基于改进MGM(1,1)模型的再生混凝土疲劳寿命预测

准确预测再生混凝土(RC)疲劳寿命对其应用于路面及桥梁等项目具有重要意义。在灰色马尔科夫模型(MGM)的基础上,引入新陈代谢理论不断更新原始数列中的疲劳寿命数据,并结合粒子群算法优化状态区间的取值,提高其预测精度以适应混凝土疲劳寿命预测,再以不同应力水平的RC疲劳寿命试验结果作为原始数据,建立了基于改进的灰色马尔科夫模型的RC疲劳寿命预测模型,并对改进前后模型的精度以及预测结果进行对比分析。结果表明:RC疲劳寿命N服从两参数威布尔分布;将预测值从lg(N)转化为疲劳寿命后进行误差分析可知,应力-疲劳寿命(S-N)曲线的预测精度较低,最大相对误差达到201.43%;MGM(1,1)模型相比于S-N曲线预测精度有所提升,但平均相对误差仍达到102.20%;经两种算法理论改进后的MGM(1,1)模型预测精度有较大的提高,平均相对误差仅为5.62%;引入其他文献试验数据进行验证并与原文献中模型进行对比分析发现,改进MGM(1,1)模型的误差波动幅度小且平均误差小于原文献中模型,平均相对误差仅为1.01%,说明改进的MGM(1,1)模型在对RC疲劳寿命预测上具有更高的精确度与可靠性。

基于响应面法和Weibull分布的不锈钢纤维再生混凝土抗冻性能研究

【目的】在我国严寒地区,冻融损伤会使再生混凝土(RAC)结构提前达到耐久性极限甚至导致构件失效,为了延长再生混凝土(RAC)结构在严寒地区的使用寿命,【方法】对再生混凝土(RAC)、天然混凝土(NC)、普通钢纤维再生混凝土(PFRAC)和不锈钢纤维再生混凝土(SFRAC)进行冻融循环试验。经过冻融循环后,测得RAC、NC、PFRAC、SFRAC的质量损失及相对动弹性模量,分析冻融循环过程中混凝土内部的损伤机理及劣化规律。以相对动弹性模量为损伤变量,基于响应面模型(RSM)和Weibull分布建立了钢纤维再生混凝土冻融损伤模型,研究冻融循环次数、PF和SF的掺量对再生混凝土抗冻性的影响。【结果】结果表明,SF的掺入能有效延缓RAC质量的损失和相对动弹性模量的降低。冻融循环150次时,掺量为2%的SFRAC质量损失和相对动弹性模量分别下降3.01%和19.57%。SFRAC与RAC相比,质量损失率降低了0.4%,相对动弹性模量提高了14.17%。【结论】Weibull分布和响应面模型(RSM)的预测结果 基本一致,但RSM预测值的相对误差要低于Weibull分布的预测值。两种模型的相关系数R2均在0.94以上,预测结果较为准确,可为钢纤维再生混凝土在寒冷地区的使用提供理论参考。

Weibull分布模型改性再生混凝土微观损伤机理分析

为研究再生骨料改性对再生混凝土微观损伤机理的影响,该文用5%硅酸钠溶液(Na_(2)O·nSiO_(2)溶液)和10%聚乙烯醇溶液(PVA溶液)对不同级配再生骨料预浸泡进行改性。通过再生混凝土微小单元强度服从Weibull统计分布对抗压强度进行损伤演化分析和扫描电子显微镜(SEM)对骨料和混凝土微观形貌和机理分析。结果表明:经过5%硅酸钠溶液(Na_(2)O·nSiO_(2)溶液)和10%聚乙烯醇溶液(PVA溶液)改性后的再生混凝土均能显著提升内部微小单元损伤抗性和微观结构的密实性,且5%硅酸钠溶液(Na_(2)O·nSiO_(2)溶液)浸泡改性再生骨料对再生混凝土的提升效果劣于10%聚乙烯醇溶液(PVA溶液)。采用连续级配5~31.5 mm的再生混凝土损伤抗性显著高于单一级配10~16 mm和16~25 mm的再生混凝土损伤抗性。

急性化脓性扁桃体炎患儿血清淀粉样蛋白A、白细胞介素6及降钙素原的表达及临床意义

目的探讨急性化脓性扁桃体炎(acute suppurative tonsillitis,AST)患儿血清淀粉样蛋白A(serum amyloid A,SAA)、白细胞介素6(IL-6)及降钙素原(procalcitonin,PCT)的表达及临床意义。方法选取2022年1月~2023年6月于西安医学院第三附属医院就诊的80例AST患儿纳入观察组进行分析,按照感染病原体的不同,将其分为病毒感染组(35例)和细菌感染组(45例),另选取30名体检健康儿童纳入对照组,分别检测并比较各组血清SAA、IL-6、PCT水平,采用ROC曲线分析SAA、IL-6、PCT对AST的诊断价值。结果与对照组比较,观察组患儿血清SAA、PCT及IL-6水平均显著升高[(104.86±30.47)mg/L vs.(8.27±1.09)mg/L、(21.39±6.24)ng/L vs.(4.45±1.21)ng/L、(73.98±17.34)ng/L vs.(5.07±1.86)ng/L],差异比较均有统计学意义(P<0.05)。与细菌感染组比较,病毒感染组患儿血清IL-6水平显著升高[(87.61±19.22)ng/L vs.(63.75±8.13)ng/L,P<0.05];细菌感染组血清SAA及PCT水平高于病毒感染组[(86.73±14.65)mg/L vs.(154.69±39.76)mg/L;(15.27±3.09)ng/L vs.(47.28±6.27)ng/L,P均<0.05]。血清IL-6诊断病毒感染性AST的AUC为0.821(95%CI:0.749~0.902,P=0.001),灵敏度为88.67%,特异度为75.94%;SAA与PCT联合检测对细菌感染性AST的诊断灵敏度(92.08%)和特异度(79.35%)较高(P<0.05)。结论血清SAA、PCT及IL-6在AST患儿血清中表达升高,其在病毒感染性AST和细菌感染性AST的临床诊断中具有重要价值。

基于多模态数据融合的大学生在线学习情感分析模型

为研究大学生“情感缺失”问题,了解大学生在线学习时的情感状态,帮助教师智能化教学和学生个性化学习,文章融合大学生在线学习平台的课程评论、学习时的面部表情和姿态动作,运用深度学习方法,构建基于上下文增强的Bi-LSTMFN情感分析模型。模型包括4个部分,即上下文特征表示、跨模态信息交互、多模态信息融合和情感识别。该模型可以识别大学生在线学习时的情感状态,帮助教师改进教学策略,提高教师教学效果和学生自主学习能力。

改进YOLOv5s的车辆目标检测算法研究与实现

针对在实际交通场景中对车辆目标检测算法有占用资源小、保证实时性和准确率高的要求,提出了一种基于改进YOLOv5s的车辆目标检测算法。首先,引入GhostNet改进YOLOv5s的Backbone,降低了网络的计算量,提高了检测速度;其次,融合CBAM注意力机制,改善在各种天气、光照情况下难以被准确检测的问题;然后,使用Soft-NMS代替NMS,减少了交通拥堵等情况造成的漏检问题;最后,对改进后的算法进行了对比消融实验,验证其性能,再部署到嵌入式设备端测试。根据实验结果,改进算法在保证较高的平均精度的情况下,模型资源占用降低了34.76%,在嵌入式平台上的帧率可以达到29 frame/s,可以达到实际应用的要求。

基于GAN-DAUnet的肝脏CT图像肿瘤分割算法

针对现有肝脏CT图像肿瘤分割方法中存在欠分割、过分割、边界模糊以及分割精度较低的问题,提出一种基于生成对抗网络(GAN)的肝脏肿瘤自动分割算法。该算法首先对图像进行预分割减少无关信息的影响。其次GAN的生成网络使用DAUnet,该网络在跳跃连接中引入双注意力机制增强肝脏肿瘤的特征。最后通过GAN的生成对抗训练并在训练过程中引入混合损失函数,使预测的肿瘤图像更加精准。在LiTS数据集上的实验结果表明,提出的算法Dice相似系数值(Dice similarity coefficient,DSC)达到了76.15%,相比于Unet提升3.63%。通过对DAUnet进行生成对抗训练能有效提高肝脏图像中肿瘤的分割性能。

基于LabVIEW的双通道太阳射电频谱观测系统设计

太阳射电爆发是太阳耀斑和日冕物质抛射等爆发过程的重要表现形式,是卫星通信和导航系统、地面电网系统、人类生活环境的潜在影响因素之一。对太阳射电爆发的监测与研究不仅可以预报空间天气,还可以作为太阳物理的研究工具。介绍了基于LabVIEW平台设计开发的双通道高速太阳射电频谱观测系统,针对太阳射电爆发具有随机性和持续时间短、变化快的特点实现对太阳射电爆发的监测。系统采用高速信号采集卡以1.5 GS/s的速率进行信号采集,系统时间分辨率可达4 ms,频率分辨率达45.7764 kHz。采集的信号经过快速傅里叶变换(Fast Fourier Transform,FFT)功率谱分析处理后输出显示其频谱图和瀑布图,得到太阳射电爆发的频率、强度以及持续时间等信息。观测数据利用文件传输协议(File Transfer Protocol,FTP)上传至服务器,实现存储资源的优化,观测数据的共享。该系统集成度高,可以应用于分析澄江抚仙湖观测基地11 m太阳射电望远镜输出的70~700 MHz信号。

玄武岩纤维再生混凝土循环加载变形与疲劳寿命预测

为改善再生混凝土(RAC)的疲劳性能,掺入玄武岩纤维制成玄武岩纤维增强再生混凝土(BFRAC),对不同纤维体积率的BFRAC弯曲疲劳性能进行研究,分析了BFRAC的疲劳变形规律,并采用响应面法(RSM)研究了纤维体积率和应力水平对其疲劳寿命的影响。结果表明:BFRAC的疲劳应变和疲劳模量都呈三阶段发展;随着应力水平和循环比的增大,疲劳应变逐渐增大,疲劳模量逐渐减小;随着纤维体积率的增大,疲劳应变和疲劳模量发展减缓,其中纤维体积率为0.3%时效果最佳;在相同应力水平下RAC疲劳寿命低于天然混凝土(NAC),玄武岩纤维的掺入可显著提高RAC疲劳寿命,随着纤维体积率的增大,BFRAC疲劳寿命呈现先增大后减小的趋势;通过RSM建立的BFRAC疲劳寿命预测模型经检验证明具有良好精度;纤维体积率和应力水平的交互作用对BFRAC疲劳寿命有一定影响,但应力水平的大小对BFRAC疲劳寿命的影响更为显著;采用渴求函数对BFRAC进行多目标优化得出在0.6、0.7、0.8应力水平下的最优纤维掺量分别为0.321%、0.317%、0.313%。

多模态视域下混合式教学模式研究

随着互联网+教育的发展,混合式教学在高等教育领域有着很好的效果。文章在多模态理论视域下,根据多模态选择原则构建多模态混合式教学模式,并将教学模式应用于实际的教学中。通过问卷调查和访谈分析发现,多模态混合式教学比传统混合式教学的社会临场感、教学临场感、认知临场感水平都高,而且情感也得到一定的提升。最后,对如何更好地实施混合式教学提出了一些建议。

基于Weibull理论的再生混凝土疲劳性能研究

采用MTS材料动态疲劳试验机对温度循环后的C、RC、SFRC、SICRC进行疲劳试验,研究在不同应力水平作用下(0.9、0.8、0.7)混凝土的疲劳变形特征和疲劳寿命。基于试验数据,对各试样疲劳寿命进行两参数Weibull分布检验,建立了p-S-N方程。结果表明:与RC、SFRC相比,SICRC在疲劳破坏时有更好的延展性和整体性,难以破碎毁坏;由同一应力水平下的S-N曲线可得出,SICRC疲劳寿命和疲劳强度均要优于RC、SFRC;利用两参数Weibull分布理论检验各试样疲劳寿命,其相关系数R 2均高于0.90,说明两参数Weibull分布理论能够较好的应用于SFRC和SICRC疲劳寿命检验。

基于多素数和参数替换的改进RSA算法研究

为了提高RSA公钥算法在消息加密过程中的安全性,在深入分析传统RSA算法的基础上,对其进行了一些改进性研究,提出了一种比传统RSA算法更加有效的方法来优化其安全性。在将传统RSA改进为四素数RSA的基础上,再运用数学变换进行参数替换,消除了在公钥中对传输两个随机素数的乘积n的需要,引入了一个新的参数x代替原参数n。针对改进后的算法在运算效率方面的不足,采用中国剩余定理CRT优化大数模幂运算。实验结果证实了改进算法的可行性,为通过公钥加密消息发送和接收提供了更安全的路径;同时,对改进算法与传统RSA和四素数RSA算法的解密(签名)时间进行比较分析。实验结果表明改进后的算法对消息发送方和接收方之间签名效率也有一定程度的优化。

高校土木工程专业国际化人才培养体系探索——以湖北工业大学“一带一路国际化示范班”为例

湖北工业大学土木建筑与环境学院是湖北省省属高校首个国际化示范学院,“一带一路国际化示范班”(简称“国际班”)的创建是学院落实学校国际化发展战略、扎实推进国际化的一项重要举措,是土木工程专业国际化建设的载体。以高等教育国际化为基础,以“国际班”为例,探讨土木工程专业国际化人才培养的创新体系,从国际化人才培养目标、课程体系设计、教学内容实施、项目导师制和教学质量管理体系重构等方面提出培养国际化人才的具体途径,为国内高校国际化创新人才培养提供借鉴。

面向躯感网的心电融合特征分析方法

针对躯感网(BSN)穿戴设备的存储能力和计算能力受限的特点,为有效提高心电(ECG)分析模型识别率和效率,提出面向躯感网的ECG融合特征提取方法。采用Pan-Tompkins算法实现对QRS波群实时快速检测和时域特征提取;采用轻量级稀疏自编码(SAEs)网络对连续ECG信号进行深度特征提取和降维;通过向量张成的方式完成特征融合。使用MIT-BIH数据库中的ECG数据进行仿真实验,结果表明:基于融合特征的ECG分析模型精确度高,耗时少,能够满足面向躯感网的ECG特征提取的性能要求。

深度稀疏自编码器在ECG特征提取中的应用

针对心电(ECG)信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器(Deep Sparse Auto-Encoders,DSAEs)的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计(Adaptive moment estimation,Adam)对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机(Support Vector Machines,SVM)构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。

基于改进U-Net的肝脏分割方法

针对现有肝脏图像分割方法存在分割精度较低的问题,提出一种改进U-Net的肝脏分割方法。该方法对U-Net结构做出以下改进,即引入改进的残差模块、重新设计跳跃连接,然后采用混合损失函数,从而提高特征信息的利用率,减少编码器和解码器之间的语义差异,缓解类不平衡的问题并且加快网络收敛。在CodaLab组织提供的公共数据集LITS(Liver Tumor Segmentation)上的实验结果表明,利用该方法达到的Dice相似系数值、敏感度、交并比分别为93.69%、94.87%和87.49%。相比于U-Net和Attention U-Net等分割方法,该方法分割出的肝脏区域结果更加准确,取得了更好的分割性能。

无线智能情景LED照明控制系统设计

为了提高智能家居环境下照明子系统的舒适度和艺术性,研究并设计了一种无线智能LED情景照明控制系统。系统采用物联网架构,由灯控终端、无线ZigBee传感器数据采集节点、云端服务器和Android移动智能终端构成。灯控终端以STM32F103ZET6处理器为核心,以四色LED灯为控制对象,依托WiFi模块与云端互联,通过云端指令和传感器检测数据,灯控终端可实现对家居环境下的LED单灯或组灯的照明、亮度、颜色控制以及情景模式选择。测试结果表明,该系统在家庭环境下运行稳定,能够实现远程控制管理和满足照明系统智能化的需求。

基于特征融合的U-Net肺自动分割方法

目的:将肺部颜色特征与纹理特征融合形成一种更有效的特征,并利用改进的U-Net深度学习网络结构对肺部CT影像进行图像分割以准确提取肺实质区域。方法:使用的CT影像数据来源于LIDC-IDRI数据库,首先通过色彩空间转换、高阶邻域统计的方法分别提取颜色特征和纹理特征,然后采用加权平均直方图融合两类特征,最后将特征输入改进后的U-Net模型,进行1000次CT扫描测试,以达到完整的肺实质输出。结果:该方法最终的骰子系数、灵敏度、特异性分别为93%、96%和97%。结论:本方法较单一特征分割方法具有较高的分割精度,有效提高肺实质的分割精度,可为后续的肺部疾病自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断时间。

模糊神经网络数据融合在体域网中的应用

针对无线体域网(WBANs)多体征参数的时变性、非线性和强相关性等特征,为有效提高医疗监测系统对病人生理变化预警的正确率,提出面向体域网的数据融合算法。采用模糊神经网络(FNN)建立数据融合决策模型,同时应用改进的粒子群优化(PSO)算法对模糊系统参数进行寻优。通过PhysioBank数据库中重症监护室真实数据进行网络训练与测试,测试结果表明:数据融合模型能够有效处理复杂的生理参数,同时取得了高检出率与低误报警率。

数据可视化的智能家居监测系统设计

针对目前智能家居系统不能直观地展示采集到的家居环境数据,人们难以在复杂无序的数据中发现其中潜藏的信息的现状,文章基于STM32单片机和Node-RED设计了一款智能家居监测系统。该系统包括数据采集端、云服务器端和数据可视化网页端。数据采集端以STM32单片机为核心,搭配环境数据传感器构成,通过Wi-Fi模块与云服务器通信。可视化网页基于Node-RED开发,以MQTT为通信协议与云服务器端通信。经测试,系统运行稳定,具有一定的应用价值。