钉形水泥土双向搅拌桩加固软土地基案例分析

钉形水泥土双向搅拌桩作为一种新的地基处理的技术,其承载特性不同于常规水泥土搅拌桩,适宜处理深厚软土地基,文章重点介绍了钉形水泥土双向搅拌桩在某工程地基加固上的应用,对其进行取芯和加固地基承载力的质量检测,其加固效果难以达到设计要求。通过对荷载传递,桩身强度,淤泥含水量等方面分析,找出问题的原因。     

几种肉制品中亚硝酸盐含量的测定

以α-萘胺为显色剂,利用紫外可见分光光度计,测定了鞍山市市售的几种肉制品中亚硝酸盐的含量。本实验进一步探究了实验的最佳条件:酸度、温度、显色剂的用量和显色时间。结果表明:pH值在3￣4之间,温度在15￣25℃之间,显色剂用量为2mL,显色时间在20￣40min,显色稳定,样品吸光度无明显变化,实验能达到较理想的效果。     

普适计算中间件技术

普适计算中间件通过软件基础设施重用支持上层应用的高效开发和便捷运行,是普适计算领域的研究热点。对普适计算中间件设计挑战进行了归纳,从上下文管理、中间件层自适应、面向自适应的公共服务和自适应软件体系结构支持等方面总结、阐述和分析了普适计算中间件的各项关键技术,分类介绍了主要普适计算中间件项目,给出了未来研究发展趋势。     

基于填充理论沥青胶砂动态模量研究

基于夹杂理论体系,在细集料、矿粉和30%胶粉改性沥青组成沥青胶砂的基础上填充不同比例单粒径（9.5～13.2 mm）粗集料,通过静压试验成型夹杂单粒径粗集料胶粉改性沥青胶砂试件,借助AMPT试验得到沥青胶砂的动态模量以及相位角,根据时-温等效原理,通过非线性最小二乘法西歌摩德函数拟合得到沥青胶砂动态模量的主曲线,得到更宽的频率范围的动态模量。研究表明：随着填充率的增大,沥青胶砂动态模量增大,相位角减小;随着温度的升高,沥青胶砂动态模量大幅度减少,相位角随频率的增大呈现先增大后减小的趋势;西歌摩德拟合到的沥青砂浆动态模量主曲线连续而平滑,与试验数据有良好的相关性,可以得到更宽频率范围内的动态模量。     

基于视点差异和多分类器的三维模型分类

基于视图的3维模型分类方法与深度学习融合能有效提升模型分类的准确率。但目前的方法将相同类别的3维模型所有视点上的视图归为一类,忽略了不同视点上的视图差异,导致分类器很难学习到一个合理的分类面。为解决这一问题,该文提出一个基于深度神经网络的3维模型分类方法。该方法在3维模型的周围均匀设置多个视点组,为每个视点组训练1个视图分类器,充分挖掘不同视点组下的3维模型深度信息。这些分类器共享1个特征提取网络,但却有各自的分类网络。为了使提取的视图特征具有区分性,在特征提取网络中加入注意力机制;为了对非本视点组的视图建模,在分类网络中增加了附加类。在分类阶段首先提出一个视图选择策略,从大量视图中选择少量视图用于分类,以提高分类效率。然后提出一个分类策略通过分类视图实现可靠的3维模型分类。在ModelNet10和ModelNet40上的实验结果表明,该方法在仅用3张视图的情况下分类准确率高达93.6%和91.0%。     

基于网格拼贴块的曲面纹理合成

针对传统的基于顶点上色曲面纹理合成方法合成速度慢,合成曲面纹理分辨率过分依赖于网格大小等问题,提出了一个新的算法,将点合成与块拼接相结合,极大提高了曲面纹理合成的速度以及输出图像的质量,通过实现算法证明了本方法的有效性.     

基于中性语义特征转换的异构CAD系统数据交换

针对异构CAD系统间上层操作指令的趋同性和底层数据结构的异构性,造成异构CAD系统间数据传输困难的问题,以基于细胞元表示的语义特征造型技术为基础,提出了一种基于中性语义特征转换的数据交换方法,并将此方法初步应用在哈尔滨理工大学自主开发的HUST-CAIDS与AutoCAD间的异构同步协同设计中,证明了该理论的可行性.     

探究工业产业背景下机械制造及其自动化的发展方向

在经济全球化大环境下,国际市场竞争日趋激烈,我国工业产业因机械制造及其自动化技术的发展而发展,在国际市场中的地位逐步提升.以工艺理论及高新技术的支持,机械制造领域也得以快速发展,并且趋向于智能化和精细化.就机械制造及其自动化的价值进行阐述,明确机械制造及其自动化特性,分析机械制造及其自动化发展现状,进一步探究机械制造及...     

策略驱动的软件自适应机制研究

中间件是支持和实现软件自适应的重要手段。除了内建于中间件的通用自适应机制外,中间件还应当为应用相关的自适应过程提供开发和运行支持。以普适计算为背景,基于关注点分离原则,引入策略对软件自适应过程进行抽象描述,提出了基于策略的软件自适应概念模型,进而提出了适应使能、基层和元层分离的轻量级构件化实现模型。基于上述模型,在面向普适计算的自适应中间件平台UbiStar中设计实现了一种基于策略的软件自适应框架,可以支持基于上述模型的普适计算应用的开发和运行,从而为应用相关的软件自适应过程提供有效支持。     

一种基于非参数回归的交通速度预测方法

非参数回归模型是近年来提出的一种交通状态预测模型。为进一步提高预测精度,基于非参数回归模型的特点,针对近邻状态的选取问题,提出了基于速度变化趋势和密集度的变K近邻精确搜索策略,对原有模型的近邻匹配方式进行了改进和优化,进而提出了一种短时交通平均速度预测模型。利用北京市浮动车系统数据对算法精度进行了验证,结果表明,该模型的预测精度优于基础的非参数回归和BP神经网络模型,并能为短时交通速度预测提供可行的结果。