不均匀地基上的基础设计

通过对在不均匀地基条件下的某教学楼基础设计的分析，确定了一种经济可行的基础形式，以解决不均匀地基条件的基础设计问题，进而为同类工程设计提供了借鉴。     

阳极炉重油供油机组的改造实践

着重介绍了改造前重油供油机组的工艺流程,并针对所存在的问题进行了分析、改进。     

受限节点的WSNs非均匀分簇算法应用研究

针对常规分簇路由算法不能有效解决节点位置、能量、频段受限的固态发酵温度检测无线传感器网络(WSNs)中节点过早死亡和能耗不均衡的问题,提出了一种基于粒子群优化(PSO)算法的非均匀分簇路由协议。首先,根据网络规模选择固定数目的簇首节点,然后,引入PSO算法和非均匀分簇机制,以簇首节点覆盖范围和簇内节点与簇首之间平均欧氏距离作为评价函数的影响因子,选取一组最优簇首。仿真实验结果表明:所提算法有效改善了受限节点无线测温网络"热区"效应,均衡了节点能耗,显著延长了网络生存周期。     

输电塔-线体系覆冰作用非线性分析

在重冰区,高柔大跨越输电塔-线体系在覆冰、风载等作用下具有强烈的耦合特性和非线性特征。推导了绝缘子、索以及边界条件的刚度表达式,以向家坝-上海±800kV特高压直流输电线路为例,建立了输电塔、导线、绝缘子以及边界条件的简化数值分析模型。对大跨越输电塔－线体系进行了7种工况下的静力非线性分析。分析表明,在导线均匀覆冰及风荷载作用下,铁塔构件的P-△效应较小;在不均匀覆冰工况下,导线不平衡荷载对铁塔产生扭转效应,铁塔受压支座节点和最大悬臂处单元的轴向压力和弯矩具有较明显的P-△效应,应考虑荷载非线性的不利影响。     

光照鲁棒的模糊C均值聚类显微图像分割

传统的模糊C均值FCM聚类图像分割算法在显微图像分割中由于没有考虑光照不均匀的影响而降低了分割的效果,为此,提出了一种光照鲁棒的FCM显微图像分割算法。该算法用正交基函数的线性组合模拟不均匀光照,并引入到FCM算法的目标函数中,进行图像的模糊分割。算法不仅降低了非均匀光照对分割效果的影响,还可以同步估计不均匀光照场。实验结果表明,该方法非常有效。     

新型8极9槽永磁同步电机静态场的分析

针对采用分布式绕组的缺点,提出一种采用集中式绕组的新型8极9槽永磁同步电机,并在此基础上改变磁钢的参数,对电机的结构进行优化。     

无线环境中不均匀广播算法研究

阿查里亚的多盘碟片算法实现了在一段广播时间内,将热门数据分发次数多于较冷门的数据,即不均匀广播,在降低用户等待时间方面提供了很好的表现。然而,移动设备必须不断地调整无线广播频道去检查数据,消耗了大量的能量。在广播的文件上使用索引技术,可以在无显著增加等待时间的前提下,大大降低移动设备的能量消耗。本文在多盘广播算法的基础上,提出一种倾斜索引(SI)的高效不均匀索引。这种算法根据用户的倾斜访问模式建立了一个索引树,在一个广播循环内,多次分发热门索引节点,少分发非热门索引节点。     

湿陷性黄土区客运专线车站工后不均匀沉降初探

结合现场监测数据和地质勘察资料,对具有一定坡度和深厚填土区域地基处理失效的原因进行了探讨。得到如下结论:(1)在黄土地区地面沉降可分为4个阶段即增长期、平稳期、加速期、以及最终稳定期,黄土的沉陷是造成沉降再次加速的原因。建议黄土地区沉降监测应该予以加长,以确定最终的稳定期。(2)黄土的沉陷不仅使地表发生不均匀沉降,也会改变黄土区桩基的力学性质,造成桩基下部土体的变形。单纯依赖桩的刚度来控制结构变形是存在风险的,也应该控制桩侧土体变形。(3)在具有坡度的黄土区域,地面标高较低的一侧土体胶结作用较弱,且该区域承担更大的上部填土荷载,这是导致地面标高低的区域发生更大变形的原因。     

小波变换在图像照度不均校正中的应用

数字图像中照度不均匀影响了图像分割的质量,本文研究图像照度不均匀的校正。讨论几种现有数字图像照度不均匀的校正技术,分析这些方法在计算误差上面的原因及缺点,在此基础上提出基于小波变换的数字图像照度不均匀校正技术。小波变换兼顾了空域和频域,对光照不均匀数字图像做校正,这对后期图像分割非常重要。图像对比实验表明,该方法与其他方法相比较,具有速度快,所得图像区分度高、背景噪声小的特点。     

雾霾图像清晰化算法综述

雾霾图像不仅影响视觉效果,而且模糊不清晰的图像容易为后续识别、理解等高层次任务带来困难。雾霾图像清晰化问题是一个典型的不适定问题,其成像过程难以精确建模,消除图像中的雾霾面临巨大的挑战。近年来,研究者提出大量的图像去雾算法克服雾霾引起的图像降质退化,为全面认识和理解图像清晰化算法,论文对其进行梳理和综述。首先,对雾霾图像清晰化算法进行整理,根据雾霾退化过程是否有模型支持,将清晰化算法分为基于Retinex模型、大气散射模型去雾算法和无模型图像去雾算法。大气散射模型是有模型算法中主流模型,本文详细剖析了模型成像机理,并根据其成像机制揭示大气散射模型容易受大气浓度均匀分布假设的限制,较难处理非均匀雾霾图像问题。基于深度学习的无模型图像去雾算法则不仅可以应对非均匀雾霾图像,而且去雾性能获得了极大地提升。其次,本文汇总了近年来常用去雾数据集,从数据集适应范围、规模、可扩展性等多个维度进行总结。并根据雾霾图像形成方式,对人工合成雾霾数据集和真实拍摄数据集分别从定性和定量的角度探讨了数据集对图像去雾算法的影响。