教学课程资源库 更多>>

关键词： 离散变量   拓扑优化   渐进结构优化(ESO)   岸桥   斜撑布置   优化设计  

摘要： 基于离散渐进结构拓扑优化方法,优化了岸桥门框支撑斜杆布局。对于研究的岸桥刚架结构,给定一个初始基结构,该基结构由若干杆件及节点组成,每个节点由若干杆件交汇而成。根据渐进结构优化法,研究给定设计域离散变量(杆件)单向删减操作,形成具有较低应变能的拓扑结构算法。应用离散杆系单元单向删减策略,在4种典型工况下,对岸桥门框基结构进行拓扑优化,给出斜撑的合理布局。

关键词： 等级结构   竞争关系   稳定性   非负矩阵   Lyapunov函数  

摘要： 研究一类具有离散等级结构的两种群竞争系统模型。首先,证明了解的有界性;然后,定义了两种群的基本再生数,并分析了正平衡态的存在性;接着,运用本原矩阵的特征值理论导出零平衡态的稳定性条件;最后,通过构造Lyapunov函数,获得了全局稳定性判据。

关键词： 离散元方法   连接键   重叠颗粒   异步长   连续介质  

摘要： 为了提升离散元法处理连续介质问题的计算效率,提出一种基于重叠颗粒的离散元分区异步长计算方法来处理连续介质问题。该方法采用颗粒分割将连续介质划分为若干子分区,各分区采用velocity-Verlet积分格式求解运动方程。相邻分区通过重叠颗粒构成局部耦合区域,边界数据传递过程中不涉及插值和截断过程。数值算例表明,该方法在保证高精度的同时有效地降低了计算时间。在实际应用中可以有针对性地将连续介质划分为不同尺度颗粒的分区,根据问题规模及分区颗粒尺度特性采用不同时间步长,节省存储空间且大幅提升计算效率。

关键词： 数字化赋能   市场进入   工业互联网平台   结构化离散博弈模型   双边市场理论  

摘要： 为了探讨我国工业企业互联网平台赋能决策的机理,本文从“制造业”及“信息传输、软件和信息技术服务业”企业进入工业互联网平台市场的企业决策视角,在产业组织的双边市场理论指导下,依据我国工业互联网平台市场发展实践,建立结构化离散博弈模型研究微观企业属性、行业特征和市场环境等因素促进我国制造业企业数字化赋能的决策机理,并进行实证检验。研究发现,企业构建工业互联网平台不仅是个体企业的经济选择结果,更是其所在行业所有企业共同决策的博弈均衡;双边市场网络外部性可助力企业数字化赋能,但市场进入壁垒呈现显著的所有制偏向。因此,在工业企业的互联网平台建设过程中要因地制宜,因企施策,不能一蹶而就;同时,须深化现代互联网信息技术与企业传统生产技术的均衡融合,在流程再造中充分发挥两类技术的协同效应。

关键词： 认知障碍   机器学习   扩散加权成像   神经突密度   方向离散度  

摘要： 目的采用神经突方向离散度和密度成像(NODDI)结合机器学习算法,研究遗忘型轻度认知障碍(aMCI)脑微观结构的改变。方法搜集26例aMCI患者和24例健康对照者,进行磁共振扩散序列扫描,采用NODDI_toolbox对扩散数据进行处理,获得NODDI参数神经突密度指数(NDI)、方向离散度指数(ODI)和各向同性水分子体积分数(Viso),基于约翰霍普金斯大学脑白质图谱,制作11个脑白质结构的模板,包括双侧扣带束、胼胝体膝部和压部、双侧内囊后肢、双侧上纵束、双侧钩束和穹窿的模板,基于解剖学自动标记模板(AAL),制作14个脑灰质结构的模板,包括双侧海马、双侧海马旁回、双侧杏仁核、双侧尾状核、双侧苍白球、双侧壳核、双侧丘脑的模板,提取模板的NDI、ODI和Viso值,应用K最近邻(KNN)、Logistic回归(LR)、随机森林(RF)、支持向量机(SVM)机器学习算法评估NODDI各参数对aMCI的预测能力;并对提取值进行独立样本t检验,具有统计学差异的结构与简易智能状态检查量表(MMSE)和蒙特利尔认知评估量表(MoCA)评分进行相关性分析。结果采用KNN、LR、RF、SVM机器学习算法,所有模板NDI值预测aMCI的受试者工作特征(ROC)曲线下面积(AUC)分别是0.781、0.719、0.833、0.766,所有模板ODI值预测aMCI的AUC分别是0.891、0.859、0.914、0.922;所有模板Viso值预测aMCI的AUC分别是0.914、0.891、0.922、0.891;所有模板NODDI所有参数(NODDI_all)预测aMCI的AUC分别是0.938、0.922、0.969、0.953;在白质结构中,aMCI组有45.45%(5/11)的NDI值显著降低,18.18%(2/11)的ODI值显著降低,27.27%(3/11)的Viso值显著增加;在灰质结构中,aMCI组有7.14%(1/14)的NDI值显著降低,71.43%(10/14)的ODI值显著降低,14.29%(2/14)的Viso值显著增加;相关性分析,右侧钩束NDI值,左侧上纵束、右侧海马、左侧尾状核、左侧苍白球ODI值,双侧扣带束、左侧海马Viso值均与MMSE评分相关;胼胝体压部、双侧钩束、左侧杏仁核NDI值,左侧上纵束、双侧海马、双侧海马旁回、左侧尾状核、左侧苍白球、左侧壳核、双侧丘脑ODI值,双侧扣带束、左侧海马Viso值均与MoCA评分相关。结论MCI阶段脑白质微观结构以神经突密度降低为主,灰质微观结构以树突复杂性降低为主,NODDI可能能够反映aMCI的临床认知状态,NODDI结合机器学习算法,有望成为aMCI早期诊断的新方法。

关键词： 大科学装置   超导   高场强和高场质量   离散余弦型线圈   二极磁体  

摘要： 介绍了粒子加速器中超导二极试验磁体中离散余弦型(DCT)超导线圈的电磁设计、线圈制作和验证测试过程。

关键词： 滴灌   叠片过滤器   离散型流道   水头损失   过滤性能  

摘要： 在叠片过滤器中,叠片流道的结构决定着其工作性能。为提高叠片过滤器的水力性能和过滤性能,设计了一种离散型流道新型叠片过滤器,并与直线型流道传统叠片过滤器进行对比。通过室内模型试验,研究了两种叠片过滤器的水头损失、除沙率、拦沙量、拦截泥沙粒径分布等指标。结果表明:清水条件下离散型流道新型叠片过滤器最大水头损失为2.34 m,传统叠片过滤器为3.46 m,前者比后者小32.3%~50.0%;含沙水条件下,两种叠片过滤器拦沙量与流量呈负相关关系,随着流量的增加,过滤器拦截泥沙量逐渐减少,前者平均除沙率为18.94%,后者为15.15%;离散型流道新型叠片过滤器的有效过滤周期长、水头损失峰值低,且对细粒径泥沙的拦截效果较好。综上所述,离散型流道新型叠片过滤器与直线型流道传统叠片过滤器相比,具有较好的水力性能和过滤性能。

关键词： 冰碛体   力学特性   变形破坏   大型三轴试验   离散元  

摘要： 基于凸多面体顶点和面之间的拓扑关系,利用python语言编制三维随机块石生成程序,对生成的块石填充土体进而形成冰碛体数值模型。采用块体离散元程序对不同冰碛体试样进行了大型三轴试验模拟,研究了空间分布、围压大小和块石含量对冰碛体力学特性及变形破坏的影响。数值模拟结果表明,在三轴加载下,冰碛体试样发生剪胀现象,破坏后的剪切带表现出一定的绕石现象,形态上呈非对称的X形分布且受块石含量、空间分布、围压大小共同影响。冰碛体强度随着围压的增大而增大,侧面鼓胀随围压增大而减小,当围压大于800 kPa时,冰碛体在破坏后表现出应变硬化;随着含石量由5%增至35%,冰碛体黏聚力提高了68.21 kPa,内摩擦角提高了8.63°,内部块石分布造成的强度差异由0.03%增长到7%。其中含石量15%~30%阶段,抗剪强度参数急剧增大,块石对土颗粒约束增强,冰碛体由“块石悬浮”转变为“土石密实”,其余阶段黏聚力和内摩擦角缓慢增大。

关键词： 多块可分离的非凸优化问题   Bregman度量   随机交替方向乘子法   渐进收敛性   支持向量机  

摘要： 针对具有多块可分结构的非凸优化问题提出了一类新的随机Bregman交替方向乘子法,在周期更新规则下,证明了该算法的渐进收敛性;在随机更新的规则下,几乎确定的渐进收敛性得以证明。数值实验结果表明,该算法可有效训练具有离散结构的支持向量机。

关键词： 哈希方法   两步哈希   流形学习   跨模态检索  

摘要： 跨模态哈希检索以其存储消耗低、检索效率高引起广泛关注.现有研究仍存在如何保持标签语义和语义信息损失问题.为此,本文提出了一种新颖的标签结构保持离散哈希方法LSPDH(Label Structure Preserving Discrete Hashing),该方法将哈希学习分为哈希码学习和哈希函数学习两步.哈希码学习中,不同于其他使用流形学习提取多模态数据特征的方法,本文方法则运用流形学习提取标签信息的局部结构并在汉明空间中保持,同时将标签信息映射到哈希码矩阵,融入哈希码学习过程,来降低构建流形相似度矩阵所造成的语义信息损失;哈希函数学习中使用了核函数来获取数据间的非线性关系.最后,通过三个基准数据集上与近期跨模态哈希方法对比实验,验证了提出方法的有效性.