非对称集中荷载下无腹筋RC梁受剪性能试验研究

非对称集中荷载作用下钢筋混凝土无腹筋简支梁具有两个不同的剪跨比,而两剪跨段受剪承载力与剪力作用之间的相对大小存在不确定性.通过开展6根非对称和4根对称集中荷载作用下钢筋混凝土无腹筋简支梁受剪性能试验研究,获取了破坏形态、荷载-跨中位移曲线和纵向受拉钢筋应变,并分析了《混凝土结构设计规范》(GB 50010—2010)公式、修正压力场理论、基于截面应变分析的抗剪模型和Zsutty统计公式的适用性.结果表明,对于小剪跨比恒为1.0的无腹筋简支梁,大剪跨比为2.0~4.0的梁均在大剪跨段发生剪切破坏;当大剪跨比由3.0增大至3.5时,梁的极限承载力出现由大剪跨段控制转变为小剪跨段控制的现象《.混凝土结构设计规范》(GB50010—2010)预测非对称集中荷载作用下钢筋混凝土无腹筋简支梁发生剪切破坏的位置与试验结果相反,而Zsutty统计公式的预测效果最好.

加强型翼缘-波纹腹板组合隔板贯通式节点抗震性能研究

为克服隔板贯通式节点易发生脆性断裂而导致结构破坏的不足,结合“加强”和“削弱”的措施,使塑性铰外移,提出了加强型翼缘-波纹腹板组合隔板贯通式梁柱新型节点,并利用有限元软件ABAQUS探究了该新型节点在低周往复荷载作用下的破坏模式、应力分布情况。研究波纹数量、波纹厚度、加强板厚度、加强板长度这4种参数对该新型节点的滞回曲线、骨架曲线、耗能能力的影响规律。结果表明:新型节点有较好的承载力,应力主要集中在梁翼缘上波纹腹板削弱处,破坏发生在远离削弱处一侧,且腹板未发生屈曲变形。随着波纹厚度、加强板长度的增大,新型节点的承载力增加,耗能能力下降;随着波纹数量的增多,新型节点承载力和耗能能力增加;随着加强板厚度的增大,承载力增加,耗能能力先减小后增大。

废旧棉/纳米纤维素自增强复合纸的制备与性能

针对机械开松回收后产生的废旧棉短纤维存在力学性能差且难以再利用的问题,将部分回收的废旧棉短纤维在2,2,6,6-四甲基哌啶-1-氧自由基(TEMPO)/NaBr/NaClO体系中氧化,制备成纳米纤维素(CNF),然后将不同质量分数的CNF悬浮液和回收的废旧棉短纤维充分混合制备全纤维素纸浆,最后通过湿法成网和热压技术形成全纤维素纤维自增强复合纸(CCP),并探究其形貌、力学性能以及增强机制。结果表明:当CNF质量分数增加至5%时,CCP中的氢键含量增加,CNF和棉短纤维之间形成了广泛的氢键交联,促成CCP形成了致密的结构,其拉伸断裂强度达到84.72 MPa。此外,采用不脱色废旧棉短纤维制备的CCP可加工为包装纸袋使用。

面向用户兴趣的Web信息过滤系统

研究了面向用户兴趣的Web信息过滤系统的主要技术,包括用户兴趣表示、度量和更新、网页内容识别和网页信息过滤等技术,并在此基础上设计和实现了一个Web信息过滤系统。该系统能够进行一定的信息过滤,能够进行自学习,并随着用户兴趣的变化渐渐更新,基本能够实现用户的个性化信息服务需求。

基于智能Agent的Web信息检索系统

设计和实现了一个基于智能Agent的面向领域的Web信息检索系统，讨论了该系统的体系结构和各模块设计思想。经实验验证，该系统具有检索精度高、检索方式多样、用户界面友好等特点。

负弯矩区钢-混凝土组合梁腹板开洞处钢筋受力性能研究

为了解负弯矩区腹板开洞钢-混凝土组合梁的内部受力钢筋的力学性能,对多个腹板开洞组合梁试件进行了试验研究和有限元分析,研究重点是洞口区域混凝土板内的钢筋受力特点和规律.试验及分析结果表明:负弯矩作用下,腹板开洞组合梁的破坏发生在洞口区,而不是弯矩最大处,洞口区混凝土板裂缝开展迅速并最终断裂,洞口处发生了明显的空腹破坏,洞口四角出现了次弯矩;在次弯矩作用下,洞口区混凝土板内的受力钢筋一部分受压,一部分受拉,钢筋的抗拉作用并没有充分发挥,其中洞口左端的上层钢筋受拉最为明显,抗拉作用较好;在合适的位置添加附加钢筋可以限制洞口上方混凝土板的裂缝开展,能够有效的提高试件的承载力和变形能力,其中在距离中心轴65 mm处添加直径为8 mm的附加钢筋时,试件的承载力和变形能力的提高效果最好.

WEB主题检索的性能优化设计

Web主题检索是信息检索领域一个将采集技术与过滤方法结合的新兴方向,也是信息处理领域的研究热点。针对现有主题检索系统在Web页面文本的主题相关性判断和Spider搜索策略方面存在的问题,引入两个性能优化方案,即利用信息抽取技术,提出了一种基于模式集的主题相关性判断方法来提高主题判断准确度;针对pagerank在主题检索中存在的不足,引入基于增强学习的页面评估算法,提出了Web环境优先的搜索策略。最后根据实验结果评估两个算法的性能。

强化学习方法在Web服务组合中的应用比较研究

为了提高服务组合适应动态环境的能力,将强化学习技术引入到Web服务组合。目前常用的强化学习方法有三种:蒙特卡罗、时序差分和Q-Learning,为了发现最适合于服务组合的强化学习方法,对这三种方法进行了对比研究。首先将Web服务组合建模为马尔科夫决策过程,然后介绍了这三种强化学习方法并分析了它们的异同,同时,提出了Web服务组合领域的奖赏值确定方法。最后,通过实验比较了这三种强化学习方法的学习效果,实验结果显示,在Web服务组合应用中,Q-Learning比另外两种方法收敛速度更快,因此更适合执行服务组合。

基于链接路径预测的聚焦Web实体搜索

实体搜索是一个有前景的研究领域,因为它能够为用户提供更为详细的Web信息.快速、完全地收集特定领域实体所在的网页是实体搜索中的一个关键问题.为了解决这个问题,将Web网站建模为一组互连的状态构成的图,提出一种链接路径预测学习算法LPC,该模型能够学习大型网站中从主页通向目标网页的最优路径,从而指导爬虫快速定位到含有Web实体的目标网页.LPC算法分为两个阶段:首先,使用概率无向图模型CRF,学习从网站主页通往目标网页的链接路径模型,CRF模型能够融合超连接和网页中的各种特征,包括状态特征和转移特征;其次,结合增强学习技术和训练的CRF模型对爬行前端队列的超链接进行优先级评分.一种来自增强学习的折扣回报方法通过利用路径分类阶段学习的CRF模型来计算连接的回报值。在多个领域大量真实数据上的实验结果表明,所提出的适用CRF模型指导的链接路径预测爬行算法LPC的性能明显优于其他聚焦爬行算法.

JGZ97型万米超深井钻机死绳固定器研制与安全性研究

针对死绳固定器绳轮强度、安全裕度不足和结构失稳等安全问题,根据JZG97型万米超深井钻机死绳固定器绳轮受力及结构特点,提出采用增加腹板的方法来解决死绳固定器绳轮存在的问题。采用有限元法数值模拟,分析了不同腹板绳轮的结构力学性能,三腹板绳轮的强度、安全裕度均满足钻井作业时的安全要求,确定采用三腹板绳轮。实物测试试验中,三腹板绳轮仿真结果与试验结果的最大相对误差为12.95%,综合分析仿真结果与实验结果基本吻合;线性屈曲分析表明,最大死绳拉力作用下的三腹板绳轮临界屈曲载荷为绳轮实际受载的48.8倍,满足结构稳定性要求。研究表明,三腹板绳轮可以解决死绳固定器绳轮存在的问题,可以为万米超深井钻机结构设计提供支持。

基于逻辑强化学习的Deep Web增量信息获取方法

随着Web的飞速发展,Deep Web中蕴藏着海量高质量数据,如何高效地提取这些数据极具挑战。由于Deep Web的动态性,其数据经常处于频繁更新的状态,而用户总是希望获得最新鲜的内容。为此,在分析Deep Web数据变化特性的基础上,建立一个Deep Web数据生成模型,然后,提出一种强化学习的Deep Web数据提取方法。实验表明,该方法具有较好的数据提取效率,可有效提高Deep Web数据集成服务质量。

套拱法在加固大跨径空腹式石拱桥中的应用

为研究大跨径空腹式石拱桥经套拱加固后的受力状态,文章以某大跨径空腹式石拱桥的套拱加固设计为依托,建立了整体有限元模型,采用双单元法模拟旧石拱圈及新加固钢筋混凝土拱圈。计算分析表明,套拱加固后,在汽车荷载及其他外荷载作用下,旧石拱圈内力和承载能力显著增强,因此该加固方案理论可行,可为今后类似工程设计提供参考。

基于强化学习的Web服务众测任务分派方法

如何将众包测试任务分派给合适的众测工人,以较低的成本获得更好的测试结果,是一个重要问题。文中将CWS众测任务分派问题建模为一个基于马尔可夫决策过程的问题,且使用Deep Q Network进行学习和实时在线测试任务分派。该基于强化学习的方法被命名为WTA-C。此外,文中根据众测工人执行任务的历史时间,通过统计条件概率计算测试工人在任务期限内完成任务的概率,将其作为工人信誉值来反映工人质量,并在每次分派完成后对工人信誉值进行更新。实验结果显示,WTA-C在控制测试任务的“质量-成本”权衡和保证工人可靠度方面优于其他基于启发式策略的实时分派方法,并在分派效果上高于各启发式策略18%以上,从而证明了其可以更好地适应CWS的结构和众测环境的特点。

基于特征表示增强的Web API推荐

Web API是基于Web服务的轻型解决方案,代表可重用的最小组件.通过组合多种Web API,能够创建具有高层次功能的组合应用Mashup,实现业务增值的需求.Web API数量和种类的快速增长,使得发掘契合的Web API进行Mashup创建变得愈发困难.针对此问题,提出一种特征表示增强的Web API推荐方法来高效地进行Web API推荐,提高Mashup创建的效率.首先,将Mashup的文档描述映射到向量空间进行特征比较,目的是获得与目标Mashup相似的近邻Mashup;然后,利用基于神经网络的特征提取模型对目标Mashup和近邻Mashup的文本特征进行学习,将提取后的特征结合类别特征进行表示增强;最后,基于表示增强后的语义特征进行Web API推荐.实验结果表明,该方法能够有效地推荐Web API,在多项指标上取得显著的效果.

基于Java Web的旧桥加固优选方案开发设计

针对旧桥加固的指标体系不同的特点,使用Java Web技术开发系统,并采用瀑布型的开发方式实现系统开发。实践表明,使用Java Web开发系统具有很大的优势,尤其是其架构简单,易于扩展,所以系统的优化更加简便。

基于强化学习的Web服务组合

单个Web服务的能力有限,如何使企业内或企业间的诸多业务服务有机地集成,提供更有价值的服务,是目前基于Web服务的应用集成的核心问题。Web服务组合就是将已有服务按照一定的逻辑顺序组织起来构成新的服务,从而实现更强大的功能。这里提出一种基于强化学习的服务组合方法,它在于能够实现动态的Web服务组合。

基于强化学习的Deep Web数据提取方法

随着Web的飞速发展,Deep Web中蕴藏着海量高质量数据,如何高效地提取这些数据极具挑战。由于Deep Web的动态性,其数据经常处于频繁更新的状态,而用户总是希望获得最新鲜的内容。为此,论文在分析Deep Web数据变化特性的基础上,建立一个Deep Web数据生成模型,然后,提出一种强化学习的Deep Web数据提取方法。实验表明,该方法具有较好的数据提取效率,可有效提高Deep Web数据集成服务质量。

基于深度强化学习的QoS感知Web服务组合

传统单体式软件架构由于耦合性高、扩展性差的原因,难以适应如今用户需求频繁变动的开发场景。随着服务化理念的深入推广,利用独立的Web服务进行组合成为解决这一问题的可行方案。如何利用功能不同、服务质量(Quality of Service,QoS)迥异的Web服务,构建出满足用户功能性需求及非功能性需求的组合服务成为服务计算领域的一个研究热点。提出一种基于马尔可夫决策过程的服务组合模型,并设计了基于深度强化学习的求解算法。应用深度网络提升模型表现,可有效解决大规模服务组合场景中现有服务组合算法寻优能力差的问题;进一步针对传统强化学习Web服务组合模型中奖励值估计不准确的问题,提出了一种基于卷积神经网络计算奖励值的方法,对服务历史QoS信息加以充分利用,并在公共数据集上做了实验验证。实验结果表明,基于深度强化学习的服务组合ADR-WSC算法在大规模服务组合问题中输出的组合服务QoS更优,算法运行时间更短。

基于TDT技术的Web主题搜索分析与设计

提出了一种结合最新TDT技术、基于增强学习的优先Web环境主题搜索策略,并以此设计主题搜索器系统。该系统通过引入基于领域知识的TDT文本分类技术,大大改进了基于关键字的Naive Bayes模型主题相似性判别的准确性;通过引入基于增强学习的页面评估函数特征化主题Web环境,有效地提高了稀有信息的搜索能力。试验结果表明,该系统具有较高的实用性。

基于多agent强化学习的语义Web爬虫设计

Web的海量信息导致了搜索引擎的出现,同时,Web数据的迅速膨胀以及频繁的更新对搜索引擎提出了更高的要求,而并行搜索引擎可以提高抓取速度,并改善更新效率.语义Web是对未来Web的一个设想,语义Web的数据同传统Web一样面临着数据的膨胀更新问题.于是研究语义Web并行搜索引擎成了一个重要的研究方向.介绍了如何设计一个基本的面向语义Web的并行爬虫系统.该系统由一个中央控制器和若干个子爬虫组成.中央控制器负责为爬虫分配抓取任务,并汇总抓取的数据;子爬虫负责抓取并抽取URLs的工作.而对于每个子爬虫除了处理RDF文档之外,还试图从传统HTML网页中通过强化学习的方法发现更多RDF文档链接.