层合多孔结构拉剪力学行为分析

基于层合多孔拉剪结构,考虑孔隙率、胞元铺设角度、胞元孔型及复合层数对结构承载力和稳定性的影响,通过实验和有限元仿真计算研究了平面多孔结构的力学性能和破坏形式。结果表明,孔隙率越小,单双层结构抗拉剪性能越大,双层模型增强幅度也越大;多孔结构胞元铺设角度为15°时具有更好的塑性变形和抗拉剪性能;正六边形孔型的塑性变形较好,正方形孔型的抗拉剪力较强;多层结构可以增强抗拉剪强度,层合多孔结构裂纹由单层模型发生脆性断裂的裂纹耦合而成。

腹板开孔薄壁工字梁准静态压缩力学行为及稳定性分析

对蜂窝、内凹和椭圆构型腹板开孔薄壁工字梁在准静态单轴压缩作用下的力学行为及稳定性进行了实验和有限元仿真研究。通过对比实验和有限元仿真的结果,验证有限元仿真的可靠性。基于实验结果和有限元仿真结果,分析了不同构型腹板开孔薄壁工字梁的最大承载力、弹性模量和破坏机制,得出孔型对腹板开孔薄壁工字梁压缩失稳的影响规律。研究表明,孔到翼缘的距离越大结构稳定性越好,稳定性较好的腹板开孔薄壁工字梁压缩失稳的位置出现在两孔之间,同时内凹构型相比蜂窝和椭圆构型腹板开孔薄壁工字梁具有更好的稳定性。

加筋曲板结构抗弯承载能力分析

将正方、蜂窝和内凹加筋构型引入热塑性聚乳酸曲板结构,在三点弯曲工况下,通过实验测试和仿真计算研究了加筋构型、弯曲程度和内外侧加筋方式对其抗弯承载能力的影响,并对实验和仿真结果进行了对比分析。结果表明,不同加筋构型的热塑性聚乳酸加筋曲板结构的抗弯承载能力存在一定差异,负泊松比内凹构型有助于结构承载和抗裂,但主要影响线弹性阶段,在塑性屈服阶段蜂窝构型抗断裂能力更好。结构的抗弯承载能力与其弯曲程度成反比。改变蜂窝构型和内凹构型的胞元内角度能够提升结构承载能力。采用外侧加筋方式的结果优于内侧加筋方式,两者的最大应力均位于各自的面板层。

含预制缺陷PLA蜂窝加筋结构承载力分析

目的 分析不同加筋构型及预制缺陷形式对蜂窝加筋结构抗弯承载能力的影响。方法 以热塑性PLA为基材,通过增材制造技术,制备含预制缺陷蜂窝加筋结构试件,考虑缺陷的长度、数量、深度、方向等因素,采用三点弯曲实验方式,并结合有限元仿真结果进行综合分析。结果 实验得到了结构的位移-荷载关系及破坏情况。线弹性变形阶段,实验与仿真拟合良好,该阶段内,六边构型PLA蜂窝加筋曲板结构承载能力整体优于正六边结构,但后者在后屈曲阶段的残余承载能力更好,且更不易发生断裂。相较于缺陷长度,缺陷深度和缺损肋壁数量对结构承载力的影响更为显著。缺陷方向越趋近宽度方向,结构承载能力越低。结论 实际工程中,应尽可能避免结构中间承载位置处横向加筋肋壁出现缺损,并充分利用正六边与内六边构型蜂窝加筋结构各自的承载优点。

基于数据幂变换的EEWMA高质量过程控制

针对高质量过程的改进或恶化的监控问题,以服从指数分布的事件间隔时间(TBE)为监控指标,通过对TBE样本数据进行幂次为3.6的幂变换使其近似服从正态分布以改善分布的偏态性,在图统计量中同时考虑TBE的历史、当前以及最新变化信息以提高对TBE均值变化的敏感度,开发了基于数据幂变换的扩展指数加权移动平均控制图(PT-based EEWMA),实现了对过程恶化、改进的监控。数值实验表明,相比于现有基于幂变换的EWMA、DEWMA控制图,PT-based EEWMA控制图在监测TBE均值偏移时,对不同方向、大小的偏移均表现出更好的ARL性能。更进一步,通过数值实验分析了真实分布为威布尔分布时,分布的形状、尺度参数的变化对指数分布下PT-based EEWMA控制图性能的影响。结果表明,该控制图对威布尔分布也具有一定的稳健性。

基于伪标签回归和流形正则化的无监督特征选择算法

无监督特征选择是无标签高维数据预处理过程中一种有效的数据降维技术,然而大多数无监督特征选择算法忽略了数据样本本身的类簇结构特性,选择具有低判别性信息的特征.基于此,提出一种基于伪标签回归和流形正则化的无监督特征选择算法.具体地,联合伪标签回归和最大化类间散度来保证算法在迭代过程中学习伪标签,同时,自适应学习数据样本之间的局部几何结构,获得更加精准的标签信息和结构信息,进而选择具有高判别性且能保持数据流形结构的特征.在四个公开数据集上的对比实验表明,提出算法的特征选择结果优于现有的一些无监督特征选择算法.

多孔工字梁的准静态压缩稳定性及能量吸收性能

轻量化多孔工字梁在外部荷载作用下具有优异的能量吸收特性。提出用胞元腹板代替实心腹板设计胞元腹板工字梁结构,基于方胞元、蜂窝胞元、内凹胞元和圆胞元4种胞元类型与方形、蜂窝、内凹和圆形4种腹板开孔孔型进行组合并设计构型。通过实验和有限元分析研究不同胞元类型和腹板开孔类型对工字梁压缩性能和能量吸收性能的影响。结果表明:胞元类型和腹板开孔类型对工字梁的压缩性能具有显著影响,方胞元工字梁的极限承载力最高,蜂窝胞元工字梁的吸能性能最好,而圆胞元工字梁的承载力和吸能性能较差,负泊松比胞元会使薄壁工字梁的失稳变形模式发生明显改变,内凹胞元能有效抑制工字梁发生向腹板两侧错位挤压失稳的趋势。

多层内凹蜂窝圆柱壳冲击动力学行为分析

构建了不同角度单层内凹蜂窝圆柱壳模型,提出了一种新型多层复合内凹蜂窝圆柱壳结构。利用有限元仿真方法研究了单层和多层内凹蜂窝圆柱壳在轴向冲击下的变形行为,分析对比了单层和多层内凹蜂窝圆柱壳在不同冲击速度下的平台应力和比吸能特性。结果表明,在相同密度和尺寸下,多层内凹蜂窝圆柱壳的冲击能量吸收能力相对于单层内凹蜂窝圆柱壳有显著提升;内凹蜂窝圆柱壳初始变形破坏位置随着冲击速度的改变而改变;多层内凹蜂窝圆柱壳没有表现出负泊松比性质。

层合多孔圆柱壳轴向压缩实验与仿真研究

使用实验测试和有限元仿真计算的方法,研究了层合多孔圆柱壳在轴向压缩荷载下的承载力性能和变形破坏模式。考虑正六边形和内凹六边形两种多孔构型,讨论了高度、直径、厚度参数对层合多孔圆柱壳轴向承载力的影响,得到了内凹多孔圆柱壳的轴压性能优于正六边形圆柱壳的结论。分析了层合多孔圆柱壳轴向压缩下的屈曲变形模式。同时,使用测试得到的材料参数仿真模拟实验结果,对照分析了仿真与实验变形特征与压缩性能。

基于加权分类损失和核范数的领域自适应模型

领域自适应将源域上学习到的知识迁移到目标域上,使得在带标签数据少的情况下也可以有效地训练模型。采用伪标签的领域自适应模型未考虑错误伪标签的影响,并且在决策边界处样本的分类准确率较低,针对上述问题提出了基于加权分类损失和核范数的领域自适应模型。该模型使用带有伪标签的可信样本特征与带有真实标签的源域样本特征构建辅助域,在辅助域上设计加权分类损失函数,降低错误伪标签在训练过程中产生的影响;加入批量核范数最大化损失,提高决策边界处样本的分类准确率。在Office31、Office-Home、Image-CLEFDA基准数据集上与之前模型的对比实验表明,该模型有更高的精确度。

基于DS证据融合生成伪标签的SAR图像变化检测

合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测是一种检测两张SAR图像中变化区域的技术。在基于神经网络的无监督变化检测方法中,伪标签的质量影响到了检测结果的精度。为了提高精度,提出一种基于登普斯特-沙弗(Dempster-Shafer,DS)证据融合理论生成伪标签的方法,再结合多层次模糊C类均值聚类和卷积小波神经网络实现变化检测。该方法通过对三种不同差异图聚类生成的伪标签进行DS证据融合得到融合伪标签,使训练样本更加准确,然后利用网络对像素进行分类,得到变化检测结果。经过实验,该方法在渥太华、越南红河和黄河数据集上的检测精度分别达到了98.48%、97.95%和96.18%。

基于最新差异信息的重启EWMA控制图

在统计过程控制中,随机性会延迟对过程失控的诊断,所以挖掘与失控相关的非随机信息,尽早检测出失控信号是控制图设计亟待解决的关键问题。本文通过在样本数据中设计重启机制以消除反向信息的影响,以及在图统计量中加入样本最新差异信息以量化过程最新变化的影响,设计了改进型EWMA均值控制图(ReMEWMA),实现了过程均值单侧漂移的检测。实验表明,与现有的MEWMA、EWMA和IEWMA控制图相比,ReMEWMA均值检测控制图在仿真数据和真实过程数据实验中均具有更小的失控平均运行长度(ARL1)。

一种改进的光滑化共轭梯度稀疏信号重构算法

压缩感知理论可以在远低于奈奎斯特采样率的前提下精确重构稀疏信号,重构算法是该理论的核心内容之一。为提高稀疏信号重构精度,提出一种改进的光滑化共轭梯度算法并将其应用到真实口腔CT图像重构中。与光滑化共轭梯度算法相比,首先,该算法采用的在线柏萝登⁃弗莱彻⁃戈德福布⁃生纳(Online Broyden⁃Fletcher⁃Goldfarb⁃Shanno,OBFGS)校正矩阵近似目标函数的Hessian逆矩阵的精度更高,进而提高了信号重构精度;其次,相较于线搜索准则求步长的方法,该算法采用自适应巴尔兹莱⁃博韦恩(Barzilai⁃Borwein)步长方法,降低了步长计算量。实验结果表明:与改进前的算法和半阈值算法相比,该算法重构稀疏信号的成功率和信噪比均提高、相对误差降低;重构CT图像的峰值信噪比和结构相似性指数均提高,最大分别提高约3.14 dB和0.015。

基于自适应流形正则化自表示的无监督特征选择算法

针对基于流形正则化自表示(MRSR)的无监督特征选择算法直接从原始的样本空间构造相似矩阵可能会导致重构空间中样本的相似性描述得不够准确的问题,提出了基于自适应流形正则化自表示的无监督特征选择(AMRSR)算法。基于自适应流形正则化自表示的无监督特征选择算法在MRSR算法的基础上通过对相似矩阵施加概率最近邻约束将相似矩阵的学习嵌入到优化过程中,在重构空间中自适应地学习样本的相似性,使得在每一次迭代中获取更加精确的样本局部几何流形结构,从而选择具有代表性且保持局部几何流形结构的特征。最后,在四个公开数据集上进行了大量的对比实验,通过将算法的特征选择结果用于K-means聚类并采取两种常见的聚类评价指标:聚类精确度和归一化互信息评价聚类效果。实验结果表明,AMRSR算法与现有的一些算法相比有更高的聚类精确度和归一化互信息,进一步表明该算法特征选择效果更好。

一类具离散时变时滞和分布时滞神经网络的指数稳定性(英文)

本文讨论一类具离散时变时滞和分布时滞神经网络的指数稳定性。利用非线性测度,本文得到一个与时滞无关的充分条件,它保证了平衡点的存在性、唯一性和指数稳定性。既然新稳定准则不要求激活函数的有界性、单调性及可微性和随时间改变的传递延迟函数的可微性,那么它是某些已有结果的推广。此外,本文的方法的另一个优点是给出了解的指数收敛速度。最后,给出的例子说明我们的方法是有效的。

一类具分布时滞神经网络的全局指数稳定性(英文)

本文讨论了一类具分布时滞神经网络的稳定性.利用广义Dahlquist数和广义Halanay不等式,我们得到了该神经网络平衡点存在、唯一且全局指数稳定的充分条件.此外,我们的方法还估计出了神经网络指数收敛到平衡点的速度.由于我们的方法去除了关于激活函数的有界性、可微性和单调性的常用假设,因此我们的结果是某些现有结果的推广和改进.

时滞脉冲周期细胞神经网络指数稳定性的平均准则（英文）

本文致力于研究具有周期系数的脉冲时滞非自治细胞神经网络的全局指数稳定性.具体地,利用非线性测度方法和周期Halanay微分不等式,我们获得了该类神经网络的积分平均意义下的稳定性准则.我们的方法不要求激活函数的有界性和单调性,这意味着我们的稳定性准则和现有的某些结果相比受到的约束限制少,可以被应用到更一般的实际问题.此外,我们获得的稳定性准则是现有某些研究结果的推广和改进.最后,文中的例子说明了我们的方法是有效的,获得的结果是正确的.

一类基于非线性状态反馈的机器人操作手的鲁棒控制

考查了一类具有非匹配不确定性的非线性系统的全局稳定性及其在机器人鲁棒控制中的应用.针对机器人系统存在参数不确定性以及外界干扰的情况,利用非线性鲁棒控制理论给出了连续状态反馈控制器,考虑不确定性存在情况下跟踪误差的渐近收敛性.最后给出了两连杆刚性机器人的仿真例子,验证了其控制效果.

具时滞和脉冲影响的同类商品价格波动模型的全局指数稳定性(英文)

本文研究了具时滞和脉冲影响的同类商品的价格波动模型的全局指数稳定性.我们利用非线性测度方法,给出了该价格模型的全局指数稳定性的充分条件.和现有的研究结果相比,我们的方法去除了需求和供应函数的常用单调性假设并且考了脉冲对价格波动过程的影响,这说明了所研究的模型是某些现有模型的推广.此外,我们得到的研究结果是现有某些结果的部分改进和推广.提供的例子验证了本文的方法和结果的有效性.

Hille-Yosida算子的非线性Lipschitz扰动

论文研究非自反Banach空间中Hille-Yosida算子的非线性Lipschitz扰动.首先,证明Hille-Yosida算子的非线性Lipschitz扰动诱导的微分方程的温和解构成非线性指数有界Lipschitz半群;其次,证明非线性扰动半群保持原半群的直接范数连续性质.获得的结果是线性算子半群某些结论的非线性推广.