高温后陶粒混凝土性能试验研究

分常温,200,350,500,650,800℃六个温度水平,对陶粒轻骨料混凝土分批进行高温加热。待自然冷却后,观察试块经不同温度水平加热后的颜色变化、裂缝发展等表观特征,分析质量变化、抗压强度和抗拉强度随加热温度的变化规律,并通过扫描电子显微镜对高温后陶粒混凝土的微观结构特征进行观测分析。试验结果表明:陶粒混凝土的外观颜色、表面裂纹及微观特征随温度的升高发生一定规律的变化;与普通混凝土相比,陶粒混凝土的抗压和抗拉强度随着加热温度的升高,其下降变化趋势较为平稳缓慢,且残余抗压与抗拉强度比明显大于普通混凝土的。研究表明,经过缓慢升温与自然冷却后,陶粒混凝土具有良好的抗火性能。     

高温后陶粒混凝土性能试验研究

分常温,200,350,500,650,800℃六个温度水平,对陶粒轻骨料混凝土分批进行高温加热。待自然冷却后,观察试块经不同温度水平加热后的颜色变化、裂缝发展等表观特征,分析质量变化、抗压强度和抗拉强度随加热温度的变化规律,并通过扫描电子显微镜对高温后陶粒混凝土的微观结构特征进行观测分析。试验结果表明:陶粒混凝土的外观颜色、表面裂纹及微观特征随温度的升高发生一定规律的变化;与普通混凝土相比,陶粒混凝土的抗压和抗拉强度随着加热温度的升高,其下降变化趋势较为平稳缓慢,且残余抗压与抗拉强度比明显大于普通混凝土的。研究表明,经过缓慢升温与自然冷却后,陶粒混凝土具有良好的抗火性能。     

Flash动画在驾驶人理论考试中的应用与研究

传统的驾照考试系统试题中只出现文字和图片,为了丰富考试内容,运用flash动画更真实地模拟交通场景,使考生可对驾驶人理论考试中的题目有更直观地理解。为了防止考生记题,可使动画类型题目的交通场景具有随机性,可利用ActionScript脚本语言编写出具有随机性质的场景。     

网络化GPS干扰系统空中干扰源部署方法

在防空反导作战中,为有效干扰来袭GPS制导武器平台,需要在敌目标可能来袭路线范围内优化干扰源的部署位置。基于网络化GPS干扰系统思想,提出了一种以敌武器平台运动区域内最小干扰功率处功率最大化为目标的空中GPS干扰源位置部署模型,分析了该模型的合理性,利用遗传算法对该模型进行求解。仿真结果表明,该算法能快速找到最优部署方案,为网络化GPS干扰源的部署提供参考。     

基于Duffing振子大周期态相轨迹的频率测量方法

对Duffing振子大周期态相轨迹特性进行了研究,提出了一种利用Duffing振子大周期相轨迹运动实现频率测量的方法。仿真结果表明,该方法的检测信噪比下限要高于现有的基于强参考模式的检测方法,但该方法不存在检测盲区问题,在单振子频率覆盖方面也有了大幅提高,极大降低了检测系统的设计难度,而且单振子即可实现对chirp信号的检测,拓展了Duffing振子检测技术的应用。     

高温后纤维陶粒混凝土力学性能试验研究

通过对分别掺入聚丙烯腈纤维(PANF)、聚乙烯醇纤维(PVAF)的陶粒混凝土进行20,200,400,600,800℃五个温度水平高温后的加载试验,研究纤维掺入对陶粒混凝土抗压强度、抗拉强度与弹性模量随温度的变化规律,并与无纤维掺入陶粒混凝土进行对比分析。试验表明:分别掺入纤维PANF和PVAF后,对高温后陶粒混凝土的立方体抗压强度无明显改善效应,但可有效提高陶粒混凝土高温后的劈裂抗拉强度;掺入PANF后可改善陶粒混凝土在达到峰值极限荷载后的脆性破坏特性,在600℃内可有效提高陶粒混凝土高温后的棱柱体抗压强度,在20~400℃内能有效减缓陶粒混凝土弹性模量的降低。     

优先级网络性能的网络演算分析

基于网络演算理论,对考虑信道差错过程影响的优先级网络系统性能进行了综合分析;基于网络演算推导出信道差错过程的随机到达曲线,在此基础上,获得不同优先级用户的随机服务曲线,进而分析相应的网络服务保证,即时延边界和存储空间边界。基于不同的业务到达模型,研究了不同系统配置下的时延边界,并对相应数值结果加以深入分析。     

LTE-A异构网络下的高效资源分配算法

分析了OFDMA上行系统中,由宏基站(macrocell)和家庭式基站(femtocell)组成的双层网络,并提出了高效的资源分配算法。为避免严重的跨层干扰导致双层网络中的资源分配不协调,提出了一个跨层干扰控制算法。在基于干扰控制算法的结果上,提出包括功率分配和频谱分配的资源分配算法,以满足UE的目标速率,并获得较好的吞吐量性能。通过仿真,结果显示所提的资源分配算法相比较传统的算法,尤其在UE QoS保证和吞吐量性能的体现上,能获得明显的性能增益。     

基于ViT的细粒度图像分类

为解决细粒度图像分类任务存在类内差异性和类间相似性大的问题，提出一种基于Vision Transformer(ViT)的细粒度图像分类方法。采取ViT作为特征编码网络，获取图像的全局特征表示；设计多级区域选择模块，捕捉细微的具有可判别性的层级化信息；利用一个简单且有效的中心损失函数，缩短深层特征与相应类中心在特征空间中的距离。在图像级标签的监督下，实现端到端的训练。结果在CUB-200-2011、NABirds以及Stanford Cars数据集上分别达到90.1%、90.2%和93.7%的分类准确率，超越当前最优算法。