隧道洞口段不同围岩刚度下管棚的支护效果分析

以某高速公路隧道为例,采用FLAC3D有限差分程序建立考虑管棚预加固效应的三维数值仿真模型,对隧道洞口段不同围岩刚度下管棚支护体系对地层稳定的控制效果进行模拟分析.结果表明:管棚可以起到较好的荷载传递作用,有效控制开挖释放荷载引起的地层位移;土体刚度越大,地层沉降越小,管棚与土体之间的刚度比就越小,管棚的骨架作用随之逐渐减弱,相应地管棚对地层沉降的控制程度也逐渐降低.     

应用电磁拓扑方法求解孔线耦合的瞬态响应

针对电磁脉冲通过开有小孔的腔体内多导体传输线相耦合问题提出了其电磁拓扑模型,首先利用电磁拓扑理论,建立电磁拓扑图和电磁交互序列图,然后利用等效原理将孔等效为偶极子源并作为腔体内的激励源,经过超矢量积分变换后计算线上的等效分布源,最后给出了感应电压和电场屏蔽效能的仿真结果,并验证了模型的有效性.     

数控机床蓝牙无线分布式监控系统的研究

利用蓝牙技术建立高速无线数据链路,实现数控机床工况参数无线传输和网络通讯,以转速及温度传感器为例进行实验,设计下位机硬件电路,编写上位机程序。利用LabVIEW对STC89C52单片机采集的数控机床数据进行分析处理,并通过蓝牙技术实现二者之间的数据交换。     

竖直窄矩形流道液泛研究

为了研究窄小流道内气液两相逆向流动问题,以空气-水为工质,对竖直窄矩形流道内液泛过程及液泛特征点进行了实验研究和理论分析,并与传统流道液泛进行了比较.结果表明,竖直窄矩形流道内液泛起始点符合Wallis关系式,与传统流道液泛起始点以压差突变进行判断不同,窄矩形流道内液泛起始点的判断以有水被携带出流道为标志.窄矩形流道内完全携带点与水流量大小、实验段入口条件无关,只与气体流量大小有关;流向反转点与试验段壁面干燥程度有关,与水流量大小及气体入口条件无关.     

(Gd2O3)x（ZrO2）1-x（x=0.05-0.15）电解质材料的电导及其分子动力学模拟

为了探讨作为固体氧化物燃料电池电解质材料的可行性,采用交流阻抗谱研究了(Gd2O3)x(ZrO2)1-x(x=0.05-0.15)固体电解质材料的晶粒电导率,并通过分子动力学方法模拟了Gd2O3掺杂ZrO2固体电解质材料的动力学行为,计算并分析了温度和Gd2O3掺杂量对体系离子传导性能的影响.实验和模拟结果均表明,升高温度能明显增强离子电导性能.当Gd2O3掺杂量为8 mol%时,材料的电导性能取得最优值.     

基于网络的模拟电路虚拟实验系统研究

虚拟实验系统研究是以计算机技术为核心的现代高新技术,利用该技术建立远程虚拟实验室,增加远程网络实验的环节,从而适应基于网络发展的需要.本文对模拟电路在线虚拟现实实验系统进行了研究,运用虚拟现实技术,对于实验的各项调用模块进行了设计,并且通过该技术建立虚拟实验室,增加实验的环节,从而适应基于网络运用的需要.     

有限元软件ANSYS在建筑结构计算中的应用

分析了ANSYS软件的主要特性及其求解步骤,结合案例,探讨了ANSYS在建筑结构受力计算的应用,体现了有限元软件在结构计算机中的优越性。     

北京王府井步行商业街景观环境设计探析

通过对北京王府井步行商业街景观环境现状进行研究分析,归纳总结出王府井步行商业街景观设计应遵循的原则,并且提出对王府井步行商业街景观环境设计的对策：突出历史文化的主题,构建绿色、和谐的街道形态,加强街道景观的维护管理,从而对王府井步行商业街景观环境进行更为良好的营造,提升王府井步行商业街景观环境的质量.     

一种基于PKI的物联网安全模型研究

针对传统EPC( Electronic Product Code)网络架构中对EPC数据安全性考虑不足以及访问控制具体实现难度较大等问题,提出一种基于PKI的改进的EPC网络模型.模型在传统的EPC网络架构的基础上引入一个经过简化的轻量级的PKI模块,实现通信过程中的身份认证和加密传输等服务.同时改进用户与EPCIS信息服务器的交互流程,引进可信中间服务层(TM-server)实现对通信过程的访问控制,返回给用户的数据经过密钥加密并由TM -server进行转发,以达到EPCIS服务器对用户隔离以及可信传输的目的.最后尝试引进RBAC模型,经分析表明本架构很好地实现了对EPC数据的访问控制,提升了EPC网络的安全性.     

基于选择性集成的最大化软间隔算法

当前,boosting集成学习算法研究主要集中于最大化弱学习器凸组合的间隔或软间隔,该凸组合几乎使用了生成的所有弱学习器,然而这些弱学习器间存在大量的相关性和冗余,增加了训练和分类过程的时空复杂度.针对这一问题,在LPBoost基础上提出了一种选择性boosting集成学习算法,称为SelectedBoost.在每次迭代生成新的弱学习器以后,通过计算新生成的弱学习器与已有弱学习器的相关度和差异度,并结合当前集成的强学习器的准确率来判断是否选择该弱学习器.另外,当前的一系列boosting算法(如AdaBoost,LPBoost,ERLPBoost等),本质上是基于已生成的1个或者多个弱学习器来更新样本权重,但与弱学习器相比,强学习器更能代表当前的决策面.因此,SelectedBoost通过在带约束的间隔最大化问题中引入更加严格的强学习器边界约束条件,使得该算法不仅参考弱学习器边界,同时还参考已生成的强学习器来更新样本权重,进而提高算法的收敛速度.最后,与其他有代表性的集成学习算法进行实验比较,结果表明,该方法在收敛率、分类准确性以及泛化能力等方面均具有比较明显的优势.