支撑—异形柱钢框架结构的静力弹塑性分析

简述了Push-over方法的基本原理,并运用ETABS对柱截面积相同、柱形(H形柱,异形柱)不同的支撑—钢框架结构进行弹塑性分析,发现了支撑—异形柱钢框架结构抗震性能优于纯钢框架结构,支撑—异形柱钢框架较支撑—H形柱钢框架弱侧抗侧能力更好等优点。     

基于EMD与响度的有源噪声控制系统

为了提高有源噪声控制系统的降噪效果,提出了基于经验模态分解( empirical mode decomposition,EMD)和响度的控制系统.该系统首先采用EMD方法对噪声源进行自适应分解,并对分解后的各个固有模态函数(intrinsic mode function,IMF)分量的响度进行计算,然后根据各个分量的响度大小进行残差滤波器的设计.与基于A计权曲线设计的残差滤波器相比,该方法所设计滤波器能更好地抑制响度较小的信号频率成分.对有源噪声控制系统的降噪效果进行了仿真,结果表明,所提出的控制系统比传统滤波-X LMS(filtered-X least mean square)方法和采用基于A计权残差滤波器的系统降噪效果更好.     

基于自适应波形匹配延拓的局部均值分解端点效应处理方法

局部均值分解(LMD)能将复杂的信号自适应地分解成若干个具有物理意义的单分量信号,但是在其实现过程中会产生端点效应,使结果失真。在详细分析了LMD产生端点效应的原因后,提出了自适应波形匹配延拓法来解决端点效应。该方法充分考虑了信号的内在规律与边缘处的变化趋势,使延拓更加合理,且具自适应性。对仿真信号与实际工程信号进行了分析,结果表明该方法能有效抑制LMD分解的端点效应。     

基于ATF与EEMD变转速齿轮故障特征降噪方法

针对变转速下的齿轮故障特征的降噪问题,提出一种基于自适应时变滤波(Adaptive time-varying filtering,ATF)与集合经验模态分解(Ensemble empirical mode decomposition,EEMD)的齿轮故障特征降噪方法.该方法首先用线调频小波路径追踪(Chirplet p...     

局部均值分解方法中乘积函数判据问题研究

针对局部均值分解方法（Local mean decomposition,LMD）的乘积函数（Product function,PF）判据问题,根据乘积函数具有正交性的特点,将正交性判据（Orthogonality criterion,OC）引入了LMD方法。即将每次迭代后的OC值与预先确定的阈值进行比较,以此来确定乘积函数迭代过程的终止点。通过对仿真信号和实际信号的分析,验证了采用正交性判据确定的乘积函数满足正交性要求,反映了信号内含的物理信息,从而实现了对信号正确的分解。     

基于关联网络的长三角一体化科学评估与空间优化关键技术研究

长三角一体化发展作为国家战略,科学评估与优化长三角一体化格局,对于探索新时代区域发展范式、提升城市竞争力具有重大意义,也对其它区域发展具有较强的借鉴价值。研究应用人群活动、企业关联等新数据与区域空间组织规律分析等新技术,系统搭建从理论研究到关键网络解析技术的评估体系,构建应用导向的空间优化关键技术框架,形成长三角一体化科学评估与空间优化的研究集成。一方面,重点聚焦区域一体化研究的科学范式和量化方法,提炼形成基于长三角又超越长三角、具有全国示范价值的区域研究方法;另一方面,聚焦区域一体化的空间组织规律与空间优化方法,使经济、社会、环境与空间发展相匹配、相适应。最终形成长三角“城市群—都市圈—城市”三个层次的系列研究成果,有力支撑一系列国家战略规划与研究,积极助推长三角高质量一体化发展。     

可视化背景提取和粒子滤波的行为检测研究

在智能视频监控中,目标所在场景的复杂性和光照变化使得运动目标的检测难度加大.采用可视化背景提取(ViBe)算法来检测运动目标,对于运动目标在运动过程中的交叉、遮挡等情况,采用ViBe算法和粒子滤波运动目标跟踪算法相结合,完成对运动目标的检测与跟踪;在运动行为检测中,进一步定义目标的运动方向,从而判断目标的运动状态.实验表明,ViBe算法能够准确检测复杂场景中的运动目标,并能够适应噪声干扰和光照变化,将其和粒子滤波结合能够准确跟踪实际场景中的运动目标,并能够准确判断目标的运动状态.     

推进式加热炉横向运输装置结构分析及改进

本文介绍了推进式加热炉“V”形垫块横向运输装置的工作原理和改进的必要性,并通过设计计算、校核,论证了该装置的装置的可行性。     

基于URP-ANCNN的变转速齿轮箱智能故障诊断方法

由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot,URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network,ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform,FFT)将时域信号转化为频域信号,再利用URP编码将得到的频域信号转化为二维递归图,并提取图像特征输入到ANCNN模型。在ANCNN模型中,采用批量归一化算法消除因转速变化引起的特征分布差异,同时处理转速波动下产生的频移和调制特性,并使用遗传算法自动调整该网络模型的超参数,以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证,实验结果表明,该方法能够克服转速波动的影响,成功实现对不同齿轮故障的准确识别。     

新时期总体规划实施评估的创新实践与方法探索——以杭州为例

总规实施评估作为串联规划—建设—管理的重要环节,其作用和地位得到国家层面的高度关注,但基于对评估目的的理解差异,当前评估的技术方法和内容重点仍有待进一步探索与明确。基于杭州现行总规实施评估工作,围绕检视过去、面向未来、关注实效的核心目标,提出以构建基础数据平台为前提,以新技术应用的实施性评估与趋势预判的前瞻性评估为核心线索,以实施机制评估为保障的具体方法,从技术推进和制度完善层面进行深入的思考与实践,以期从评估工作框架、方法和内容等方面,为新时期各城市实施评估工作的开展提供优化建议。