关于布尔函数的二次逼近

本文首先利用矩阵形式引入了二阶ｗａｌｓｈ谱的概念并讨论了其性质，其次引入了二次ｂｅｎｔ函数的概念，同时论述了二次ｂｅｎｔ函数的密码学意义。     

钾钙基有机盐钻井液体系在莫116井区的应用

准噶尔盆地腹部莫116井区在钻井过程中遇到的主要难点是:二开长裸眼井段在吐谷鲁群地层有大段泥岩易吸水膨胀,极易造成缩径、卡钻;西山窑组的煤层易掉块和垮塌,同时该层也是潜在漏失层;三工河组地层压力系统复杂,下部存在高压含气水层。针对该区块钻井缩径和卡钻问题,研制一种有效的钾钙基有机盐钻井液体系。该钻井液体系具有抑制性强、流变性好且易调控、滤失量低、携岩能力良好等特性,可避免井下复杂情况引起的事故,提高机械钻速和电测一次成功率。     

面向属性的参数化建模在Revit API中的应用

为改进目前构件级建模过程存在的效率低问题,提出面向属性的参数化建模过程.此方法使建模师不需要重复传统建模操作,通过设置模型属性参数就可以实现相关数据的统计和计算从而快速建模.以球面网格结构为例,将参数化建模思想融入到Revit二次开发技术中,借用VS开发工具实现三维模型的快速生成.在操作时,用户只需通过用户界面输入矢高、跨度和环数等结构参数即可以完成模型的快速建立.通过此程序,还可以实现肋环形和施威德勒型2种类型的选择,实时监测设置的参数是否满足规范要求.     

微电网运行的稳定控制研究

稳定运行是微电网的首要目标,针对微电网运行过程中功率不平衡的问题,搭建北京建筑大学微网实验平台,选用beckhoff的TwinCATPLC作为主控制,编写控制方案以调节储能、改变负荷,实现了微电网系统的稳定运行.试验结果表明,编写的控制方案能较好地模拟微网的不同状态,使微电网发出功率平衡,且可以实现不同状态下微网的平滑过渡.     

基于三指标量的中长期负荷预测综合模型

针对中长期负荷预测的特点,提出基于三指标量,即指标总量、指标增长量和指标增长率的综合模型。首先构建层次分析模型,分别对3个指标量进行分析评价,根据模拟预测误差、模型拟合度、模型专家信任度和预测趋势可信度等4个准则优选出每个指标量的最优预测模型。构建了基于预测有效度的组合模型,对3个优选模型的预测结果进行拟合预测。实验结果表明,具有较高的预测精度。     

加层结构中TMD减震优化设计方法

在房屋加层结构设计中引入ＴＭＤ系统,能有效地提高加层房屋结构的抗震性能。为此,研究了加层结构中ＴＭＤ系统的抗震优化设计问题,给出了地震作用下ＴＭＤ系统最优设计参数和加层结构中ＴＭＤ系统的具体优化设计步骤。最后给出了算例以说明该方法的具体应用。     

竞赛式管理在整片开发建设项目质量管理中的实践探讨

在建设工程项目管理中,质量是管理的核心。工程质量不仅与工程的适用性、美观性密切相关,而且作为关系到安全、经济的百年大计受到全社会的高度关注。竞赛式质量管理一般在企业内部应用较多,通过中州铝厂居住区工程业主对承包商所进行的竞赛式质量管理的成功实践,探讨了竞赛式质量管理在现阶段整片开发建设项目质量管理中的适用性,以期为进一步搞好新时期整片开发建设项目质量管理工作提供借鉴。     

结构双重调谐质量阻尼器(DTMD)控制策略研究

MTMD比TMD具有明显高的鲁棒性。然而,MTMD中各质量块位移不同,总的来说,呈递增或递减趋势,因而各质量块的有效性未得以充分发挥。再者,MTMD比TMD复杂,因而其造价比TMD高。鉴于此,本文提出一种新控制策略——双重调谐质量阻尼器(DTMD)。基于定义的二类最优化目标函数,评价了双重调谐质量阻尼器(DTMD)的控制性能。数值结果表明,利用第二类设计准则(新准则)设计的双重调谐质量阻尼器(DTMD)与由5个TMD组成的MTMD具有近似相同的有效性和鲁棒性。因此,双重调谐质量阻尼器是一种先进的控制策略。     

基于EVSEWT的下击暴流时变平均风提取

下击暴流等极端风具有强烈的非平稳特性,给风场特性分析、结构响应计算带来挑战。根据经验将非平稳风分为时变平均风和零均值脉动风分别进行分析,是处理非平稳风速信号的有效方法。分析了几种常见时变均值提取方法的优缺点,在此基础上提出一种基于能量波谷寻找的经验小波变换方法,用于下击暴流时变平均风速提取,并将提取的时变平均风和脉动风用于分析某幢高层建筑顶部位移响应。对2组下击暴流的分析结果得出：与经验模态分解和离散小波变换方法相比,基于能量波谷寻找的经验小波变换方法模型提取的时变平均风更符合预期,对应的结构响应偏于安全。     

复杂形体超高钢结构电视塔抗震性能分析研究

宁夏超高钢结构电视塔结构高度216m,桅杆长度104m。建筑体型为底部小、上部大、中部略呈细腰形且设计有三段楼层共计28层的花瓶状形体。楼层不连续分布导致结构质量和侧向刚度沿竖向分布不均匀,结构几何形式复杂,对抗震要求高。