卷边槽钢压杆考虑板组约束作用的屈曲系数

卷边槽钢压杆的局部屈曲具有相关性。《冷弯薄壁型钢结构技术规范》(GB50018-2002)提出适用于各种不同截面的板组约束系数的统一计算公式来考虑这种相关性。但由于板组组成的多样性,其是否合理,有待于进一步研究。借助ANSYS有限元分析软件,对卷边槽钢压杆局部屈曲进行分析,得到考虑板组约束作用的屈曲系数,并和国内外规范进行比较。结果表明,计算结果和英国规范吻合较好,我国规范偏于安全较多。借鉴英国规范的形式,给出考虑板组约束作用的屈曲系数的计算公式,这些公式可供进一步修订规范时参考。     

高帧速摄像器

本文介绍了高帧速摄像器的设计、制造、工作和性能。该高帧速有３６０×３６０像素、摄像速度高达５×１０５帧／秒，该摄像器读出电路类似于帧转移ＣＣＤ，由四部分组成     

万顷沙西十三涌油轮码头模型试验研究

华隆公司拟在万顷沙西十二涌与十三涌之间兴十三涌３０００Ｔ级油轮港口码头。本文分析了该河段水文泥沙的特性、河道演变趋势及河段稳定性，通过物理模型试验研究及对航道、港池的回淤计算分析，预测工程建成后引起局部水流流态的变化，对水道泄洪、潮排、潮灌的影响，以及港池、航道建成后的泥沙淤积情况。     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

基于正则总体最小二乘准则的OFDM系统信道估计算法

基于导频的最小二乘(LS)估计方法的优点是结构简单,容易实现,但对噪声和干扰敏感。通过对OFDM系统中由于信道的时变性产生的载波间干扰进行了分析,在此基础上提出正则总体最小二乘(TLS)信道估计算法。根据Tikhonov正则化原理,导出了总体最小二乘正则化解法的计算公式。与一般的LS信道估计相比,TLS方法同时考虑了信道噪声和信道时变特性,所以该算法不仅在一般的信道条件下具有良好的性能而且也适合快变信道条件下的OFDM系统。仿真结果表明,该算法具有很好的均方误差和误比特率性能。     

基于用户兴趣度的校园网带宽管理策略应用研究

针对校园网出口拥塞问题,提出一种基于行为分析的用户兴趣建模方法,通过用户参与时间来衡量并计算不同种类应用的用户访问兴趣度,在用户兴趣度的基础上结合通道管理技术进行带宽管理策略研究,实现动态带宽管理。实施结果表明,该方法能够有效地提高用户的网络满意度。     

水电站坝下尾水渠集鱼流场模拟研究

为减缓大坝阻隔对鱼类洄游的不利影响,水电工程需要建设有效的过鱼设施疏通其洄游通道。高寒区高坝大库工程过鱼设施建设是一个极其复杂的技术问题,目前国内类似工程尚无成功运用经验。实际过鱼设施内流场条件十分复杂,会产生不利于鱼类上溯的水流形态。基于此原因,对某水电站工程坝下尾水流场进行了数值模拟。研究表明,在机组运行时,电站尾水渠左右两侧发电尾水主流的边缘是明显具有流速梯度分布的区域,符合鱼类聚集的水流特征,具备布置鱼道进口条件。这样可根据尾水位的变化开启两侧不同进口诱鱼,且在机组停运时,可开启左侧进口诱鱼。     

Automatic Channel Detection Using DNN on 2D Seismic Data

Geologists interpret seismic data to understand subsurface properties and subsequently to locate underground hydrocarbon resources. Channels are among the most important geological features interpreters analyze to locate petroleum reservoirs. However, manual channel picking is both time consuming and tedious. Moreover, similar to any other process dependent on human intervention, manual channel picking is error prone and inconsistent. To address these issues, automatic channel detection is both necessary and important for efficient and accurate seismic interpretation. Modern systems make use of real-time image processing techniques for different tasks. Automatic channel detection is a combination of different mathematical methods in digital image processing that can identify streaks within the images called channels that are important to the oil companies. In this paper, we propose an innovative automatic channel detection algorithm based on machine learning techniques. The new algorithm can identify channels in seismic data/images fully automatically and tremendously increases the efficiency and accuracy of the interpretation process. The algorithm uses deep neural network to train the classifier with both the channel and non-channel patches. We provide a field data example to demonstrate the performance of the new algorithm. The training phase gave a maximum accuracy of 84.6% for the classifier and it performed even better in the testing phase, giving a maximum accuracy of 90%.