基于NX泊桥桥体有限元优化分析

在粱单元的基础上对泊桥桥体进行有限元强度的优化分析,提出了一种高效准确的方法,缩短了建模与后处理计算的时间,与UG软件相结合,详细的论述了泊桥桥体的建模及有限元仿真过程,运用NX／Nas．tran模块计算分析,保证了准确性。     

我国大型煤炭企业低碳经济发展模式研究

随着经济的快速发展,能源危机、气候变暖等一系列社会问题逐渐凸显。作为煤炭占能源主导地位的国家,实现煤炭企业的低碳化发展,对整个社会可持续发展具有重要意义。本文在阐述煤炭企业发展低碳经济必要性的基础上,对我国大型煤炭企业的清洁生产、资源综合利用、多元化发展、产业集群,以及低碳型煤炭城市等低碳经济发展模式进行了分析,希望为我国煤炭企业的低碳经济发展提供借鉴参考。     

游荡型河流的平面二维水沙数学模型

为使数学模型能模拟游荡性河流因水流弯曲、分汊等导致的环流输沙作用,本文首先在悬移质泥沙对流扩散方程中增加了横向输沙项,然后引入适合游荡型河流的塌岸模式及局部动网格技术和网格融合技术,解决了河岸变形模拟和河道整治工程导致网格再生、床沙级配变化模拟等关键性难题,开发出可模拟游荡性河流河床演变且可反映河道整治工程作用的平面二维水沙数学模型。最后,以黄河下游柳园口—夹河滩河段为例,应用本文模型对游荡型河流河势变化进行了数值模拟,结果表明本模型能够真实地模拟出游荡型河流独特的河床演变过程。     

试论推移质输沙率公式

推移质输沙规律研究是泥沙基本理论的重要内容.在对前人主要研究成果开展述评的基础上,进一步从能量平衡观点及能耗图形出发,全面考虑影响河流推移质运动的因素,合理确定不同条件下的泥沙起动流速、摩阻参数A65与水下休止角,建立了物理图形清晰、结构合理、便于使用且适用性更强的推移质输沙率公式.采用大江大河与中小河流资料以及试验室实测资料对公式的检验结果表明,文章建立的公式(19)在不同条件下均能同实测点据接近,有效提高了推移质输沙率公式的计算精度和工程实用价值.     

丁坝冲刷及整流桩防护措施研究

通过丁坝局部模型试验，进一步研究了丁坝冲刷机理。在此基础上，针对丁坝防护问题，提出了在丁坝坝体布议整流桩这样一种新型的防护措施。相应的模型试验结果表明，整流桩可有效改善丁坝坝头局部水流结构，进而使丁坝坝头冲刷坑深度减小，最大冲刷部位发生偏离，有利于丁坝的稳定。     

曲轴参数化建模及优化设计研究

本文直接采用ANSYS软件所支持的APDL参数化设计语言,建立一个直列四冲程发动机的曲轴三维实体模型,同时添加合理的约束,通过静力分析和优化设计,确定了其危险区域和得到了曲轴的尺寸优化方案,为更合理的设计曲轴提供了依据。     

基于深度学习的手骨X射线图像骨龄评估

骨龄评估是研究儿童内分泌、遗传因子和生长障碍的常用临床手段,传统骨龄评估方法耗时较长,易受评估者主观因素影响产生误差,而现有自动提取临床特征的骨龄评估方法精度低且泛化能力差。提出一种基于深度学习的端到端手骨X射线图像自动骨龄评估方法。去除Inception ResNet V2网络的Softmax层优化结构,在Inception模块中增加非对称卷积核提高特征图分类精度,引入残差连接结构避免梯度消失或爆炸问题,同时采用均方误差损失函数对骨龄评估回归性能进行评价,并使用分层K折交叉验证法保证数据集样本分类均衡。实验结果表明,与采用BoNet网络的骨龄评估方法相比,该方法评估的骨龄与真实骨龄平均绝对误差减少0.4230岁,骨龄预测精度更高。     

层压玻璃钢板的侵彻阻抗的试验研究

本文给出层压玻璃钢板和钢板的侵彻阻抗的试验研究结果。撞击速度范围为V=600～800m/s,弹丸为钢球。试验结果表明,对于同样的撞击极限速度,层压玻璃钢靶比钢靶约轻(30～40)%。      

新型摄像装置在远程遥控隔离开关中的应用

目前变电站隔离开关的操作模式逐步由现场操作转为调度远程遥控操作,这对智能化变电站提出了新的可视化要求。现首先分析了调度远程遥控隔离开关的优缺点,然后提出了消除远程遥控隔离开关缺点的方法,最后介绍了创新项目设计的可旋转防尘防雨摄像装置在远程监控隔离开关位置时的应用。     

融合双重注意力网络的儿童骨龄评估方法

骨龄评估是一种检测儿童内分泌与生长发育异常的常用方法,但深度学习方法中低质量手部X射线图像降低最终评估精度。针对该问题,提出一种增加手部X射线图像感兴趣区域面积的对齐网络,该网络以Swin Transformer结构作为主干网络学习图像手部相似性并取得仿射系数,且在训练过程中无须进行大规模手部标注。在骨龄评估网络中,针对高效通道注意力和空间注意力机制改进,提出双池化高效通道注意力和非对称卷积空间注意力方法,将这两种方法以双重注意力形式与Xception网络相结合提出DA-Xception。在RSNA数据集上进行测试,该骨龄评估方法达到5.37个月的平均绝对误差,相较于其他深度学习方法可更充分提取特征,优化评估结果。