变角度混杂复合材料层合板振动特性研究

研究了由碳纤维(Carbon Fibre)和Kevlar纤维(Kevlar Fibre)制备的变角度混杂层合板的模态参数,以改善复合材料层合板振动特性。基于模态试验基本理论,采用模态力锤法获得了变角度混杂层合板的频响函数,拟合函数获得前三阶频率阻尼比。研究分析可知：变角度铺层作为芯层时,纤维角度变化对固有频率变化较平缓,均在0.9%左右。而变角度层作为面层时,纤维角度的变化可以有效提高层合板的固有频率,增加44.0%。刚度更高(与Kevlar纤维相比,杨氏模量是其2倍左右)的CF作为面层材而KF作为芯层时,固有频率增加,一阶固有频率最多提高62%,三阶固有频率最多提高57.1%。当铺层顺序为[±<60|75>/0_k/90_k]_s整体振动特性最佳达到(基频为17.83Hz),相对于纯CF直线铺层提高了74.0%。     

基于VMD与时间序列分析的滚动轴承故障特征提取方法

为了在非线性、非平稳的滚动轴承故障振动信号中有效提取出敏感的故障特征,提出了基于变分模态分解(VMD)与时间序列分析相结合的特征提取方法。首先通过VMD将原始信号分解为不同预设尺度的本征模态分量(IMF),对各个IMF分量建立时间序列预测模型,通过叠加重构得到最终的预测模型,比较评价指标确定最优参数的选取。最后,通过仿真信号与滚动轴承实际故障数据分析,并与经验模式分解(EMD)进行对比,结果表明该方法能够有效的提取到故障特征频率。     

基于分形理论的玻璃纤维增强树脂复合材料-混凝土组合梁损伤特性

工程实际中,玻璃纤维增强树脂复合材料(GFRP)-混凝土组合梁往往出现较大的损伤而破坏,有必要对其破坏过程进行研究.为了研究此类构件的损伤特性,通过声发射仪器对1片GFRP工字梁和6片不同螺栓连接的GFRP-混凝土组合梁的四点弯曲试验加载的全过程进行了监测.并基于分形理论对试验梁加载过程的声发射能量信号进行了相空间重构...     

混合交通流下的联网自动车辆轨迹控制方法研究

随着自动驾驶技术的发展,如何引导联网自动车辆(Connected and Autonomous Vehicles, CAV)安全高效行驶受到了学术界的广泛关注。为了对复杂交通环境下CAV轨迹进行优化,提出了一种有效的混合交通流下CAV的轨迹优化模型。模型将交叉口划分为可变道区域与不可变道区域。在可变道区域构建人工驾驶车辆(Human-driven Vehicles, HV)变道概率模型,以优化行驶舒适度为目标建立响应变道的协同控制策略。在不可变道区域结合车辆队列识别与交叉口信号灯配时,以快速通过交叉口为目标,提出一种标记识别的轨迹优化方法。仿真结果表明,模型在不同CAV比重下平均行驶时间、停车延误时间和舒适度都得到了显著提升。敏感性分析表明,模型最大承载车流量应设置为1 080 veh/h,有效右转车辆比重范围设置为40%以内。     

基于改进生成式对抗网络的电网异常数据辨识方法

基于数据驱动的电网异常数据辨识方法已成为电网安全领域研究的重点,由于实际电力发电统计数据中异常数据样本数极少,给通过数据挖掘方法辨识异常数据情况带来了极大困难。文章提出了一种基于Wasserstein生成式对抗网络(Wasserstein generative adversarial networks, WGAN)和孤立森林算法(isolation forest,iForest)的发电统计异常数据辨识方法。首先,利用WGAN交替训练生成器和判别器学习发电统计数据的分布特性并生成样本,用生成异常样本对原始异常样本进行增强,根据异常数据辨识精度确定异常样本的扩充比例;然后,在扩充后得到的平衡数据集上利用孤立森林算法实现异常数据辨识;最后,通过扩充样本前后模型的准确率、查全率以及查准率来比较模型异常数据的辨识效果。算例结果表明,文章提出的异常样本增强方法能够有效地改善辨识模型对于多数类的分类偏好问题,提升整体辨识精度。     

心外科手术患者重症监护室住院时间预测模型研究

心外科患者重症监护室ICU住院时间的影响因素分析和预测有利于住院患者的早期干预和成本控制,对心脏外科患者的治疗和护理具有重要意义。本文使用重症监护数据库MIMIC-IV作为实验数据集,纳入7567名患者数据,采用最小绝对收缩选择算子Lasso从126个影响因子中筛选出41个重要预测因子。基于梯度增强决策树GBDT算法构建了心外科重症监护室住院时间预测模型。实验结果显示,训练全部预测因子的GBDT模型平均准确率为0.688,高于传统逻辑回归LR算法平均准确率0.603,基于筛选出的重要预测因子的GBDT算法与基于全体因子的GBDT算法在最终平均准确率上效果相同,说明该方法可优化数据采集,准确预测住院时间,为临床决策支持系统提供算法支撑。     

两相流搅拌槽内多层涡轮组合桨的模拟研究

文章在不相溶液液两相流搅拌槽内,就三种常用的圆盘涡轮搅拌器,对多层组合桨的搅拌特性进行了数值模拟,分别研究了流场特性、搅拌功率和混合时间。研究表明,多层桨中三种桨型的不同组合,会改变流体最大速度和流场死区的出现位置及影响范围,在不同位置出现封闭的局部小循环,破坏釜内流体的整体循环,并对宏观的混合时间产生较大影响。折叶桨有轴向流,可优先设置在最底层,以消除釜底死区。弯叶桨可产生高速径向流,可优先设置在中间层,利于釜内大循环的形成。多层桨不同桨层间的相互影响,使不同位置的桨叶的功率消耗不一致,现有传统的经验算法不适用于多层组合桨的功率计算,有必要进一步探讨。     

支持CNN与LSTM的二值权重神经网络芯片

深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持这两种网络类型。权重二值化使得加速器对于CNN和LSTM的同时支持更加高效,同时使得计算复杂度和访存量大幅降低,使得神经网络加速器能够获得更高的能效,并且二值权重对中小规模神经网络模型的精度损失的影响非常有限。本文提出了一种高效支持CNN与LSTM的二值权重神经网络加速器设计结构,该结构在运行CNN和LSTM网络模型时,其核心运算单元利用率超过已有加速器,并且该加速器通过了片上系统(SoC)芯片验证,经过芯片实测,该加速器芯片能效在SoC系统级别达到了6.43 TOPS/W。     

JT-CoMP场景中以用户为中心的半动态分簇方法

为消减超密集网络中小小区间的干扰,提出多点协作联合传输场景中一种以用户为中心的半动态分簇方法。对网络内的所有小基站进行不重叠分簇,将簇内的小基站及位于簇外但与该簇存在较大干扰的小基站作为用户的备选服务基站,采用迫零预编码消除备选服务基站中的非服务基站对用户的干扰,用户从备选服务基站中选出若干待选服务基站,簇头以最大化簇内用户吞吐量之和为目标从待选服务基站中为用户选择服务基站簇。同时给出一种次优的为用户选择服务基站簇的方法以降低复杂度。仿真结果表明,与相同场景中的已有方案相比,该方法明显提高系统吞吐量。     

提高发票使用的专业素养

<正>发票存根联不可随意销毁大型企业每年的发票用量很大,而税务机关对该公司领用发票实行旧售新的方式。因此,公司库存发票存根联数量较大,但又不敢轻易销毁,该企业会计向税务机关咨询该如何处理发票存根。根据《发票管理办法》(国务院令第587号)第二十九条的规定,开具发票的单位和个人应当按照税务机关的规定存放和保管发票,不得擅自销毁。已开具的发票存根联和发票领购簿,应当保存5年。保存期满,报