圆（环）形基础基底压力的计算

本文主要对《高耸结构设计规范》中圆(环)形基础基底压力的计算进行分析,并据此对附录C中的计算系数进行修订。     

388m高河南塔异型钢管X型节点的有限元分析

本文运用有限元分析软件ANSYS利用三维实体单元对一种钢管相贯节点在压弯、扭矩荷载作用下的受力性能进行了较为全面的分析,考虑了几种因素对节点承载能力的影响,发现节点在不同因素影响下呈现不同的特点,从而对节点的受力性能做出了综合的评价。     

结构二次防御能力分析的荷载效应组合方法

利用概率论和结构可靠度的基本概念，根据建筑结构上永久荷载和可变荷载的分布特性以及偶然事件的发生特点，提出对结构进行结构二次防御能力分析时应当采用的荷载效应组合方法。可供结构工程师对结构进行偶然荷载工况下的建模和分析时参考。     

钢框架预应力节点的介绍与分析

介绍了一种新的钢框架节点——预应力钢结构节点，该节点在顶底角钢连接的节点中增设了钢拉杆。钢拉杆与梁平行，并通过张拉钢拉杆使梁柱间产生预压力。试验研究表明：在往复荷载下，该节点的耗能由顶底角钢的非弹性变形提供，而钢拉杆和梁柱均保持弹性。该节点的主要优点是（1）拥有自定心（self—centering）的能力从而大大减小了在地震后的残余变形；（2）初始刚度较大与全焊接节点相似：（3）地震下破坏集中在节点的角钢处，地震后可以较方便地通过更换节点处的角钢来修复节点。     

风力发电塔基础环基础设计的工程算法研究

插入式钢基础环是塔筒和基础之间常用的连接方式。由于钢基础环与混凝土基础之间变形往往不能协调一致,导致很多基础环在运行一段时间后出现了明显滑移,并在基础环T型板上方与混凝土之间产生较大空隙,甚至会出现混凝土开裂、压碎破坏的情况。针对这类问题,结合工程案例中基础环基础的特点和常见破坏形式,根据有关规范和文献,总结提出了有关基础环T型板上方混凝土局部受压承载力及抗冲切承载力、T型板上方基础环外侧混凝土抗压疲劳强度和悬挑板根部钢筋抗拉疲劳强度验算的工程算法;并通过工程案例对此工程算法进行了验证;可为同种类型基础环基础的设计提供参考。     

Design studies on the 4π the ETF experiment y-ray calorimeter for at HIRFL-CSR

A high detection efficiency calorimeter which is used to detect γ-rays with energies from 1 MeV up to 10 MeV as well as light charged particles has been proposed. Design of the geometry, results of the crystal tests and Monte Carlo simulations are present     

先验采样约束结合扩展字典的细化稀疏识别算法

为解决可能存在遮挡环境下的模式识别问题,提出先验采样约束结合扩展遮挡字典的细化稀疏识别算法。针对训练样本无法包含测试样本遮挡变化的情况,首先需要构造遮挡字典（墨镜、围巾等）,进而利用先验局部采样子模块稀疏表示分类原理判断可能存在的测试样本遮挡模式;然后对未被遮挡的局部子模块利用Borda计数投票方式,依据每类残差大小分配给不同的票数,计算样本类别信息;其次根据遮挡模式结果,利用全局稀疏表示通过构造样本遮挡扩展字典对测试样本进行全局分类投票;最后将两次分类投票结果进行融合,最终实现是否存在遮挡环境下的精细模式判别。实验结果表明,本文算法不仅能够给出准确的模式类别,还能给出遮挡类别信息,可得到精细化识别结果。      

防止建筑物连续倒塌的措施

结构因偶然作用发生局部破坏后,整体结构受影响的程度日益受到结构工程师的关注,减轻结构体系发生连续倒塌的程度可通过对建筑物的合理布局和构造措施.文中根据偶然事件的发生特点把偶然作用对建筑物的影响分为3个阶段,分述各个阶段防止连续倒塌的有效措施.     

低碳钢和灰口铸铁渗硅后碱性氧化处理的研究

本文对低碳钢和铸铁渗硅后的碱性氧化处理进行了研究;结果表明,对低碳钢,试样表面含硅量在12％左右时,碱性氧化后为红铜色或紫铜色;对灰口铸铁,硅含量在9％左右时,获得亮红色或综红色。渗硅剂中含少量铝使碱性氧化后的表面颜色变亮。     

深层融合度量子空间学习稀疏特征提取算法

特征提取作为模式识别中的重要步骤,一直是图像处理研究的重点,逐渐兴起的深度学习理论,作为一种新的深层特征提取模型,越来越受到广大学者的关注。本文提出一种基于深层融合度量学习的稀疏特征提取算法,在深度学习的框架内,构建度量映射矩阵,对图像进行分层映射,最大化保留样本集类间区分信息,并且通过稀疏迭代来保证特征提取结果的稀疏性。首先构建图像集距离度量函数,然后通过求解最大化类间距离来确定最优度量映射矩阵,同时对特征映射结果进行 范数稀疏迭代,提高噪声鲁棒性。然后对这个基本特征提取单元进行深度化改造,在第二层中进行同样的度量学习操作,最终通过多层融合提取得到分层深度稀疏特征。相对于已有子空间方法,本文在特征映射过程中引入度量自学习机制,并着重对各个特征映射层进行视觉合理性稀疏约束,融合多层特征语义描述生成最终特征提取结果。在FERET、AR、Yale等经典人脸数据库以及MNIST、CIFAR-10等目标数据库上的实验结果表明,该算法可以取得较高的识别率以及较好的光照、表情、人脸朝向鲁棒性,并且相对于卷积神经网络等深度学习框架具有结构简洁、收敛速度快等优点。