自然生形的启发:基于向量图解静力学工具的数字化结构找形

聚焦弗雷·奥托使用物理模型方法进行自然启发结构找形的研究工作,展开基于向量图解静力学的VGS工具对自然启发建筑结构的研究;基于VGS工具可以交互地生成、操控结构的形与力的特性,以硅藻、叶序、蛛网结构为例,充分展现了该工具在结构概念设计阶段再现、组合与创造自然启发建筑结构形式的潜力。     

互动式的建筑结构概念找形——基于三维图解静力学

简要回顾图解静力学历史,指出其近期发展对于建筑结构一体化设计的重要意义.据此,从其塑形原理出发,结合图解与案例,分析了基于向量的图解静力学操作原理与应用场景,并通过两种模型方法的引入,具体解读如何通过三维图解静力学方法进行互动式的建筑结构概念设计.     

从传统建造到工业化制造——乡村振兴背景下的乡村建造工艺与技术路径

在乡村振兴的时代背景下，对当下乡村建设面临的现实问题与严峻挑战以及传统建造工艺和技术的发展脉络进行分析与梳理，在此基础上详细阐述了半工业化、内装工业化和建筑模块化的工业化制造技术途径，从传统建造到工业化制造的历史经纬中系统勾勒出未来乡村建设过程中多元并存共生、交叉融合的建造工艺与技术的整体图景。     

利用分形维数和BP神经网络实现超声导波缺陷分类的实验研究

近年来,超声导波技术广泛应用于管道的无损检测中。然而,不同微小缺陷类型(如裂纹、孔洞、凹陷变形等)引起的缺陷回波微弱且无明显不同,使得微小缺陷的识别和分类始终是检测难点。为识别不同微小缺陷的类型,利用对微弱周期信号敏感的Duffing系统,提出了基于Duffing系统的动力学指标分形维数和反向传播(Back Propagation, BP)神经网络相结合的信号特征分类方法。利用BP神经网络对输入参数进行训练。其中,输入参数分为两组。第一组输入参数为由小波能量值、时域参数、分形维数特征等组成的21维k₁向量。第二组作为对照组,其输入参数为波能量值、时域参数组成的18维k₂向量。上述两组均输出3维向量,即输出缺陷类型。数值模拟及实验验证均表明,在加入混沌指标分形维数后识别准确率明显提升。其中,数值模拟的准确率由86.35%提升至91.85%,实验中的准确率由83.16%提升至86.06%。数值模拟和实验都验证了利用分形维数和BP神经网络结合能够更好地完成管道缺陷的识别和分类。创新性地将分形维数作为BP神经网络的特征输入,有效提高了分类的准确率,实...