初应力对各向同性材料柱壳结构双稳态性能的影响

建立各向同性柱壳的力学模型,分析初始应力对各向同性材料结构双稳态性能的影响. 通过对柱壳变形应变能的分析,利用最小势能原理导出柱壳实现双稳态的条件. 同时,采用ABAQUS建立壳单元模型,通过施加边界弯矩对柱壳的双稳态过程进行有限元数值模拟. 结果表明,双稳态柱壳卷曲半径的数值结果与理论结果相吻合;无论是否存在初始应力,其变形过程中均有两个平衡点,且柱壳在任一平衡位置均无扭转变形;对于无初始应力的柱壳,第1个平衡点为稳定的平衡状态,第2个平衡点为不稳定的平衡状态;对于有初始应力的柱壳,在初始应力满足一定条件下,柱壳为双稳态结构,且两个稳定状态对应的曲率方向相反. 这与反对称铺层复合材料层合壳的双稳态曲率方向相同的情况不同.     

独立学院进行XML教学的问题与对策

本文阐述了XML的基本概念与优势,分析了教学型本科院校开设XML技术课程的必要性与可行性,教学型本科院校教授XML技术课程可能遇见的问题及对策。通过实际的课程设计与教学案例展示了XML理论教学与具体实践相结合的方法,为同类院校相关专业教授XML技术课程提供了参考。     

应用于一体成型电感的羰基铁粉-铁硅铬混合软磁金属粉末

将羰基铁粉末与铁硅铬合金粉末按照不同比例混合后钝化、包覆、压制成磁粉心,测试和分析了其磁环密度、磁导率、直流叠加特性及损耗性能。结果表明,相对于铁硅铬合金粉末,羰基铁粉具有密度高、叠加特性好、损耗低的优点;但是其缺点是磁导率低,仅为铁硅铬合金粉末的85%。两种粉末混合制备的磁环特性并非羰基铁粉与铁硅铬合金粉末的简单叠加,而是存在一定的偏差。随频率升高,铁硅铬合金粉末磁环损耗增幅低于羰基铁粉末磁环,100 kHz/50 mT条件下前者损耗为羰后者的1.22倍,低于50 kHz/50 mT时的1.35倍。     

基于ELM预测模型的高比例新能源电网改进频率控制策略

高比例新能源电网中,功率与频率变化存在很强的非线性,自动发电控制（AGC）作为电网调节频率的主要控制手段,目前的控制方式无法很好地适应强非线性特性电网的调频需求。鉴于此,提出了基于极限学习机（ELM）预测模型的高比例新能源电网改进频率控制策略。其特点在于通过ELM算法和历史运行数据,建立电网功率变化与频率变化的实时频率预测模型,进一步基于预测模型分析AGC调节机组的调频能力,按照调频能力优化AGC的区域功率控制需求功率分配。其优势在于通过机器学习拟合频率非线性调节规律,优化AGC频率控制,提高系统频率调节的快速性和可靠性,从而提高含新能源电网稳定性。最后通过电网SCADA实际数据建立预测模型并验证其准确性和实时性,并通过应用实例证明所提策略可以实现快速稳定调频。     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

基于拓扑图形的服务知识重用策略研究

为解决服务配置组合过程中服务知识的重用问题,建立服务知识重用策略及其表示方法.采用了形式化定义的方法对孤立服务知识进行建模,析取常见的服务知识重用模式与策略,提出利用拓扑模型的方式对服务知识的重用策略进行描述,构建基本的服务重用拓扑模型结构.实验分析结果表明,该方法使复杂的服务知识组件关系变得清晰、完整,解决以往的建模方法中信息描述不完全的问题.     

P2P流媒体中的数据分配算法

最近兴起的P2P技术在充分利用客户资源、提高系统的可伸缩性方面具有巨大的潜力,基于P2P提供视频服务已成为Internet的一项重要应用.在多对单P2P模式下,对多个发送端最优地分配发送速率和数据是一个难题.为此,提出了一种新的分配算法.首先,应用排队论把最优速率分配问题模型化为非线性最优化问题,推导出求解最优化问题的速率分配公式;然后,基于该公式提出最优速率分配算法(ORAA),并对ORAA输出解的最优性给出证明;最后,提出动态速率分配算法(DRAA).DRAA对动态的网络环境具有自适应性,能根据网络条件的变化最优地为多个发送端进行速率和数据分配.仿真实验结果表明,在不同的参数条件下,DRAA算法减少了计算和通信开销,比同类算法有更好的性能.     

基于Hadoop的公共建筑能耗数据挖掘方法

针对建筑能耗数据无法有效利用这一问题,提出利用Hadoop分布式架构,结合建筑基本信息对公共建筑能耗数据进行数据挖掘的方法.对基于Hadoop的公共建筑能耗数据挖掘系统进行了初步设计,并对系统的基本架构和各模块的功能进行了设计和说明.同时,对Apriori算法和C4.5算法实现MapReduce分布式设计.以山东省100栋办公建筑制冷期的空调系统耗电量为例进行实验分析,得到6类建筑信息属性对空调系统能耗的影响规律,并生成空调系统耗电量判定树,可判别建筑空调系统耗电量等级,并对样本建筑的节能改造提供具有针对性的建议.     

用于文本分类的局部化双向长短时记忆

近年来,深度学习越来越广泛地应用于自然语言处理领域,人们提出了诸如循环神经网络(RNN)等模型来构建文本表达并解决文本分类等任务。长短时记忆(long short term memory,LSTM)是一种具有特别神经元结构的RNN。LSTM的输入是句子的单词序列,模型对单词序列进行扫描并最终得到整个句子的表达。然而,常用的做法是只把LSTM在扫描完整个句子时得到的表达输入到分类器中,而忽略了扫描过程中生成的中间表达。这种做法不能高效地提取一些局部的文本特征,而这些特征往往对决定文档的类别非常重要。为了解决这个问题,该文提出局部化双向LSTM模型,包括MaxBiLSTM和ConvBiLSTM。MaxBiLSTM直接对双向LSTM的中间表达进行max pooling。ConvBiLSTM对双向LSTM的中间表达先卷积再进行max pooling。在两个公开的文本分类数据集上进行了实验。结果表明,局部化双向LSTM尤其是ConvBiLSTM相对于LSTM有明显的效果提升,并取得了目前的最优结果。