球形孔开孔泡沫铝的力学特性及准静态压缩变形机制

对胞孔形态和尺寸较为一致的球形孔泡沫铝开展静-动态压缩实验,利用数字图像相关法研究了泡沫铝在准静态压缩过程中的宏观和介观变形机理。结果表明:球形孔泡沫具有明显的应变率效应,随着应变率的增加,平台应力及屈服强度增加,吸能效率也有所提高。由于胞元壁厚不均匀和孔壁缺陷的随机分布,泡沫铝在压缩过程中会出现多条局部变形带,单个胞孔表面在孔壁缺陷处也会出现应变集中带。胞元孔的变形模式主要有3种,轴向压缩、剪切、扭转加剪切复合变形,且整体变形带处的孔壁破坏模式以剪切变形为主,孔壁的变形模式又与孔壁自身厚度以及加载方向有关。     

“教中问、问中教;学中问、问中学”的课堂教学方法的实践

本文针对大学物理课程教学目标与教学目的,简要介绍"教中问、问中教;学中问、问中学"的课堂教学方法.     

冲击波测试系统低频特性与补偿方法研究

为提高冲击波超压峰值的测量精度，多数学者把重点集中在系统高频特性研究上，以拓宽带宽的方式提高峰值测试的准确性。冲击波另外两个主要参数正压作用时间、比冲量却和测试系统的低频特性息息相关。针对实爆中出现的不同传感器正压作用时间差异较大的问题，对冲击波信号进行了边际谱分析，获得了信号的低频特性。建立了一阶参数模型来表征低频特性，通过激波管试验数据获取了7种系统的低频模型参数。采用零极点配置法设计了低频补偿模型。结果表明:冲击波测试系统低频特性严重影响冲击波信号正压作用时间测试准确性，基于低频特性补偿的数据处理方法可以有效的提高冲击波信号正压作用时间、比冲量地测试精度。     

光纤光栅应用于石蜡内部结构的特性监测

石蜡材料在造型及涂敷过程中,长时间处于熔融状态,与空气接触易氧化变质。为了准确研究石蜡内部结构,利用光纤光栅传感器体积小、外形可变且易于埋入结构内部等特点,设计了基于光纤光栅的石蜡熔-固态温度/应变无损监测系统。实验结果表明,石蜡内部温度从90℃下降至40℃左右时,应变仅改变170με;从40℃下降至25℃时,100min内应变改变750με,并且温度和应变呈线性关系。     

基于形态学的复杂背景目标检测算法的研究

复杂背景下目标检测存在诸多困难,主要为背景对目标检测的干扰,大量噪声存在导致传统导数边缘检测方法的失效等。针对上述两点,提出了分割区域图像、利用形态学方法检测目标的新算法。首先利用目标与背景灰度差异性来确定目标的大致区域,将其分割出来,然后再结合多结构元素法进行目标的精确检测。通过与原图像分割、聚类算法分割实验比较,该算法具有较好的抗干扰性和抗噪性能。     

PA6/PPS共混物介观形貌的DPD模拟

应用耗散粒子动力学(DPD)模拟方法研究了PA6/PPS共混物的介观形貌及动力学演变过程.详细分析了不同比例下PA6/PPS共混物的介观形貌、密度、扩散系数以及界面张力等变化情况,同时还考察了不同剪切速率对体系介观形貌的影响.结果表明,PA6/PPS共混物中随PA6含量的增加,PA6的介观形貌依次出现球状、柱状、层状以及连续相等结构,PA6的扩散系数大于PPS,说明PA6的加入可以改善共混物的加工流动性,这与文献报道的实验结果相一致.同时剪切速率的大小对PA6/PPS体系形貌有着重要影响.     

热分析法与分子模拟技术研究芦丁的热降解机理及其分解动力学

利用热重-微分热重技术测得芦丁在氮气气氛中不同升温速率β下的热分解曲线,使用Achar法、Coats-Redfern法、Kissinger法和Ozawa法4种方法同时进行动力学分析,根据第一步热分解的表观活化能Eα和指前因子A计算推断芦丁在不同温度下的贮存期。研究表明,随着升温速率的提高,芦丁的热分解温度逐渐升高;芦丁三步热分解的机理依次是随机成核与随后生长控制、三维扩散控制、随机成核与随后生长控制,分别对应的函数是Avrami-Erofeev方程、Z.-L.-T.方程和Avrami-Erofeev方程;经Gaussian模拟和热重数据结合分析,芦丁在第一步分解时,失去3个O原子;第二步分解时失去10个O原子;第三步分解时失去烷烃分子链和1个苯环。根据第一步热分解的表观活化能Eα和指前因子A推断,在室温25℃下,芦丁的贮存期为1.5～2年。     

经过改进的求解TSP问题的蚁群算法

介绍了一种求解TSP问题的算法—改进的蚁群算法,算法通过模拟蚁群搜索食物的过程,可用于求解TSP问题,算法的主要特点是:正反馈、分布式计算、与某种启发式算法相结合.通过对传统蚁群算法的改进可以得到较好的结果.计算机仿真结果表明了该算法的有效性.     

波动方程初值问题的解在两类积分中的应用

利用波动方程初值问题解的特点给出了圆域上一类反常二重积分和球面上第一类曲面积分的微分算子级数公式解和定积分公式解.通过举例说明了该方法相对于常规解法的简便实用性.     

基于SVM的客车车型分类

通过支持向量机(SVM)对客车车型的长,宽,高,宽长比等7个特征进行特征选择,得到的准确率最高的子集是长、宽、高、宽长比、宽高比,以它作为样本特征进行分类.对客车的4类车型进行分类,每类车型选择80个样本,50个样本进行训练,30个样本进行预测,结果表明:对1类车型的分类准确率可达到100%,对2类和4类车型可达到96%以上,对3类车可达到93%以上.得到了比选用长、宽、高作为特征进行分类更优的结果.然后运用加入参数寻优的SVM对客车的4类车型进行分类,并加以比较.基于高斯函数的特性,两次用到SVM进行机器学习时,核函数均选用RBF核函数.