基于分层变迁的WFPN电网故障分析

为了增强模型的灵活性以及解决算法在推理过程中存在的不足而影响诊断准确性的问题,研究了基于改进的加权模糊故障Petri网(WFPN)的电网故障诊断方法。首先,根据故障信息确定可疑元件并建立各元件两层通用模型。其次,提出了对变迁集合进行分层归类及算法的改进,使计算过程更符合变迁的触发时序。其中,变迁分层数的多少决定着算法迭代的次数。最后,给出了故障诊断的具体推理过程,分析了算法性能和模型适应性。算例分析和不同模型诊断结果的比较表明该方法的合理性和有效性,可实现快速的故障诊断。     

融合外部语义知识的中文文本蕴含识别

基于神经网络的文本蕴含识别模型通常仅从训练数据中学习推理知识,导致模型泛化能力较弱。提出一种融合外部语义知识的中文知识增强推理模型(CKEIM)。根据知网知识库的特点提取词级语义知识特征以构建注意力权重矩阵,同时从同义词词林知识库中选取词语相似度特征和上下位特征组成特征向量,并将注意力权重矩阵、特征向量与编码后的文本向量相结合融入神经网络的模型训练过程,实现中文文本蕴含的增强识别。实验结果表明,与增强序列推理模型相比,CKEIM在15%、50%和100%数据规模的CNLI训练集下识别准确率分别提升了3.7%、1.5%和0.9%,具有更好的中文文本蕴含识别性能和泛化能力。     

立柱桩在深基坑分步开挖过程中的上拔位移分析

基于对坑底地基卸荷应力与回弹变形的新认识和一种可考虑桩间土承受附加荷载与变形的广义荷载传递法,提出了深基坑立柱桩因开挖而隆起的分析方法。该方法可考虑立柱桩的变截面特性以及分步设撑、开挖的施工工况,可分析桩土之间的荷载传递特性。由于支撑立柱桩容易实施位移观测,立柱桩的分析结果便于与实测结果比较,为分析方法的完善、计算参数的合理选取提供基础。通过和2个工程实例对比,验证了用本方法计算立柱桩在开挖过程中受力及位移的合理性,同时对计算值与实测值的差异原因进行了讨论。     

深基坑坑底地基的回弹应力与回弹变形

某长条形地铁车站深基坑,基坑开挖深度15m,通过设置数个分层回弹磁环,测得回弹变形沿坑底深度方向的分布规律;通过固结回弹试验建立回弹模量与卸荷比关系,得到回弹模量沿坑底深度方向的分布规律;结合以上两种成果,并考虑坑底土承受侧向净土压力的伸长作用,得到回弹应力沿深度方向的分布规律:作用在坑底的反向荷载相当于挖去土的自重,因受坑底土有效自重应力的抵消作用,回弹应力沿深度方向呈线性衰减,坑底土的"残余应力"可以认为就是坑底回弹影响范围内的有效自重应力。用上述确定回弹应力的方法计算另一个新近案例的回弹变形,与实测结果比较接近。     

上海地铁地下工程的技术概要（上）

介绍上海地铁1、2号线地下工程结构设计及施工方法的主要技术特点。针对上海软粘土的高压缩性和流变性,车站深基坑和盾构法区间隧道施工中采用了一系列优化施工工艺和施工参数的治理方法,经济有效地控制了地层移动。     

废弃物屏障材料的改性研究

阐述废弃物对环境的污染及国内外对于废弃物的处理方法，介绍国内外膨润土等改性屏障材料工程性质及在吸附扩散性能等方面的研究现状，展望屏障材料的改性研究前景。     

非对称异步移动传感网中低延时邻居发现算法

邻居发现即通过一定的手段快速而有效地去感知与节点能够直接通信的一跳范围内的邻居的问题,是移动传感网（MSN）的重要部分。非对称异步MSN中,已有的算法需要大量的时间和能量去完成相互发现。针对此问题,基于信标与活动时隙分离的邻居发现模型,提出一种适用于异步对称场景的BMCS-A算法,信标在工作周期的不同时隙进行广播以保证邻居发现的确定性。其次,扩展BMCS-A,提出一种持续性广播的BMCS-B算法,节点在第一个子周期内持续性广播信标,接收到该信标的节点将自适应地调整信标的发送时刻以加快邻居发现过程。最后,实现协作式BMCS-B算法,基于已发现邻居的睡眠苏醒调度信息,节点主动发送信标去发现潜在的邻居。仿真实验结果表明,与Searchlight、G-Nihao和Disco相比,协作式BMCS-B将最坏发现时延分别降低了84.62%、85.71%和81.82%。     

深基坑开挖支护的弹塑性有限元数值模拟与分析

长江润扬大桥北锚碇基坑平面69m×50m ,深达48m ,采用弹塑性有限元方法对该超大深基坑的开挖和支护过程进行了数值模拟 ,分析施工过程中支护结构和周围土体的受力、变形及塑性区发展状况。由于该方法比弹性地基梁(板)的基床系数法能更好地模拟深基坑的开挖和支护动态施工过程 ,为工程设计和现场施工提供了理论参考和指导。     

异构网络中天线资源有限时的部分干扰对齐方案

针对异构网络中天线资源有限导致无法实现完全干扰对齐（IA）这一问题，提出一种根据异构网络特点使天线资源利用率最大的部分IA方案。首先，根据异构网络中部分连通性构建系统模型，并分析系统实现IA的可行性条件；然后，基于网络的异构性（基站功率和用户稳定性的不同）对用户划分不同的优先级并分配不同的天线资源；最后，以系统总速率最大和天线资源利用率最大为目标设计高优先级用户完全对齐、低优先级用户消除最大干扰的部分IA方案。在Matlab仿真实验中，所提算法相比传统的IA算法在天线有限情况下能提高10%的系统总速率，并且高优先级用户接收到的速率比低优先级用户的速率高40%。实验结果表明，所提算法能充分利用有限天线资源，在满足用户差异性需求的同时实现系统总速率最大。     

基于双阶段位置修正的室内定位算法

WLAN指纹定位技术已经成为室内定位领域的研究热点，但空间环境变化易导致传统定位算法精度降低。针对此问题，提出基于双阶段位置修正的室内定位算法。分析空气介质电导率变化对RSSI的影响，以传统算法的定位结果作为初始位置，首先利用K邻近法（KNN）构建初始位置指纹映射；在此基础上，利用多维标度法（MDS）计算离线、在线阶段的用户间相对位置修正值；最后，利用双阶段位置修正值对初始位置进行优化，得出最终目标位置。实验结果表明，该算法能够有效应对环境变化，修正定位结果，传统算法经其优化后平均误差均有10%以上的降低。