明显。     

气候变化对混凝土结构时变碳化寿命影响北大核心

大气环境中碳化是混凝土结构使用寿命、耐久性主要影响因素。基于可靠度理论和2013年IPCC预测气候变化数据,结合中国混凝土结构耐久性设计规范要求,通过现有混凝土结构碳化预测模型,研究了混凝土结构碳化失效概率。结果表明:(1)RCP8.5、RCP6.0、RCP4.5、2015水平等情景对应的平均碳化深度、碳化寿命失效概率依次为RCP8.5>RCP6.0>RCP4.5>2015水平。(2)环境等级严酷性依次为I-A     

炉石活性粉混凝土静动态韧性及耐久性

本研究将活性粉混凝土中的硅灰利用水淬炉石粉取代,探讨不同炉石粉取代量添加钢纤维含量1％、2％抗压强度变化,找出炉石取代后抗压强度可达到150 MPa最佳配比,并控制流度值在200～250 mm避免添加钢纤维有沉淀的现象发生.试验结果比较150MPa炉石活性粉混凝土的静动态韧性、及微观晶体结构的差异性.     

基于粗糙集神经网络的非线性系统动态参数预测

为建立非线性系统辨识和预测模型,利用粗糙集和人工神经网络方法进行动态参数预测.考虑非线性系统中影响因子之间的高度非线性和不确定性,结合粗糙集和人工神经网络的优点,提出了一种动态参数预测的新方法.该方法充分考虑了学习样本的数据特性,简化了决策规则从而降低了网络拓扑结构规模,计算速度快,容错能力强,误差小,精度高.计算结果表明,该方法用于非线性系统动态参数分析是有效可行的.