多产权建筑消防安全隐患成因及安全对策

当前随着城市化的不断发展,多产权建筑不断涌现,通过对多产权建筑常见消防火灾隐患的列举及成因分析,结合实际,从健全消防法律体系、加强日常监管、加大消防安全宣传及加大消防安全投入等方面提出了安全对策。     

非均匀复合材料中裂纹扩展过程的数值模拟

应用有限单元法和最大正应力准则,引入楔形界面过渡层模型,求解相应的特征函数,准确地确定界面裂纹第一步开裂角,模拟了裂纹在非均匀复合材料中的扩展过程。结果表明:裂纹扩展初期呈波浪式前进,并最终沿着与最大正应力垂直的方向前进。这对此类结构的防断控制具有指导意义。     

声自导鱼雷射击模型优化研究

针对小舷角态势下声自导鱼雷射击模型存在的问题,从舰艇辐射噪声特性分析入手,考虑到鱼雷自导作用距离随舷角的变化关系,在原有声自导鱼雷射击模型的基础上提出了二次转角射击模型,仿真计算也表明：优化改进的模型能有效提高鱼雷的发现命中概率。     

弹药木质包装抗冲击振动防护性能的测试研究

各种形式的冲击和振动构成了弹药储运的动态力学环境,它是造成包装破损、弹药零部件损坏和其他质量问题的主因。通过设计实施部分模拟试验并分析冲击和振动响应输出,测试研究了现役木质弹药包装在内置缓冲材料前后的抗冲击振动性能。     

香港办公建筑中空调系统的节能分析

近年来,香港的能耗增长非常迅速,尤其是在商业和办公建筑中电力消费需求的增长更为迅猛.在香港,由于超过一半的电力是由商业和办公建筑所消费的,而空调系统是其最大的能耗终端,因此提高空调系统的能效是为了实现香港的可持续发展所采取的关键措施.利用能耗模拟软件EnergyPlus对影响空调系统能耗的主要因素进行了分析,这些因素包括照明强度、空调房间温度、制冷机效率、风机效率及水泵效率等.根据模拟结果分析,发现在香港的办公建筑中空调系统具有巨大的节能潜力.     

流编程模型下的存储一致性模型

在流编程模型下建立了一个新的存储一致性模型--流一致性模型,它比传统的释放一致性模型更加松弛.讨论了流一致性模型对程序设计和系统设计的要求,给出了一个正确的系统实现,并且指出流一致性模型的编程和实现并不比现有的一致性模型复杂.     

基于分布式转发交换的并行路由器关键技术研究

随着Internet链路速率和IP前缀数目的不断增长,对路由器的转发和交换能力提出了更高的要求.提出一种基于分布式转发交换的并行路由器体系结构,采用多个低速的能够独立转发和交换报文的功能部件构成多级流水线,以流水的方式执行报文转发和交换.对该结构实现关键技术--基于子树映射的IP流水查找机制进行了深入的研究,提出了相应的解决方案,并指出了下一步的研究方向和思路.     

跳跃-滑翔弹道扰动引力自适应网格快速赋值方法

为实现高超声速跳跃-滑翔弹道扰动引力的快速赋值,提出自适应网格赋值模型,并根据反距离加权理论,优化广义延拓逼近算法,对模型的逼近误差进行分析。该赋值模型的网格划分为两级,第一级网格根据标准弹道空域进行划分,第二级网格根据滑翔导弹实际弹道在线生成。根据一级网格节点数据,通过优化广义延拓逼近算法计算二级网格节点数据,最后根据二级单元内插计算实际弹道点的扰动引力值。仿真结果表明:在同等大小的网格划分下,优化广义延拓自适应网格模型的逼近精度高于一般赋值方法;在同等精度要求下,该赋值模型的最大单元格边长大于一般赋值方法,从而减少了单元格划分数量,进而降低弹上数据存储量;针对不同滑翔方向以及不同滑翔距离的跳跃-滑翔弹道,该模型逼近误差对应的落点偏差小于5 m,具有较好的适应性。该赋值模型在满足计算速度的前提下,提高了传统赋值方法的逼近精度,降低了弹上存储量,具有一定的工程应用价值。     

舰炮身管的模态分析与多目标优化

舰炮的炮口扰动是影响舰炮射击精度的重要因素。为了减少舰炮的炮口扰动,优化身管结构,建立了柔性身管的ABAQUS有限元模型,将有限元模型的模态计算值与模态试验值进行比较,发现建立的柔性身管有限元模型是合理可行的。提出了混沌量子粒子群算法与动力学联合优化的方法,进行身管和炮口的多目标优化。优化结果表明,优化后炮口中心的线速度、角速度和角位移与优化前相比显著减小,身管质量有所降低,结构更加合理,该优化方法有效可行,为下一步全炮总体优化设计提供了一定的借鉴。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。