非增强式原型封装光纤Bragg光栅钢筋应变计

为了适应量大面广的重大土木工程结构的长期健康监测,特别是克服恶劣的施工与服役环境(如,腐蚀、疲劳等),封装的光纤Bragg光栅(FBG)应变计不仅必须要有很好的测试精度、布设可靠等特性,还必须具有优越的性价比。针对这一实际应用要求,提出了一种非增强式原型封装光纤光栅钢筋应变计,并通过静载试验对其传感特性进行了研究。研究结果表明:试验结果与理论分析基本吻合,光纤光栅的波长变化与应变存在很好的线性关系,其相关系数均达到0.999以上,并具有很好的重复性;通过管内外应变对比试验说明:此钢筋应变计对钢筋几乎没有加强作用,能如实地反映钢筋应变。     

地质雷达在建筑结构检测中的解译与应用

为了减小地铁施工对邻近建筑物产生危害,在施工前应对建筑物进行现状检测以采取合理的加固措施,而地质雷达能够较准确的探测出建筑结构存在的隐患及结构缺陷并且具有无损检测的特点。该文介绍了地质雷达检测墙体结构的基本原理和方法,并结合工程实例,对所测雷达图像进行三维分析解释,探测出了墙体结构中钢筋布置及存在的缺陷,所得结论达到了工程要求的目的。     

光纤传感器在土木工程中的应用

对光纤传感器的基本原理和在土木工程中常用的强度调制型、干涉型、光栅型等传感器进行了介绍。对光纤传感器在土木工程中的应用作了较为详细的综述 ,探讨了光纤传感器用于土木工程监测 (检测 )时存在的一些问题 ,提出了拟解决的思路 ,指明其广阔的应用前景。     

浅议影剧场所的防火设计

电影院、剧场作为人员密集的公众聚集场所,火灾危险性远大于其他场所,其防火设计显得尤为重要,本文将对电影院、剧场的建筑防火、内部装修防火、防排烟、消防给排水、消防电气等方面进行探讨。     

桁架结构疲劳监测的应变响应估计方法研究

传感节点数据的高效利用是结构健康监测领域的热点研究问题。由于高维护成本和恶劣服役条件,结构疲劳监测系统往往测点有限,难以覆盖易损区域。该文针对两种应变响应估计方法:增广卡尔曼滤波方法和应变传递率矩阵方法进行研究探讨,并通过典型桁架结构的数值案例和模型实验分析两种方法的影响因素和疲劳监测的适用性。结果表明:两种方法无需已知荷载信息或进行物理参数识别,能够在仅有某一子结构可测,以及一定测量噪声和建模误差干扰的条件下有效估计低频带的强迫振动响应。其中,应变传递率矩阵方法可在结构阻尼和质量未建模的情况下,利用简单的模型先验信息精确估计应变响应,该方法计算简便,因而更加适合现场的疲劳在线监测。     

负载平衡在三维渲染中的应用

该文介绍一种基于调整CPU和GPU(GraphicsProcessUnit)数据处理量来达到负载平衡,进而加速三维场景渲染的方法。现代GPU芯片制造技术发展非常迅速,直接导致GPU性能迅速增长,传统的通过简单地减少显卡工作量来优化渲染速度的思想已经不是十分合适了,取而代之的应该是平衡CPU和GPU的数据处理量来优化渲染,基于这个思想我们展开了一点讨论并对传统的算法作出一些修改,通过实验比较了CPU与GPU数据处理量平衡和非平衡时的渲染速度,实验结果证明了基于平衡数据处理量来进行优化渲染速度的方法是切实可行的。     

基于电子舌及一维深度CNN-ELM模型的普洱茶贮藏年限快速检测

采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。     

湖南省水旱灾害风险管理系统设计与应用

为满足湖南省水旱灾害防御实际需求,有效支撑防汛抗旱指挥决策,设计开发了湖南省水旱灾害风险管理系统。该系统包括综合信息、普查成果、实时分析、动态展示4个模块,覆盖水旱灾害风险管理业务的主要环节,具备基础数据查询、流域联合调度、洪水过程预演、灾害损失统计、风险及时评估等功能,对水旱灾害防御的实时化、可视化、精细化管理,以及防汛抗旱决策服务能力的提升有良好助益。     

纠错码在认证和阈下信道中的应用

在文献「１」的基础上,分析了作者提出的两个方案,对ｐＩ,ｐｓ的下界结果给出了更为简洁的证明,圆满地解决了文献「１」的遗留的问题,如何系统地分划所有ｋ×ｎ阶系统码生成矩阵所组成的集合。     

求解QAP问题的近似骨架导向快速蚁群算法

QAP(quadratic assignment problem)问题是经典的组合优化问题之一,广泛应用于许多领域中.针对QAP问题,提出了一种新的蚁群算法--近似骨架导向的快速蚁群算法(ABFANT).该算法的基本原理是通过对局部最优解的简单相交操作得到QAP问题实例的近似骨架(approximate-backbone),利用这些近似骨架可以极大地缩小QAP问题的搜索空间,而同时不降低搜索的性能,最后对这个缩小后的搜索空间,直接用当前求解QAP问题最好的启发式算法之一-快速蚁群算法(FANT)求解得到问题的解.在QAPLIB中的典型实例上的实验结果表明,近似骨架导向的快速蚁群算法明显优于快速蚁群算法.此外,指出基于近似骨架的算法思想可以很容易地被移植到其他求解QAP问题的启发式算法中.