基于Chebyshev-Ritz法分析多裂纹梁自振特性

基于弹性力学平面应力理论,利用Chebyshev-Ritz法分析多裂纹梁的自振特性.根据裂纹情况将裂纹梁分成若干个梁段,用边界函数与第一类Chebyshev多项式的乘积构造各梁段的位移函数,具有很好的收敛性,能够适用于不同的几何边界条件.用Ritz法得到各梁段的振动方程,根据各梁段之间的位移连续条件整合方程,建立整个裂纹梁的振动特征方程.计算结果与有限元分析和相关文献数据吻合很好.分析裂纹深度和位置对自振特性的影响.随着裂纹深度的增大,裂纹梁的频率减小,振型的幅值变大,且影响的程度会受裂纹的位置影响.

基于弹性力学的裂缝梁自由振动分析

基于弹性力学平面应力理论,采用Chebyshev-Ritz法分析裂缝梁的自由振动特性。将梁分成三个子梁,取边界函数与Chebyshev多项式的乘积作为每个子梁的位移试函数,保证解的快速收敛性,并使该方法适用于不同的几何边界条件。用里兹法列出每个子梁的振动特征方程,并根据各子梁在界面上的位移连续性条件得到整个裂缝梁的振动特征方程。计算结果与文献数据和有限元分析吻合很好。最后分析了裂缝深度和梁的高跨比对动力特性的影响。

基于图卷积神经网络的胸部放射影像疾病分类方法

医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难。针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolutional neural network,CNN)相结合,提出了一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法。该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类。本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能。

城市供水管网管材的选用

城镇化的发展使得城市在很大程度上得到了发展。城市中,各种建筑、桥梁、道路的建设此起彼伏。然而,无论是何建设都必须要保证其质量。城市中供水管的建设在城市的发展中占有重要的地位。其质量的好坏直接关系到城市居民的正常生活。因此,对于城市供水管网管材选用的研究具有十分重要的意义。本文主要阐述了管材的种类,并对城市供水管网管材的选择进行了一定的探索,旨在为提高城市建设中供水管网的质量而提出一些有价值的参考意见。