齿轮精锻的数值模拟与实验研究

本文对空心直齿圆柱齿轮的精锻成形过程进行三维刚塑性有限元模拟和实验研究。通过有限元数值模拟和实验研究 ,得出了直齿圆柱齿轮精锻过程的金属流动规律和变形力学特征 ,揭示了直齿圆柱齿轮精锻过程的变形机理 ,数值模拟结果与实验结果吻合较好     

增压柴油发动机排气门盘部断裂分析

利用金相及扫描电镜对增压柴油机排气门盘部断裂原因进行了分析。分析结果表明，21－4N网不适合做高热负荷发动机排气门材料；排气门的锻造流线必须符合气门外形轮廓，不得存在截断和大角度弯曲等缺陷。     

考虑地层渗透性各向异性的堤防工程三维防渗结构优化分析

在透水地基上修建长堤防工程,堤基防渗结构的渗控效应直接影响堤防的安全运行。根据岷江干流虎渡溪工程库区长堤防工程地质条件,采用三维渗流分析方法,对堤基高喷防渗墙的布置结构进行优化分析。结果表明：高喷防渗墙可有效降低堤后地下水水位,减小库水向堤后低洼保护区域渗漏,但其渗控效应受防渗结构空间展布长度、深度与渗透性以及地层材料渗透性各向异性的影响。满足低洼保护区域不溢出要求的防渗墙最小展布长度随其布置深度的增大和施工质量的提高而减小,防渗墙渗透系数小于1×10^-5 cm/s并将透水性强的覆盖层截断时,其渗控效应明显,若进一步提升防渗墙质量和布置深度则效果不显著。防渗墙质量的提高对堤防渗控效应的提升受地层材料渗透性各向异性的影响较小,而布置深度增大在渗透性各向异性比较大时对渗控效应与防渗结构优化设计的影响较大。随着地层材料渗透性各向异性比的增大,防渗墙所需最小空间展布长度逐渐增大,由各向同性时的180 m增大到220 m,且当渗透性各向异性比较大时,可能有必要增加防渗墙布置深度。     

对口丁坝双岸整治对黄河下游河道冲淤的影响

选取低含沙水沙系列、枯水多沙水沙系列以及规划设计的未来50 a水沙系列,利用黄河下游一维水沙数学模型,模拟计算了对口丁坝双岸治理方案下黄河下游河道在3种水沙系列条件下的冲淤状况。结果表明,游荡性河段采用对口丁坝方案整治后,输沙能力得到了提高,该河段多输送的泥沙一半以上输送到利津以下,其余部分淤积在高村—利津河段,其中淤积以高村—艾山河段为主,艾山—利津河段的冲淤情况与现状相比变化不大。     

潮汐双向流条件下丁坝水流特性研究

以长江口南支河段为原型,概化并建立水槽数学模型,研究径潮双向流条件下丁坝附近的水流结构。研究表明:丁坝一侧河岸,丁坝下游潮差远大于上游,在丁坝上游潮差小于对岸侧,下游潮差大于对岸侧;落潮时,丁坝回流区与壅水区长度大于涨潮,转流时刻,丁坝坝头附近流速相对较大;河床底部剪切应力变化在涨落急时刻最大,且落潮大于涨潮,转流时刻坝头及坝身迎水侧剪切应力增加明显。     

基于句法语义特征的中文实体关系抽取

实体关系抽取的核心问题是实体关系特征的选择。以往的研究通常都以词法特征、实体原始特征等来刻画实体关系,其抽取效果已难再提高。在传统方法的基础上,该文提出一种基于句法特征、语义特征的实体关系抽取方法,融入了依存句法关系、核心谓词、语义角色标注等特征,选择SVM作为机器学习的实现途径,以真实新闻文本作为语料进行实验。实验结果表明该方法的F1值有明显提升。     

基于统计的中文机构名实体识别的研究

针对中文机构名实体的识别提出了利用隐马尔科夫统计模型的方法.同时,在此方法的基础上通过构建一元模型来补充识别那些缩写的和没有核心词的机构名,弥补了单一统计模型在机构名实体识别中的不足.实验证明二者相结合的方法能获得较高的准确率和召回率,具有可行性.     

复杂水文条件下围涂工程的龙口合龙技术

多流域水系在围垦工程围区内汇合,增加了围垦工程龙口合龙施工的难度。以浙江省乐清市胜利塘北片围涂工程为例,探讨了上游复杂水文条件下龙口段高低潮沟处理、龙口保护的措施和龙口施工对上游排涝的影响,介绍了采用预测潮位过程优化龙口堵口的方法。     

民航领域突发事件的实体链接方法

实体链接的相关研究主要集中于医疗、生物和新闻领域,但在民航领域的研究较少。因此针对民航领域实体链接任务进行了研究,发现在实体链接中存在实体变体多、歧义少等问题。为解决上述问题,提出了一种基于语义推断的实体链接框架以及一种用于增强框架鲁棒性的负采样策略。在民航领域数据集上进行了对比实验,结果表明所提框架链接效果优于现有基准框架,并通过消融实验,验证了负采样策略的有效性。在负采样策略的作用下,该实体链接框架的Acc@top1高达0.875。     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。