重载铁路桥梁动力响应的随机性分析及最大值估计

为评估现有桥梁通行大轴重列车的可行性,基于某重载铁路桥梁的现场试验数据,对不同轴重列车以不同运行速度通过桥梁时桥梁动力响应的随机性进行分析,并且结合3倍标准差原理进行动力响应最大值估计。结果表明:在60~80km·h^(-1)的速度范围内,列车速度对桥梁的竖向挠度和横向振幅影响不大;随着列车速度的提高,桥梁的竖向振幅缓慢增加,而且桥梁跨中的横、竖向强振频率和振动加速度也呈逐渐增大趋势;随着货车轴重的增加,桥梁的竖向挠度呈近似线性增加趋势,振幅和振动加速度也不断增大;25t轴重运营列车引起的桥梁动力响应的概率密度离散程度较大,而试验列车的离散程度较小;在相同列车速度条件下,跨中的横向响应比竖向响应的随机性大,振幅和振动加速度的随机性相当,竖向挠度的随机性最小;对1座孔跨布置为2-24m的低高度预应力混凝土T型简支梁桥的动力响应最大值估计的结果表明,该桥能够通行75km·h^(-1)速度以下的30t轴重列车。

一维非线性奇异椭圆问题有限元解的最大值估计

使用非对称有限元法。

Cahn-Hilliard和粘性Cahn-Hilliard方程解的最大值估计

本文研究了具有一般非线性条件的Cahn-Hilliard方程和粘性Cahn-Hilliard方程解的最大值估 计。首先,我们用能量估计的方法得到解的Lq 范数有界。然后,利用Nirenberg-Gagliado不等式得到解的本性上确界有界。

二阶线性椭圆型方程解的最大值的一个估计

本文给出非散度型的二阶线性椭圆型偏微分方程的古典解最大值的一个估计.

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.

高精度调频连续波雷达测距算法的研究

在调频连续波(FMCW)雷达测距算法中,快速傅里叶(FFT)算法频谱分析的误差是由FFT频谱线之间间隔造成的。因此,为了提高FFT算法的测距精度,减少频谱分析的误差,提出了频移补偿的改进措施。频移补偿的频谱搬移因子的获取是利用频谱图对称性与最值和邻近两个谱线点坐标之间的距离差得到的。仿真实验的结果说明,该措施在不大幅提高测距时间的情况下得到的最值更接近实际峰值,可以较好地改进雷达的测距精度。

工程结构作用极值分析方法研究

由于对工程结构所承受的各类作用进行极值分析,是确定作用的设计值以及服役结构的作用评估值的重要依据,针对目前的作用极值分析方法,主要在3个方面展开了探讨,即作用的截口分布的估计、最大值分布的估计以及估计结果的不确定性的评估等,发现了这些环节所存在的一些问题和缺陷:作用截口分布的估计缺乏客观性,而且估计的准确性不足;采用随机过程模型计算作用的最大值分布是不合适的;在极值的分析中缺乏对于不确定性的必要的估计,同时也存在一些细节上的欠妥之处。最后针对主要的问题提出了建议:采用阈值模型估计作用的底分布,采用点过程模型直接估计最大值的广义极值分布,并且考虑估计的不确定性选择适当的估计。

非局部的对流Cahn-Hilliard方程

考虑非局部对流Cahn-Hilliard方程Neumann边界问题解的最大值估计.对流Cahn-Hilliard方程可以描述许多的物理现象,如相分离系统中的二元合金和热力学不稳定晶体表面的生长等现象.近年来,对具有对流项的经典Cahn-Hilliard方程的研究有很多,而对非局部对流Cahn-Hilliard方程的研究相对较少.主要利用特殊的迭代方法和Nirenberg-Gagliardo不等式,得到了该问题经典解在闭区域上的最大值估计.

1.6μm相干激光测风雷达的速度标定研究

介绍了相干激光测风雷达系统中用转盘进行速度标定的方法,在实验室搭建了激光雷达速度标定装置。采用1.645μm种子注入单频脉冲激光器,在激光中心频率相对种子光移频量约62MHz、转盘直径300mm、转盘速度-47.12~47.12m/s可调、激光出射方向和转盘线速度方向夹角为36°时,采用相干探测的方法测出了多普勒频移并反演出了测量速度;数据处理过程中分别采用最大值频谱估计法和频谱对齐法计算多普勒频移和转盘速度。实验结果显示,频谱对齐法相对于最大值频谱估计法能够提高36.3%的测速精度,因此在激光雷达测风系统中采用频谱对齐法相对于常用的最大值频谱估计法测量的风速精度更高,这对提高相干激光雷达测风的风速精度提供了实验依据和参考标准,验证了频谱对齐法在激光雷达测风的数据处理中的可行性。

基于PSO-CNN-aBiGRU的瓦斯浓度预测方法

针对工作面瓦斯浓度精准预测中未有效利用瓦斯数据的空间特性问题,在有效提取瓦斯浓度监测数据时空特征的基础上,提出了一种基于优化卷积神经网络和优化双向门控单元神经网络的瓦斯浓度预测方法(PSO-CNN-aBiGRU)。首先应用随机森林和Hilbert-Huang变换方法对瓦斯监测数据中的缺失值和噪声进行预处理,然后使用经过粒子群优化的卷积神经网络对预处理后的瓦斯监测数据进行空间特征提取,最后考虑数据的历史信息和未来状态,基于自适应矩估计最大值优化的双向门控单元神经网络,构建PSOCNN-aBiGRU瓦斯浓度预测模型。试验结果表明,相对于PSO-CNN-BP、PSO-CNN-RNN和PSO-CNN-LSTM模型,PSO-CNN-aBiGRU在测试集上误差分别减少了52.21%、42.43%和29.6%。因此,PSO-CNN-aBiGRU模型能有效提高瓦斯浓度预测精度,对减少瓦斯灾害,保障煤矿的安全生产具有现实意义。