可拆装辐条式单面滑模在压力管道竖井混凝土施工中的应用

溪洛渡水电站引水压力管道竖井混凝土施工项目采用可拆装辐条式单面滑模施工技术,提高了工程质量、缩短了工期、减小了财力消耗.介绍了滑模的工作原理、结构设计及组装拆卸方法,运用有限元分析软件Workbench得到了L型提升架的应力应变状态,为滑模技术在其它竖井混凝土施工项目中的推广提供了理论依据.     

基于复合优化方法的导向架结构设计

以履带车辆台架试验平台的关键部件导向架为研究对象,结合拓扑优化与多目标优化方法,提出导向架的优化策略.首先,在设计初期为了达到快速减轻其质量的目的,基于变密度法对导向架进行拓扑优化;然后,利用Workbench建立导向架的参数化模型,通过中心复合设计法选取有限元结构分析样本点,并通过样本点和响应值建立最大应力、最大变形及质量的二阶多项式响应面模型;最后,基于遗传优化算法建立以静应力最大变形量、最大应力和质量为目标函数与约束条件的多目标优化模型,实现了导向架的多目标优化.优化结果表明：优化前后导向架性能都有不同程度的改善.     

关于常平均曲率曲面的一个pinchnig定理

本文在文[1]基础上,讨论了E~3中曲面M为常平均曲率曲面的条件,得出:对于Gauss曲率k>0的曲面M,如果M上存在两个正交的单位向量v_1,v_2∈T_P(m),(m∈M),使得v_1H=0,v_2v_2H=0,且在αM上,v_2H=0,则在M上,H=常数.     

扇三角洲沉积高分辨率层序对比及其对油藏开发的指导意义:以柳北油田Ⅳ_2砂组为例

以柳北油田Ⅳ2砂组为例,应用高分辨率层序地层学原理,以分级控制、模式指导、相控约束为对比方法,重建研究区扇三角洲高分辨率层序地层格架,并指出其对油田开发的指导意义。研究结果表明:中期旋回是受强烈构造活动产生的异旋回,其基准面的变化使得不同期次的沉积地层中微量元素、放射性等存在明显差异,造成Ⅳ2砂组顶界面上下自然伽马存在具有等时意义的拐点;短期旋回是自旋回或受自旋回干扰的异旋回,其基准面的变化造成不同期次间存在明显前积现象,前积角度为2°~5°,且层序地层自下而上倾角逐渐减小;超短期旋回是自旋回,其基准面的变化造成砂体叠置方式呈独立型、叠加型和切叠型,受水动力条件的控制,扇三角洲砂体往往以叠加型和切叠型2种叠置模式为主;短期旋回(小层)规模的注采关系不完善,导致剩余油分布。     

关于矿井采煤工作面液压支架防滑与防倒措施分析

液压支架是矿井采煤工作面重要设备,且数量多,它的运行安全性与可靠性关系着整个采煤工作面的安全生产和矿井的高产高效。液压支架是综合机械化采煤的关键设备,在我国已有很多年的发展史,在许多大中型煤矿中得到了广泛的推广和使用,取得了明显的技术经济效益和社会效益。但是由于综采工作面地质条件的复杂性,在采煤的过程中液压支架也容易出现死架、倒架、支架下滑等故障现象,因此,有必要分析采煤工作面液压支架倒架和下滑的原因,针对性地采取相应的防治措施,确保液压支架安全工作。当液压支架倾角较大时,必须考虑防滑与防倒的问题。重点分析了矿用液压支架(在倾角较大的综采工作面中)防倒与防滑采用的装置,提出了可行措施,确保矿井的安全生产。     

“X男／女”的词语模语义建构和语用理据分析

“X男/女”词族近年来涌现出很多新成员,对“X男/女”这一词族进行词语模语义建构分析,指出“X男/女”词语模之所以会流行,除了因为其语义建构符合语言的经济原则和语义的关注原则,外部语用环境也起着重要的作用。     

叉车门架系统子结构试验模态分析

本文用试验模态分析法对CL-100型叉车内、外门架进行试验研究,识别出内、外门架的模态参数和振型,为门架系统的模态综合、叉车CAD工程的分析和动力修改,提供了可靠的、高精度的数据.     

塑料大棚两铰椭圆拱架设计与分析

本文在分析塑料大棚的支座结构、外荷载特点和本地区最大积雪深度资料基础上,对大棚拱架进行强度设计;通过模拟加载测定其应力进行验算;对各几何参数与拱架强度及用料合理性的关系进行分析。可供此类拱架设计时参考。     

基于方位谱叠加的多子阵中等斜视NLCS算法

针对在中等斜视多子阵合成孔径声纳中"非停走停"时间的方位孔径依赖性和回波信号的阵元依赖不能被忽略,从而导致现有算法成像效果不佳的问题,提出一种基于方位谱叠加的多子阵合成孔径声纳中等斜视非线性调频变标(NLCS)算法.该算法直接对精确距离史进行泰勒级数近似,解决了传统算法须先忽略"非停走停"时间的方位孔径依赖、再近似的问题.在成像处理时,为了解决回波信号阵元依赖的问题,使用基于级数反演谱的NLCS算法单独处理每个子阵的信号,再通过叠加每个子阵成像结果的方位谱的方式得到最终的成像结果.通过仿真实验验证了该方法的有效性和优越性.     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．