摘要：为确定钢桥面板限载的合理取值,建立钢桥面板多尺度有限元模型,利用动态称重(WIM)和Monte Carlo方法生成随机车流样本并进行有限元模型动态加载,通过雨流计数法获取钢桥面板随机疲劳应力谱,基于可靠度理论和疲劳累积损伤理论计算钢桥面板典型细节疲劳可靠度,提出基于疲劳可靠度的钢桥面板限载取值方法;以某跨海斜拉桥钢桥面板为例,基于连续12个月的WIM数据,分别对钢桥面板典型细节进行疲劳可靠性评估,考虑交通量和荷载水平的线性年增长系数,确定了不同交通状况下钢桥面板的限载取值。研究结果表明:当前交通状况下钢桥面板疲劳可靠度指标均高于目标疲劳可靠度指标;交通量和荷载水平对钢桥面板疲劳可靠度指标影响较大,考虑交通量线性年增长系数为2.0%或荷载线性年增长系数为0.4%时,钢桥面板部分细节在设计使用年限内疲劳可靠度指标低于目标疲劳可靠度指标;考虑交通量线性年增长系数为3.0%且荷载线性年增长系数为0.6%时,当前49.0 t限载条件下细节疲劳可靠度指标低于目标疲劳可靠度指标,设置限载为36.5 t时疲劳可靠度能够满足疲劳安全要求;当前荷载水平下行车道最大日均货车交通量为3 820 veh,运营过程中交通量增加显著时应加强钢桥面板疲劳损伤检测,必要时采取车辆分流或桥梁限载措施。

摘要：传感图像采集因曝光而损失图像特征,导致特征错误挖掘率高和精准率召回率(Precision-Recall,PR),曲线表现较差,针对该问题,提出一种新的传感图像特征快速挖掘算法。该方法将参数化修正线性单元函数作为激活函数,融合修补图和输入图像,并在训练阶段使用L1损失函数和结构相似性指数(Structural Similarity Index,SSIM)损失函数约束图像,采用softmax回归挖掘图像特征,构建卷积神经网络传感图像特征挖掘结构,在训练过程中,使用自适应梯度更新结构参数,设计挖掘步骤,实现传感图像特征快速挖掘。实验结果表明,设计的卷积神经网络图像特征挖掘方法的PSNR值较高、SSIM值接近1,错误挖掘率为1.0%,PR曲线最接近右上角,面积最大,并且图像视觉效果更好,特征挖掘时间最高仅为1.3 s,实现了快速挖掘。

摘要：[目的/意义]基金项目科学产出的评估与预测有助于优化基金资助效果、提高科学研究质量,对于科研管理部门优选布局方向、优化资源配置等工作具有一定的理论和实践指导意义。[方法/过程]首先,基于LDA模型识别出基金及其资助论文中蕴含的研究主题;然后,提出主题资助金额、主题资助期限、主题热度、主题质量和主题影响力5个指标,设计了基金资助的科学产出主题综合评估模型;在此基础上,基于深度学习算法提出了科学产出主题预测模型;最后,以美国国家科学基金会社会与经济科学部资助的基金及其产出的论文数据为例进行了实证研究。[结果/结论]通过实证,美国国家科学基金社会和经济学部投入产出比较高的科学产出主题主要有政策与环境、科研发展与实践、健康与社会发展等,验证了方法的可行性和有效性。本文研究对于优化基金资助效果、提高科学研究质量以及科研管理部门优选布局方向、优化资源配置等具有一定的理论和实践指导意义。

摘要：为了提高聚类集成效果,本文设计了一种对点、簇、划分进行加权的统一框架,提出一种三层加权文本聚类集成方法。首先根据基聚类生成超图邻接矩阵,然后依次对点、簇、划分进行加权获得加权邻接矩阵,最后用层次凝聚聚类算法获得最终结果。在多个真实文本数据集上进行实验,结果表明,与未加权及其他层面加权相比,三层加权方法可以获得更好的聚类效果,三层加权相较于未加权的平均提升幅度为12.02%;与近年来的其他8种加权方法相比,该方法在所有数据集上的平均排名位列第一,验证了本文方法的有效性。

摘要：针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函数代替YOLOX中的GIoU损失函数,优化了训练模型,提高了收敛的速度;优化设计了YOLOX算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度;在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原YOLOX算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。

摘要：Hadoop是公认的行业大数据标准开源软件,因其在分布式环境下具备海量数据处理能力,目前在肺部结节随访系统中应用广泛。然而,Hadoop分布式文件系统(HDFS)在设计之初是为了解决大文件存储与计算问题,对海量数目的小文件存储与检索存在性能低下、主节点NameNode内存占用率高等问题。为此构建一种改进的HDFS数据布局存储方案HFS,通过在NameNode中加入文件处理识别模块实现小文件元数据向SecondnameNode和DataNode集群的迁移;同时设计出DataNode间数据流动的算法,有效降低了NameNode节点的处理压力。分别基于HFS和单一HDFS对肺部结节随访系统进行测试,实验结果表明在NameNode内存占有率和整体数据分析时间等方面,基于HFS的肺部结节随访系统具备明显优势。

摘要：干气密封的核心技术在于微米级槽型的加工,密封槽型的理论深度hg一般为3~10μm、粗糙度Ra≤0.8μm,目前的主流开槽方式为激光加工,但其实际加工精度与理论研究存在较大差距,严重影响了干气密封的实际使用效果。本工作通过采用超快激光加工技术,以碳化硅(SiC)材料为实验对象,实现了槽深幅值波动区间为2μm、最大粗糙度为0.59μm水平的槽型精密加工,提出了以材料气化阈值对应最小激光能量为基准的超快激光精密加工工艺思路。同时结合有序造型设计方法,得到了有序性好、规整度高的有序造型槽型结构,微尺度织构间距的最大误差仅为2.5%。该技术较传统工艺方法的加工时间缩短约30%,实现了适用于实际工业应用的低成本、高效率的有序造型激光定向加工技术。最后提出了基于同一检测手段下的平均多处随机检测均方差的质量检测评价方法,可对干气密封开槽质量及深度进行科学认定,研究结果可为进一步提高干气密封的加工制造水平、降低成本提供理论和技术支持。

摘要：为了抑制机枪系统结构振动并提高其射击精度,根据某12.7 mm重机枪发射过程中结构变形特性,设计了3种结构支撑方案(枪管结构局部加强,机枪系统整体前、后支撑)。并借助刚柔耦合动力学、外弹道理论对各方案枪口动力学响应特性、射弹散布进行计算。研究结果表明:对枪管结构进行局部刚度加强时,不仅无法减少枪口振动,还会增加枪管变形,该方案并不可行。机枪系统整体前、后支撑方案均能够显著抑制枪口以及枪身振动,并且连发过程中,弹头初始扰动稳定速度较快,波动程度较小,可分别将射击精度参数R_(100)提高54%、44%左右,R_(50)提高6%、84%左右。

摘要：【目的】植被检测是城市生态研究的重要手段,然而由于遥感图像中植被存在阴影区域、遮挡区域以及色彩上的畸变等,导致当前的植被检测精度较低。基于遥感卫星影像,采用深度学习技术快速有效地检测出城市中的植被区域,为植被资源统计等相关研究提供依据。【方法】选用深度卷积神经网络模型,对高分辨率遥感影像中的植被区域进行检测。对不同的优化器,通过设置不同的卷积核大小,对精度进行对比分析。最后对网络层数进行研究,对设置合适网络层数进行分析,用构造的深度卷积神经网络在实验数据上进行植被区域检测。【结果】利用卷积神经网络处理二维图像时,无需手动提取特征,进行简单少量的预处理后,直接把图像输入到CNN模型中进行训练,即可实现图片的识别分类功能。降低了预处理的难度,同时局部感知和权值共享大幅度地减少了参数量,加快了计算速度。次抽样还能保证图像处理后的平移、旋转、缩放和拉伸的不变性。解决了传统方法计算量和样本量大、结构复杂以及费时的缺点。在采集到的高分辨率紫金山区域的遥感图像中,通过设计的多层卷积神经网络模型对区域中的植被资源进行分析,对比和研究不同的优化器、卷积核和网络层数,植被检测精度达到95.4%,明显高于当前众多植被检测算法。【结论】在深度学习中,目标检测的精度依赖于网络的结构设置,通过对优化器、卷积核以及网络层数进行设定,可以明显提高目标检测效率和精度。

摘要：为提高车身优化效率,在新车型概念开发阶段基于CATIA SFE CONCEPT构建了某参考车型隐式参数化车身模型,利用该参数化模型完成了车身模态、刚度等综合性能的计算,并与性能试验结果进行了对比,验证了该模型的有效性。在此基础上,基于车身概念造型面及主断面,对车身参数化模型进行拟合,利用灵敏度、试验设计及近似模型等优化策略对拟合车身进行多学科集成优化,实现了“仿真驱动设计”的理念,获得了产品的轻量化设计方案。优化结果表明,在白车身弯曲、扭转刚度和模态频率等综合性能基本不变的情况下,实现优化降重15 kg(轻量化率达4.51%),轻量化效果明显,提升了产品研发效率。