预应力混凝土梁式桥梁结构安全性评估

针对于现有的桥梁的安全性评估的不足,本文阐述了现有的一些桥梁评估的方法,对比分析其优劣点,并根据一种以实验为基准,比较准确评估桥梁安全性的一种方法。在本文中,基于一个现有的桥梁,对其进行1:6的模型进行实验分析,得到其承载能力并进行分析,得出体内外预应力混凝土箱梁相比于体内预应力混凝土箱梁有着更好的承载能力,实现了对该模型的安全性的综合评估。     

基于非线性PI控制器的三相锁相环实现

三相锁相环作为电力系统中相位跟踪的一个重要元件,为提高常规PI控制方式锁相环的相位跟踪精度及速度,提出了一种可变增益非线性PI控制方式的三相锁相环实现方法。分析了非线性PI控制方式的三相锁相环工作原理和非线性控制器的设计方法。基于Matlab/Simulink的仿真结果显示,在对称三相、不对称三相和对称三相频率突变时,非线性PI控制器的比例增益及积分增益能够按照偏差信号的变化进行自动调整,比常规PI控制方式的锁相环跟踪速度更快、跟踪精度更高,能够很好地满足有源电力滤波器对谐波检测的高精度和实时性的要求。     

电脑多功能控制器

<正> 我们在MCS-48系列单片机上研制开发了一种多功能智能控制器,为那些微机技术水平不太高开发手段不强的同志在技术设计和改造方面提供了极大方便。该控制器同时具有日历时钟,过程控制,时间控制,计数控制,定时控制和计时等多种功能。由于其全部功能都是在硬件基础上通过软件来实现的,保证了造价低,走时准确,工作可靠并具有多种功能等优点。控制器所有功能的设定、编程、检查及时间调整均通过两个按键与显示器配合完成,其方式类似电子表设定时间的方式,使用简单易学。只要掌握控制器的特     

再论无刷直流力矩电动机的微机控制

作者曾完成了TP-801单板机控制无刷直流力矩电动机的试验研究工作。它实质上是无刷直流力矩电动机微机控制器的雏形。MCS-51系列单片机,无论在内部RAM容量,指令系统,还是I/O口的功能、种类和数量下,都比Z-80八位处理机为强,尤其是它所特有的布尔处理机,对于实时逻辑控制处理具有突出的优点,其性能价格比优于TP-801单板机。最近我们完成了以8031单     

混凝土桥塔损伤与补强的分析研究

针对某座斜拉桥的混凝土桥塔在施工缝处出现的损伤和补强措施,建立了空间实体有限元模型,仿真模拟了损伤对结构设计状态的影响,并在损伤状态下对结构进行补强,然后比较分析了补强效果。通过对设计状态、损伤状态和损伤后的补强状态这三种情况的静力计算和动力性能分析,得出了施工缝处的损伤会减小结构设计状态的刚度,而采取补强措施后,结构刚度基本能够恢复到设计水平。     

基于微塑性应变的钢箱梁疲劳损伤及仿真分析

随着大跨度桥梁服役时间的不断增加,交通量持续增长以及负荷严重等因素,车辆对桥面系结构的冲击效应将越加提高。作为大跨度桥梁主要受力构件的钢箱梁,将直接承受车轮荷载的作用,焊接区域应力集中效应尤为显著。本文设计了典型的钢箱梁构件,并进行了疲劳加载试验。研究表明,在形成裂纹的初始时期,裂纹发展速度最快且形成微小裂纹,即试件的损伤快速积累阶段,其后疲劳损伤稳定发展,最终损伤急剧增加乃至试件破坏。本文提出的三阶段疲劳累积损伤公式及空间有限元分析方法可供工程设计参考。     

基于手指角度特征的静态手势识别算法

提出一种基于手指角度特征的静态手势识别算法。以指尖到手掌中心的连线构成手势骨架,计算手指间的角度;以角度的大小和指间数量进行分类,把手势定义为一、二、三、四、五、六、七、八、九等9种。该算法不受手势的方向和尺度的影响,仅通过判断手指问的角度大小来识别手势。对900幅手势图进行分析识别的实验结果表明：该算法正确率达96．8％,准确性高;平均用时不超过0．05s,实时性好。     

Biolak污水处理工艺与运行研究

通过Biolak污水处理站从试运行到正常运行共9个月时间内的连续运转试验,分析了影响Biolak工艺处理效果的主要因素及其作用机理,结果表明:在进水COD_(Cr)、BOD_5、NH_3-N、TP和SS的浓度分别在247.8～512.4 mg/L、116.5～283.2 mg/L、20.9～34.6 mg/L、5.4～11.6 mg/L和97.8～195.5 mg/L范围时,Biolak污水处理设施的出水优于GB 18918—2002一级B标准;采用HDPE膜曝气池代替传统砼曝气池,可减少建设费用20%:用悬浮链间断曝气使曝气池形成多级A/O工艺,活性污泥处于"好氧-缺氧"交替的环境中,除能有效降解碳含量外,还有较好的脱氮除磷效果。     

基于数据手套的汉语手指字母识别

提出一种基于手指角度特征的静态手势识别算法。以指尖到手掌中心的连线构成手势骨架,计算手指间的角度;以角度的大小和指间数量进行分类,把手势定义为一、二、三、四、五、六、七、八、九等9种。该算法不受手势的方向和尺度的影响,仅通过判断手指间的角度大小来识别手势。对900幅手势图进行分析识别的实验结果表明：该算法正确率达96.8%,准确性高;平均用时不超过0.05 s,实时性好。