排序方式: 共有18条查询结果,搜索用时 0 毫秒
11.
12.
目的为了确保氢能源汽车的使用安全性,研究氢能源汽车在行驶过程中,由路面凹凸不平和无规律性振动对能源供给装置的包装件-供氢系统随机造成的影响。方法通过Ansys Workbench有限元分析软件,采用模态叠加法,并输入GB/T4857.23—2012中的功率谱密度激励,对供氢系统进行随机振动分析。结果获得了在1σ,2σ,3σ下的应力与位移分布,得知最大应力发生在系统鞍座,而最大位移发生在系统框架。结论证明了氢系统的使用安全性,同时为今后的研究以及更多运输包装系统的PSD随机振动提供了依据和保障。 相似文献
13.
14.
朱冰冰 《中国新技术新产品》2011,(22)
本文以山东聊城湖南路大桥为研究背景,通过结构受力模型,研究独塔体系在活载作用下的位移和内力,得到了独塔体系力学特性的系统研究结果。桥梁施工过程的模拟计算对整个理论设计过程起着关键性作用,通过合理的模型,采取有效的斜拉桥结构施工阶段分析方法,对桥梁的施工过程和成桥状态进行一定精确度的模拟分析,进而控制斜拉索初始张拉力,使得斜拉桥的线形和受力满足要求,确保了该桥在成桥后线形美观,受力性能满足要求。 相似文献
15.
深度神经网络(deep neural network, DNN)等新兴技术以前所未有的性能在工业互联网安全中得到广泛发展和应用.然而,训练DNN模型需要在目标应用程序中捕获大量不同场景的专有数据、广泛的计算资源,以及在专家的协助下调整网络拓扑结构并正确训练参数.因此,DNN模型应当作为有价值的知识产权,从技术上保护其不被非法复制、重新分发或滥用.受经典水印技术被用于保护与多媒体内容相关的知识产权的启发,神经网络水印是目前最受研究者关注的DNN模型版权保护方法.迄今为止,学术界对神经网络水印在DNN模型知识产权保护中的应用尚缺乏完整描述.调研了近5年CCF推荐期刊和会议等关于该领域的相关工作,从水印的嵌入和提取的视角,将神经网络水印在原有的白盒水印和黑盒水印分类的基础上,扩充了灰盒水印和无盒水印2种分类,对白盒水印和黑盒水印方法根据其水印嵌入的不同思路和不同任务模型进行了更详细的分类总结,并对4类水印方法的性能进行了对比.最后,探讨了神经网络水印未来面临的挑战和可研究的方向,旨在为学者进一步推动基于神经网络水印的DNN模型版权保护的发展提供指导. 相似文献
16.
17.
18.