排序方式: 共有20条查询结果,搜索用时 78 毫秒
1.
运输问题的神经网络解法 总被引:6,自引:0,他引:6
给出了利用Hopfield连续模型求解运输问题的数值算法,是对运筹学知识的补充和完善,是借助人工神经网络计算机原理解决组合优化问题的一个成功范例。 相似文献
2.
文章率先提出一种新型防屈曲高强钢腹板可更换钢连梁(简称“新型钢连梁”):腹板采用高强钢,可提高钢连梁的屈服抗剪强度,连梁变形减小,从而减小可更换结构整体变形,便于更换;加劲肋紧贴腹板(但不焊接)提供约束,仅与上下翼缘焊接,可减少60%以上的焊接量。其次,设计并开展了11个试件的拟静力试验,研究了加劲肋间距(规范限值dmax、0.85dmax)、腹板厚度(6mm、8mm)、腹板钢材强度(Q460、Q550)和构造形式(加劲肋与腹板贴紧或焊接)等参数对新型钢连梁抗震性能的影响。试验结果表明:试件均发生剪切破坏;满足加劲肋间距限值的新型钢连梁,滞回曲线饱满,峰值时腹板未发生鼓曲且极限转角均超过0.1rad,大于规范限值0.08rad,表现出良好的耗能和变形能力;缩小加劲肋间距、增加腹板厚度或提高腹板钢材强度,新型钢连梁刚度及承载力提高;新型钢连梁峰值承载力较传统构造试件低约5%。最后,基于试验结果建立了有限元模型并开展了分析,研究结果表明:对腹板采用Q460、Q550高强钢材的新型钢连梁,峰值承载力计算时超强系数建议取1.43(长度比为0.5~1.0)或1.39(长度比为1.0~1.6)、1.25,以期为实际工程设计提供依据。 相似文献
3.
为保证预制叠合板在施工现场能顺利安装,在出厂前通常需要对其进行尺寸质量检测,现有预制叠合板的尺寸质量检测方法难以全面准确地测量叠合板的实际三维尺寸。提出一种基于预制叠合板点云数据的多尺寸质量智能检测方法。对采集的点云数据进行预处理后,利用机器学习算法完成预制叠合板点云的自动定位与分割;依据不同的检测任务,将目标点云沿不同方向降维,映射为二维灰度图像;利用图像特征检测算法,分别实现叠合板底板的长宽、预留胡子筋的出筋长度与间距及桁架钢筋高度的自动检测;在验证试验中,对3块预制叠合板的点云数据进行尺寸质量检测。结果表明,提出的智能检测方法能全面准确地完成预制叠合板出厂尺寸质量检测,能进一步提高预制叠合板非接触质量检测结果的科学性与精准性。 相似文献
4.
5.
基于三维激光扫描技术,提出了一种智能化、全流程的房屋尺寸质量检测方法,包括点云数据配准、点云数据轻量化、房屋逆向建模及尺寸质量检测。通过点云数据映射全景图、基于YOLO v5神经网络模型的标靶纸目标检测以及基于模板匹配方法的标靶中心估计等步骤,可实现多站点云数据之间的自动配准; 通过可分解图滤波算法进行点云数据重采样,实现数据轻量化并提高运行速度; 针对房屋整体点云数据,提出了集点云数据分割、表面重建、尺寸质量检测于一体的综合算法。结果表明:基于标靶纸的点云配准方法能够自动完成各站点云数据的配准,得到完整房屋点云数据; 点云数据分割技术能够分离不同墙面、楼板底面和顶面的点云数据; 表面重建算法能够生成房屋的实体模型; 尺寸质量检测技术能够自动计算出表面的平整度和垂直度; 提出的房屋尺寸质量检测方法全面、可行,且能够适用不同的户型,研究成果以期替代人工测量完成房屋的平整度与垂直度的检测。 相似文献
6.
7.
8.
复杂超高层结构外框和核心筒的施工误差导致按设计加工的钢梁或伸臂桁架安装困难,甚至常需在工地现场修整。然而传统的检测方法很难全面精准地测量出已完成结构的尺寸偏差,导致拟安装构件的修整难度很大。而采用三维激光扫描技术可全覆盖地得到已完成结构的精准点云数据。为此,以重庆陆海国际中心为工程背景,开展基于三维激光扫描技术的复杂超高层结构尺寸质量智能化检测研究,包括扫描方案智能优化、点云数据智能分割与识别、误差可视化三个方面。研究结果表明,基于三维激光扫描技术和智能算法的尺寸质量检测方法高效、精准且实用,可为大型复杂结构的尺寸质量智能化检测技术提供理论和算法支撑。 相似文献
9.
10.