高校计算机实验实训室的管理与维护研究

科技的进步使计算机实验实训室对高校实训教学的成果的影响越来越大,对高校的教学质量也有着深远的影响,这使得对高校计算机实验实训室的管理和维护就显得尤为重要。本文对高校计算机实验实训室在日常管理与维护中存在的问题进行了分析,并研究了一些计算机实验实训室维护和管理的对策,从而对计算机实验实训室进行更完善的管理与维护。     

局部应力分析中两个问题的讨论

容器上的局部结构承受外加载荷时，需要对该局部结构的强度进行评定。本文通过分析后指出，针对局部应力评定的强度条件应根据载荷的种类和性质确定。另外，本文通过实例说明，当进行管系应力分析，从而确定接管施加于容器上的载荷时，接管与容器连接处的柔度对该处载荷值和管道中的最大弯矩值都会有很大影响，在设计中考虑该柔度对设计的安全性和经济性都是有意义的。     

磨加工及残余应力对氮化硅陶瓷强度的影响

利用X-射线衍射方法测量了经不同磨削的氮化硅陶瓷表面残余应力及其对抗弯强度的影响。结果表明，磨削工艺所引入的残余应力是拉应力，对陶瓷抗弯强度有显著降低。     

基于FBG的电力铁塔塔身主梁受力形变研究

电力铁塔作为电力输送的支柱,其安全可靠性直接关系到整个电力系统的安全域经济运行。然而在各种自然因素的影响下,铁塔塔身主材的应力会加大,这可能会造成铁塔发生压坏、拉坏、扭坏等现象。研制了电力铁塔的塔架模型,将4只光纤Bragg光栅(FBG)分别安装于塔身主材2根左平面桁架的表面和2根右平面桁架的表面,测点分别位于4根主材的1/2处。通过荷载改变塔身主材所受内力,使得各根主材发生挠度变化,从而导致粘贴其表面的FBG产生波长移位。荷载试验表明:在对铁塔塔身主材进行加载和卸载时,位于铁塔塔身主材的4个测点的FBG的实验灵敏度分别为5,6,7,6pm/kg,重复性误差为1.9%,2.6%,3.2%,1.2%FS。     

液化石油气球罐裂纹成因分析与讨论

对两台1500m3液化石油气球罐在用检验中所发现裂纹的成因进行了分析。有限元应力计算和X射线衍射残余应力测试表明,球罐赤道环焊缝位置存在较高的工作应力和焊接残余应力;对典型裂纹中夹杂物能谱分析表明,这些夹杂物是焊渣;在分析球罐现场组焊焊接工艺的基础上,得出焊缝裂纹主要是由于焊接工艺不当所致,进而提出了修复方案。     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

压痕残余应力对氮化硅基复合材料阻力曲线行为的影响

通过压痕小裂纹直接量测法获得了ＴｉＣ，ＴｉＮ／Ｓｉ３Ｎ４复合材料的阻力曲线，采用更具合理性的指数经验公式拟合处理实验数据，初步探讨了Ｋ∞，Ｋ＾＊Ｒ，ΔＣ，等参数的物理意义。对压痕残余应力消除前 实验结果进行比较，发现压痕残余应力的消除，提高了材料的极限断裂韧性值Ｋ＾＊Ｒ，却大大减少了裂纹稳态生长的容限，使得材料的脆性行为更为突出。     

间歇窑窑墙温度场图形仿真研究

本文利用有限差分法求解间歇窑窑墙中的温度分布，并用Ｃ语言设计了窑墙温度场图形仿真软件。输入窑墙厚度和材料的物性参数等，系统可进行窑墙温度场分布的实时仿真及窑炉结构与操作的优化     

基于H.264编码域的显著运动检测算法

视频监控中运动目标检测算法易受背景、噪声等因素的影响,导致运动检测准确性降低。针对该问题,提出一种基于H.264编码域的显著运动目标检测改进算法。该算法基于编码过程中帧间运动预测模块输出像素值的绝对差值和,计算其标准差以作为运动判据,同时自适应设置运动判断阈值,以降低背景和噪声的影响。实验结果表明,相比于传统的低复杂度算法,该算法能有效降低背景和噪声等因素的影响,提高显著运动目标的检测准确性。相比于传统的运动检测算法,该算法保持了计算复杂度低的特点,算法复杂度仅为帧间差分法的18.3%,更适用于实时性要求高的监控系统。     

粉煤灰填充PVC树脂的研究

采用ＷＡＸＤ、ＳＥＭ和力学测试等方法对不同粒度和不同含量的粉煤灰（ＰＦＡ）与聚氯乙烯（ＰＶＣ）共混物的结构形态、力学性能进行了测定。结果表明，ＰＦＡ粒度对ＰＶＣ／ＰＦＡ共混物的性能具有明显影响，当ＰＦＡ粒度尺寸达到一定程度时，再降低ＰＦＡ粒度尺寸对共混物的性能影响不大。随着ＰＶＣ／ＰＦＡ共混物中ＰＦＡ含量的增加，拉伸强度和拉伸模量增大，但伸长率降低。