直觉模糊模型检测在工程决策上的应用

将直觉模糊Kripke结构扩展到加权直觉模糊Kripke结构,将直觉模糊计算树逻辑诱导到加权直觉模糊计算树逻辑;研究在此之上的直觉模糊期望测度和多属性工程决策问题。用加权直觉模糊Kripke结构的权值自然地刻画了工程问题中的成本和收益,直觉模糊测度量化工程进展的不确定性,用加权直觉模糊计算树逻辑描述不确定性工程属性约束。给出了基于直觉模糊模型检测的多属性工程寻优算法,并讨论了算法的复杂度。     

中子有无电偶极矩?

测量中子电偶极矩的新方法更好地约束了关于宇宙早期对称性破缺的理论。虽然中子整体上是电中性,但它内部电荷的分布也可能并非对称,定量上用电偶极矩(EDM)来描述这种不对称性。有些试图拓展粒子物理学标准模型的理论预言中子EDM非零,而最近一个国际合作组给出了新的测量上限。他们通过测量一团中子跟电磁场的相互作用来得到这一限制。该发现有望帮助理论学家更好地解释宇宙正反物质的不对称。     

超声动载荷下三维随机骨料混凝土的损伤

混凝土是一种由粗骨料与水泥砂浆组成的非均质复合材料。本研究利用APDL语言程序编写三维水泥混凝土骨料随机投放程序并导入ABAQUS中,同时赋予各相材料塑性损伤本构关系来研究混凝土动态加载下的破坏规律,运用超声波在混凝土破碎中的作用机理对混凝土动态损伤破坏过程进行模拟研究。结果表明:随着超声动态载荷的增大,粗骨料体积分数为40%的混凝土始终能够承受最大应力载荷;随着超声应力波幅值增大,混凝土在动载荷下的损伤值逐渐增大,且粗骨料体积分数为40%时,其抗损伤能力最优;当粗骨料最大粒径逐渐增大,或者当粗骨料最小粒径增大,混凝土级配不合理导致性能不稳定,更易损伤破坏。     

基于八面体理论的岩石循环加-卸载本构模型及修正

探究岩石的受力特点及破坏特性是研究岩石地下工程安全性的关键,诸多学者都期望能在岩石本构模型的研究上取得突破性进展。在此背景下,提出了一种能够描述循环加-卸载条件下岩石的本构模型。首先,假设岩石的微元强度服从八面体剪应力理论并且微元破坏服从Weibull概率公式,将岩石本构中的损伤变量以及岩石微元强度表达式里包含的损伤因子进行本构变换,得到关于应力、应变等其他表现加-卸载下岩石损伤本构模型的参数,表示出岩石微元强度和损伤变量,再将得到的岩石微元强度和损伤变量代入所提出的岩石本构模型中,并进行等式变换得到一个函数表达式。通过将其与实验数据进行拟合对比分析,得出修正后的拟合参数,将其代入函数式中,得到损伤本构模型的修正式。最后将拟合参数进行必要的敏感性分析,得出各拟合参数的实际物理意义。     

过载作用下聚乙烯疲劳裂纹扩展行为研究

论文针对中密度聚乙烯材料(MDPE)，采用平板试样进行了I型疲劳裂纹扩展和单次过载下裂纹扩展试验．发现与金属材料类似，单次拉伸过载对聚乙烯(PE)的疲劳裂纹扩展有明显的迟滞作用，降低了裂纹扩展速率．试验还通过变载荷刻线法获取疲劳裂纹扩展前缘的实际形貌和变化规律，对常规变载荷刻线方法进行了调整和验证，其修正方法对高分子材料的疲劳裂纹扩展前缘刻线具有较好的效果．通过观察发现含楔形塑性区的裂尖钝化是裂纹迟滞的主要原因．过载引入的塑性区内残余应力对裂纹迟滞也起了重要作用．论文利用Dugdale模型计算了塑性区尺寸，使用基于残余应力的Wheeler模型对过载迟滞进行了很好的拟合．     

单重工作休假M/M/c排队驱动的流体模型分析

该文在M/M/c排队驱动系统中加入工作休假策略,研究了单重工作休假多服务台排队驱动的流体模型.利用拟生灭过程和矩阵几何解法得到驱动系统稳态队长分布.构建净输入率结构,导出流体模型的稳态联合分布函数满足的的矩阵微分方程组,进而利用Laplace-Stieltjes变换(LST)方法得到稳态下缓冲器库存量的空库概率及均值表达式.最后,给出模型在多信道无线Mesh网下的应用,通过数值例子展示参数变化对系统性能指标的影响.     

Prediction of Concrete Meso-Model Stress-Strain Curves Based on GoogLeNet北大核心CSCD

非均质复合材料的宏观力学性能往往取决于细观组分的分布方式和力学性能，但是建立明确的关系表达式极其困难。为了应对这一挑战，以混凝土为研究对象，提出了一种基于深度学习的策略，能够高效、准确地通过细观模型图像信息获取应力-应变曲线。首先，使用基于卷积神经网络（convolutional neural network，CNN）的GoogLeNet模型进行图像信息识别和提取，并针对应力-应变曲线的复杂性特点，进行了数据预处理操作，并且设计了相应的多任务损失函数。数据集中的细观模型图像采用基于Monte-Carlo的随机骨料模型生成，并且使用数值模拟试验获取对应细观模型的单轴压缩应力-应变曲线。最后，通过对神经网络的训练和测试评估了所提出方法的可行性。结果表明，GoogLeNet模型训练效率和预测精度均优于AlexNet和ResNet模型，具有良好的泛化能力和鲁棒性。     

Lamb波频域逆散射全聚焦成像方法研究

Lamb波因其传播距离远、衰减小常被用于板状结构的无损检测中,在基于Lamb波损伤检测的诸多成像技术中,全聚焦方法(Total Focus Method,TFM)方法因其成像分辨率高、信噪比高而受青睐。然而Lamb波的频散效应导致时域延时量不能被准确计算,进而影响传统TFM方法对损伤定位及成像的精度;此外,既有的TFM方法仅以回波幅值作为成像指标,忽略了Lamb波与损伤的相互作用,故而不能通过损伤表面的物理参数增强成像质量。针对这两个问题,本文首先在时域TFM基础上发展了频域TFM,在计算中纳入频散关系以规避频散的影响;其次以包含明确的损伤特征参数--反射率为成像指标,结合频域TFM方法建立损伤逆散射模型,以实现对损伤的准确成像。仿真和实验结果表明:频域逆散射TFM成像方法能够实现对铝板结构中的损伤检测,在工程实践中具有应用价值。