基于JSP的移动开发技术论坛的设计与实现

本文讨论基于B/S模式的一种JSP论坛的设计与实现。完成的功能模块包括用户注册,浏览板块,发帖,回帖等,管理员编辑,删除等管理帖子功能,管理管理员用户功能等。     

电动车制动能量再生反馈控制研究

研究了电动汽车制动过程中的能量回馈，设计了混合励磁无刷电动机在汽车制动过程的能量再生反馈控制系统。以脉宽调制调压调速系统为例，研究各种制动态下的能量回馈过程。并将其安装在EV6600电动汽车上进行试验，结果表明：该控制系统可达到10%左右的能量回收效率。     

图像中的文本定位技术研究综述

介绍了图像中文本定位技术的研究现状,依据定位所利用的特征进行分类,分析了其中几种典型算法,并对文本定位算法的性能评价标准进行了深入讨论。     

基于离散裂缝模型的页岩油储层压裂渗吸数值模拟

对于含黏土矿物较高的页岩油储层,地层水的矿化度可高达4.786×103 mol·m?3,压裂过程中与注入的低矿化度压裂液形成的渗透压作用显著。为探究渗透压对渗吸的影响作用,建立了综合考虑渗透压和毛管力渗吸作用的油水两相二维离散裂缝网络模型,开展了页岩油储层压裂液泵注和关井阶段渗透压、毛管力、关井时间、盐浓度、膜效率、分支缝面积占比等对渗吸的影响规律研究。结果表明:①滤失主要由压力差、毛管力和渗透压3种机制驱动,其中压力差是滤失的关键控制机制;②关井时间对压裂液的渗吸作用影响较大,关井50 d时,前15 d渗吸量可达到总渗吸量的80%,且关井压力扩散会波及到两侧压裂段;③与压力扩散相比,渗透压达到平衡的时间较长,对于地层水矿化度为4.786×103 mol·m?3的情况,裂缝附近的矿化度达到600 mol·m?3左右所需关井时间为50 d;④由于压力差是渗吸主要驱动力,页岩膜效率对渗透压力扩散影响微弱,页岩膜效率30%与5%相比渗吸量仅增加4%;⑤对于密切割压裂,关井后,含水饱和度受小间距水力裂缝控制,分支缝对渗吸含水饱和度的影响有限。      

基于IPSO-GRU深度学习算法的海底管道缺陷尺寸磁记忆定量反演模型

针对海底管道缺陷磁记忆定量反演的难题,提出一种基于改进粒子群优化的门控循环神经网络模型,即IPSO-GRU模型。以两端焊有盲板的X52管道作为实验材料,其上预制有不同直径、深度的缺陷,采用TSC-5M-32磁记忆检测仪,外接11-6W非接触探头,进行水下磁记忆检测试验,提取不同缺陷尺寸的磁记忆信号特征值。考虑到磁记忆信号特征值随缺陷尺寸呈复杂的非线性变化,引入门控循环神经网络,利用其双门结构能够记忆缺陷处的信号特征,非线性回归拟合能力强的特点,构建海底管道缺陷定量反演模型,进一步考虑到模型超参数选择的随机性,采用改进粒子群算法进行超参数寻优。验证结果表明:该模型对缺陷深度反演平均精度达96%;对缺陷直径反演平均精度达93%,为海底管道缺陷的磁记忆定量化识别与反演提供了新的思路和方法。      

地聚合物混凝土配比及力学性能研究

混凝土是巷道支护过程中的重要建筑材料,然而混凝土在巷道施工中常常出现质量问题,为了不影响正常生产,需要对其进行修补。地聚合物混凝土凝结时间快,早期强度高,界面结合能力强,耐高温性和抗冻性强,耐腐蚀性良好,具有用作修补材料的潜力。以粉煤灰和矿粉为原料,Na₂SiO₃溶液和NaOH为碱激发剂制备地聚合物胶砂,研究不同的碱激发剂模数（1.0、1.2、1.4）和掺量（10%、15%、20%）对不同龄期胶砂力学性能的影响。结果表明：当碱激发剂模数为1.2,碱掺量为15%时,胶砂强度达到最大值。设计正交试验,研究了不同水胶比（0.45、0.50、0.55）、粉煤灰掺量（30%、50%、70%）和砂率（30%、35%、40%）对不同龄期地聚合物混凝土的工作性能和力学性能的影响。结果表明：粉煤灰掺量对抗压强度影响最为显著,水胶比次之,而砂率对强度发展几乎没有影响。最优的配合比为水胶比为0.50,粉煤灰掺量为50%,砂率为35%。     

碱土金属在萃取剂与树脂间反应平衡常数的测定

研究了碱土金属离子在Ｄ００１树脂与８－羟基喹啉三氯甲烷溶液间的平衡常数Ｏ－ｔＫ的测定。其值依Ｍｇ、Ｃａ、Ｓｒ、Ｂａ次序减小。并得出萃取剂浓度［ＨＡ］。与金属离子在两相分配的关系。     

Generalized Transfer Subspace Learning Through Low-Rank Constraint

It is expensive to obtain labeled real-world visual data for use in training of supervised algorithms. Therefore, it is valuable to leverage existing databases of labeled data. However, the data in the source databases is often obtained under conditions that differ from those in the new task. Transfer learning provides techniques for transferring learned knowledge from a source domain to a target domain by finding a mapping between them. In this paper, we discuss a method for projecting both source and target data to a generalized subspace where each target sample can be represented by some combination of source samples. By employing a low-rank constraint during this transfer, the structure of source and target domains are preserved. This approach has three benefits. First, good alignment between the domains is ensured through the use of only relevant data in some subspace of the source domain in reconstructing the data in the target domain. Second, the discriminative power of the source domain is naturally passed on to the target domain. Third, noisy information will be filtered out during knowledge transfer. Extensive experiments on synthetic data, and important computer vision problems such as face recognition application and visual domain adaptation for object recognition demonstrate the superiority of the proposed approach over the existing, well-established methods.     

New software developments for quality mesh generation and optimization from biomedical imaging data

In this paper we present a new software toolkit for generating and optimizing surface and volumetric meshes from three-dimensional (3D) biomedical imaging data, targeted at image-based finite element analysis of some biomedical activities in a single material domain. Our toolkit includes a series of geometric processing algorithms including surface re-meshing and quality-guaranteed tetrahedral mesh generation and optimization. All methods described have been encapsulated into a user-friendly graphical interface for easy manipulation and informative visualization of biomedical images and mesh models. Numerous examples are presented to demonstrate the effectiveness and efficiency of the described methods and toolkit.     

一种混合的离散细菌菌落优化算法

为了利用细菌算法解决组合优化问题, 提出了一种混合的离散细菌菌落优化算法。根据现有细菌优化算法, 设计一种新的个体编码方式及进化模式, 通过设计种群的自适应调整因子增强个体活力, 并融合禁忌搜索算法, 克服算法易于陷入过早收敛的不足, 并与其他算法在Taillard标准调度测试问题集上比较实验, 验证了算法的有效性。仿真结果表明, 该算法可以搜索到问题的最优组合, 能够有效避免算法陷入局部最优, 取得了满意的结果。