基桩最小中心距研究

以浙江省沿海某高速公路大直径钻孔灌注桩施工中混凝土拌合物串孔为对象,研究了混凝土拌合物串孔的原因,研究结果显示:大直径钻孔灌注桩孔壁面积大,在施工中孔壁周围土层受到扰动引起力学性能降低导致串孔.以上述研究结果为基础,提出了预防混凝土拌合物串孔的措施:场地中没有饱和黏性土,把钻孔灌注桩当作非挤土桩,以基桩中心距3.0d(d为直径)安排施工顺序;场地中有饱和黏性土,把钻孔灌注桩作为挤土桩,以基桩中心距4.5d安排施工顺序;《建筑桩基技术规范JGJ 94—2008》中基桩最小中心距改为5d是预防饱和黏性土中混凝土拌合物串孔最有效的措施.

双层模糊系统融合中心约束型最小包含球

与传统的TSK模糊系统相比,改进的双层TSK模糊系统CTSK(Central TSK Fuzzy System)有如下优点:良好的可解释性、更好的鲁棒性、较强的逼近能力。但对于大样本或超大样本数据集,其时间复杂度和空间复杂度的开销都极大地限制了它的实用性。针对此不足,通过模糊系统融合中心约束型最小包含球(CCMEB)理论提出了CCMEB-CTSK(CCMEB-based CTSK)算法。该算法在继承CTSK优点的同时,又较好地实现了处理大样本和超大样本数据集的有效性和快速性。仿真实验研究分析了采用不同模糊规则数的CCMEB-CTSK的性能指标和运行时间的比较,以及训练样本不加噪声和加入噪声情况下CCMEB-CTSK泛化能力和鲁棒性能的测试。

两介质波导的最小中心间距

根据波导的耦合模理论,推导出两介质波导单位长度串扰的表达式,并在一定串扰的前提下,定义了两介质波导最小间距和最小中心间距,提出采用最小中心间距做为衡量波导集成度的参量.分析了波导尺寸及折射率差对最小间距、最小中心间距的影响.分析和模拟结果表明:折射率差越大,两波导最小间距、最小中心间距越小;在大折射率差的条件下,两波导最小间距可以降低到1μm以下;在给定的工作波长、折射率分布的条件下,两介质波导的最小中心间距存在最小值.

基于智能算法的齿轮副传动优化设计

为对两级渐开线圆柱齿轮减速器的齿轮结构进行优化设计,根据齿轮强度计算标准和机械结构优化设计的相关理论,分析了对齿轮接触强度和弯曲强度较大有影响的参数,以最小中心距为目标函数,以齿轮强度、尺寸等为约束条件,建立了两级渐开线圆柱齿轮传动结构优化的数学模型。基于智能算法(遗传算法)对齿数、模数、螺旋角等参数进行多目标优化,优化后齿轮的最小中心距减少了28.99%,有效的提高了空间利用率。同时该文研究结果可为智能设计、智能制造提供参考。

最小体积二级圆柱齿轮减速器的优化设计

阐述了二级斜齿圆柱齿轮减速器的优化设计,其数学模型的建立是以中心距最小为目标,通过确定设计变量、目标函数和约束条件,编写目标函数及约束函数子程序进行优化计算,提高了设计效率,使齿轮传动既满足使用性要求,又节约材料,降低成本。

关于单滚子直动从动杆共轭凸轮机构最小尺寸问题的讨论

提出了新型单滚子直动从动杆共轭凸轮机构的4种结构型式,研究并解决了其主、副两凸轮轴心间的最小中心距amin(amin 、amin )问题.实质上讲,该问题属于按许用压力角的机构最小尺寸设计问题.

基于最小包含球的领域迁移学习新方法

传统机器学习方法认为不同的学习任务彼此无关,但事实上不同的学习任务常常相互关联。迁移学习试图利用任务之间的联系以及过去的学习经验加速对于新任务的学习。将最小包含球(Minimum Enclosing Ball,MEB)算法与Parzen Windows概率估计公式相结合,提出了一种新的迁移学习算法MEBTL((Minimum Enclosing Ball Trans-fer Learning)。该算法同时结合CVM(Core Vector Machines)理论提出了CCMEBTL(Center Constrained MinimumEnclosing Ball Transfer Learning)算法,其可以在不同领域之间完成大样本的迁移学习。作为验证,将其应用在WIFI数据的室内定位、人脸识别检测上,并取得了较好的效果。

小冲杆试验方法评价1.25Cr0.5Mo珠光体钢的蠕变性能

对1.25Cr0.5Mo珠光体钢的小冲杆蠕变试验结果和传统蠕变试验结果进行比较。试验结果表明小冲杆蠕变试验所获得的中心挠度变形曲线与传统蠕变试验的应变变形曲线是相似的。同时也发现在相同的断裂时间下,小冲杆蠕变试验中所施加的载荷值与传统蠕变试验的应力值的比值在一定载荷范围内为一恒量。在本次研究中,一些在传统蠕变试验中常用的经验公式如Larson Miller法则、Dorn方程、Monkman Grant关系式等被用来分析小冲杆蠕变试验。所得结论与传统蠕变试验的结论是相近的。综上所述,小冲杆试验方法可以用于高温下服役材料蠕变性能的评价。

大样本领域自适应支撑向量回归机

针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(support vector regression,简称SVR)等价于中心约束最小包含球(center-constrained minimum enclosing ball,简称CC-MEB)以及相似领域概率分布差异只与两域各自的最小包含球中心点位置有关的理论新结果,提出了针对大数据集的领域自适应核心集支撑向量回归机(adaptive-core vector regression,简称A-CVR).该算法利用源域CC-MEB中心点对目标域CC-MEB中心点进行校正,从而提高目标域的回归预测性能.实验结果表明,这种领域自适应算法可以弥补目标域缺失数据的不足,大大提高回归预测性能.

基于样本抽样和权重调整的SWA-Adaboost算法

根据分类算法是依据样本区分度进行分类的原理,提出增加样本属性以提高样本区分度的方法,在样本预处理阶段对所有样本增加一个属性值dmin以加强样本之间的区分度。针对原始Adaboost算法在抽样阶段由于抽样不均而导致对某些类训练不足的问题,采用均衡抽样方法,保证在抽样阶段所抽取的不同类样本的数量比例不变。针对原始算法样本权重增长过快的问题,给出新的权重调整策略,引入样本错分计数量count(n),有效地抑制样本权重增长速度。给出一种改进的Adaboost算法,即SWA-Adaboost算法,并采用美国加州大学机器学习UCI数据库中6种数据集的数据对改进算法与原始算法进行实验对比,结果证明,改进算法SWA-Adaboost在泛化性能上优于Adaboost算法,泛化误差平均降低9.54%。

回转一次直线误差对车削表面影响的精确分析

用数学方法,分析并验证了在车削加工中,当主轴回转轴线作一次简谐直线运动时,对应加工轮廓曲线的“最小区域中心”位置及其运动轨迹,得出了正确的圆度误差和偏心误差值;以及以上圆度误差值与误差运动方向无关的结论。

一种新颖的领域自适应概率密度估计器

传统概率密度估计法建立好密度估计模型后,无法将源域知识传递给相关目标域密度估计模型。提出用无偏置v-SVR的回归函数来表示传统概率密度估计法获得密度估计信息,并说明无偏置v-SVR等价于中心约束最小包含球及概率密度回归函数可由中心约束最小包含球中心点表示。在上述理论基础上提出中心点知识传递领域自适应概率密度估计法,用于解决因目标域信息不足而无法建立概率密度函数的场景。实验表明,此种领域自适应方法进行领域间知识传递的同时,还能达到源域隐私保护的目的。

基于数据分类的领域自适应新算法

一般的机器学习都假设训练数据与测试数据分布相同,而领域自适应算法则是在不同数据分布条件下进行知识传递和学习,在数据挖掘、数据校正、数据预测等领域有着广泛的应用。支持向量机SVM的主要思想是针对二分类问题,在高维空间寻找一个最优分类超平面,以保证最小的分类错误率。CCMEB理论由Tsang I提出的,是一种改进了核向量机CVM的最小包含球算法,在大样本数据集处理上有着较快的速度。而CCMEB理论同样适用于二分类的SVM数据集。将SVM理论、CCMEB理论与概率分布理论相结合,提出了一种全新的基于数据分类的领域自适应算法CCMEB-SVMDA,该算法通过计算各自分类数据组的包含球球心,能够有效地对不同领域数据进行整体校正和相似度识别,具有较好的便捷性和自适应性。在UCI数据、文本分类等数据上对该算法进行了验证,取得了较好的效果。

面向大规模数据属性效应控制的核心向量回归机

属性效应在现实生活中广泛存在,如果不加以控制,将会严重影响回归学习的性能.针对大规模数据属性效应控制的非线性回归学习问题,提出了快速等均值核心向量回归机(fast equal mean-core vector regression,FEM-CVR).首先基于间隔最大化目标学习准则,通过施加等均值约束条件,提出了等均值支持向量回归机(equal mean-support vector regression,EM-SVR).在此基础上,证明了EMSVR等价于一个中心约束最小包含球(center constrained-minimum enclosing ball,CC-MEB)问题,然后通过引入近似最小包含球理论,得到原始输入数据集的压缩集即核心集(core set),进一步提出了针对大规模数据属性效应控制的最小包含球快速非线性回归学习方法 FEM-CVR,并从理论上对相关性质进行了深入分析.实验表明:该方法能够快速处理针对大规模数据属性效应控制的非线性回归学习问题,具有较好的泛化能力,并且其时间复杂度上限与数据集大小无关,仅与最小包含球近似参数ε-有关.

一种使用几何分布的三维网格模型盲水印算法

鲁棒性数字水印作为三维模型版权保护的有效手段近年来被广泛研究;但是现有水印算法存在运算速度慢和抗特定攻击能力差等缺点。该文提出了一种使用几何分布的空域盲水印算法,通过调整网格顶点与最小包围盒中心的距离实现水印的嵌入。实验结果证实提出的算法对仿射变换、数据剪切、数据重排和噪声攻击具有鲁棒性,而且水印嵌入提取速度较快和具有良好的水印透明性。

双卷轴支架设计

特级防火卷帘的双卷轴支架是承载卷轴的关键部件,在防火卷帘的现场设计中,常会出现根据帘面高度变化而重新调整卷轴中心距,设计支架尺寸的情况。为了使防火卷帘的二次设计系统化、规范化,我特归纳整理出了支架尺寸设计的数学模型,以便日常工作使用。

PHC桩基桩布置的灵活运用

通过对相关规范的深入理解,同时结合大量工程实例,研究了布桩设计时调节PHC桩基桩中心距的方法,指出解决问题的关键是采取可靠措施,减小PHC桩施工时的挤土效应。

T91钢焊接接头蠕变性能研究

为了研究T91钢焊接接头各区域的高温力学性能,文中采用传统单轴拉伸蠕变和微型杯突蠕变研究了T91钢及其焊接接头的蠕变性能.根据Monkman-Grant、Norton关系式和Larson-Miller法则分析了微型杯突法蠕变试验和传统单轴拉伸蠕变试验之间挠度与应变、载荷与应力的关系,进而估算材料的剩余寿命.研究结果表明:微型杯突法得出的试样中心挠度曲线具有明显的"三段式"特征;在相同的断裂时间下,微型杯突法蠕变试验所施加载荷值与传统单轴拉伸蠕变试验的应力值关系为F=2.625;微型杯突法蠕变试验获得的中心挠度值与传统单轴拉伸蠕变试验的应变值关系为ε·m=1.539σ·1.

基于大间距思想的虚拟样本优化求解分类算法

在训练样本中,某些类与其他类的一些样本混杂或距离很近,后者被称为边界异类。此时,类中心离边界异类也近,从而影响最小类中心分类器的识别率。基于大间距思想,提出了一种新的分类算法,旨在改进最小类中心分类器。新分类算法为每类求解一个虚拟样本,使其尽可能排斥异类样本,并让每类虚拟样本取代该类中心点做分类。与类中心相比,虚拟样本离边界异类更远,因此增强了分类的可靠性。在CENPARMI手写阿拉伯数字库和Yale B人脸数据库上的实验表明,新分类算法的分类效果优于最小类中心分类器。

回转一次直线误差对车削表面影响的精确分析

用数学方法,分析并验证在车削加工中,当主轴回转轴线作一次简谐直线运动时,对应加工工件轮廓曲线的“最小区域中心”位置及其运动轨迹,得出正确的圆度误差和偏心误差值;以及以上圆度误差值与误差运动方向无关的结论。