融合遥感图像光谱和空间信息的云检测深度网络

当前的云检测方法未能充分利用遥感图像的光谱特征和空间特征。光谱信息的不充分利用会导致错分具有和云相似光谱特征的目标,而空间信息的不充分利用会导致碎云和薄云难以识别。基于此,提出一种融合遥感图像光谱和空间信息的新型云检测深度网络(SSFF-Net)。SSFF-Net首先利用1×1的卷积核提取遥感图像的光谱特征,其次将Transformer引入到遥感图像空间上的编解码来学习远距离的特征,充分利用遥感图像的光谱和空间信息。SSFF-Net克服了光谱特征提取依赖于经验性的线性组合,并能减少空间位置信息损失。将模型在Landsat 8 Biome以及AIR-CD数据集上进行评估,结果表明SSFF-Net具有较好的云检测效果,精度分别达到97%和96%。

弹性地基加肋功能梯度板自由振动分析的无网格法

基于一阶剪切变形理论和移动最小二乘近似研究Winkler弹性地基上加肋功能梯度板的固有频率。假设功能梯度板的材料性质沿厚度方向按幂函数连续变化,基于物理中面和移动最小二乘近似分别推导功能梯度板和肋条的动能和势能,再通过引入位移协调条件,建立板和肋条节点参数转换关系,叠加两者的总能量,然后利用Hamilton原理推导加肋功能梯度板自由振动控制方程。采用完全转换法施加边界条件。通过将本文的计算结果与有限元以及文献的结果对比,验证方法的收敛性以及准确性。

薄板弯曲问题的神经网络方法

为发展神经网络方法在求解薄板弯曲问题中的应用,基于Kirchhoff板理论,提出一种采用全连接层求解薄板弯曲四阶偏微分控制方程的神经网络方法.首先在求解域、边界中随机生成数据点作为神经网络输入层的参数,由前向传播系统求出预测解;其次计算预测解在域内及边界处的误差,利用反向传播系统优化神经网络系统的计算参数;最后,不断训练神经网络使误差收敛,从而得到薄板弯曲的挠度精确解.以不同边界、荷载条件的三角形、椭圆形、矩形薄板为例,利用所提方法求解其偏微分方程,与理论解或有限元解对比,讨论了影响神经网络方法收敛的因素.研究表明,论文方法对求解薄板弯曲问题的四阶偏微分控制方程具有一定的适应性,其收敛性受多种条件影响.相比有限元,该方法收敛速度较慢,在复杂的边界条件下收敛性不佳,然而其不基于变分原理,无需计算刚度矩阵,便可获得较高的计算精度.

基于无网格法的Timoshenko曲梁动力分析

曲梁具有外形美观、受力性能良好的优点,故在工程中得到广泛应用.论文基于移动最小二乘近似和一阶剪切变形理论,提出一种对Timoshenko曲梁自由振动和受迫振动进行分析的无网格方法.通过一系列离散点离散曲梁,建立曲梁无网格模型,然后推导曲梁势能和动能方程,通过哈密顿原理给出曲梁自由振动和受迫振动的控制方程,因为论文方法不能直接施加边界条件,所以使用完全转换法处理本质边界条件,最后求解方程得到频率和振动模态.文末通过算例验证了论文方法的有效性,且通过收敛性分析表明论文方法具有较好的收敛性,并进一步分析了不同边界条件、跨高比和变截面变曲率对曲梁自由振动和受迫振动的影响,将计算结果与文献解或ABAQUS解进行对比分析,表明论文方法具有较高的精度,且适用于实际工程情况.