搭接是纤维增强复合材料(FRP)的重要连接方式,长期性能是该技术实际工程应用的关键.对不同恒定应力和湿度状态下混杂FRP (HFRP)双搭接接头的剪切蠕变性能进行了试验研究.试验观测到了明显的蠕变变形,测定了蠕变与恒定应力及湿度的关系.进一步采用分数阶导数流变模型对试件的蠕变进行模拟.根据模型所包含的Mittag-Leffler函数的性质采用了改进的Powell优化算法,并确定了合理的初值,结合试验曲线拟合得到模型各参数值.根据搭接接头蠕变的特点,在经典分数阶流变模型中引入了表征应力水平对搭接接头非线性蠕变特性影响的函数,提出了一种改进的分数阶蠕变柔量计算公式.研究结果表明,该流变模型能够采用简单的表达形式和较少的参数对试件的非线性蠕变行为进行拟合,在30%~70%恒定应力范围内准确模拟了双剪搭接接头的蠕变曲线

公式是冷轧最常用的轧制压力模型之一,为提高模型精度,对该公式进行了分析。根据实验资料的校核和上机计算表明,影响压力分析的重要因素之一——外区的影响未予考虑,使在某范围内给出的值偏低,所用的摩擦规律未被实验证实,而且在大压下量薄轧件轧制时,给出的值偏高。分析计算结果表明公式不能在所有轧制情况下与实际相符,且作者提出的一些论点也值得商榷

呵呵现在任给一函数f(x),我们怎么知道小波级数可以无限逼近这个函数呢 我们想象任给beta>0,可以将f(x)曲线按每beta长度分成很多小段,对应很多点 若我们可以用一函数g(x)来拟合这些点,那么g(x)和(x)在任意x上的误差将小于beta 若点数量为2^n个那么我们就可以分别用^(n-1)个L波和2^(n-1)个H波拟合 然后可将L波再分解,最后得到一棵树(分解的级数由你决定)

为减少制备硅酸钙板对矿物原浆资源的损耗和提高对固体废弃物的协同利用效果, 试验以电石渣-煤基固废胶凝体系为原料来研制高强度的纯固废硅酸钙板, 并通过热重-差示扫描量热法、X射线衍射测试来分析硅酸钙板中生成的主要矿物成分及不同配比对硅酸钙板的强度变化关系.研究表明: 在水灰比为0.3的条件下, 使用电石渣完全替代水泥, 将粉煤灰和硅灰按1:1的质量比互掺调制所得的混合胶凝体系最终制得托贝莫来石型纯固废硅酸钙样板.在硅灰占原料的质量分数为0~10%范围内, 样板抗折强度随硅灰添量增加而升高, 硅灰添量为10%时样板达到最大抗折强度, 不同粒径的原料颗粒相互填充, 板内晶体与水化胶凝体相互咬合, 最终使得样板力学性能得到大幅提升; 样板的抗折强度随着NaOH添量的增加呈现先增后降的趋势, NaOH添加质量分数为4%时样板板面平滑, 强度达到最大值11.8 MPa, 该添量为NaOH的最佳添量, 通过扫描电镜分析发现加入4% NaOH时对该胶凝体系的水化反应起到最佳激发作用, 且样板料坯的微观结构对其最终的力学性能有重要影响, 但不起决定性作用, 其中决定其最终强度的是板坯内水化胶凝体的数量、形态以及其相互间的联结方式

一、随机变量及其分布 二、离散型随机变量的分布函数 三、离散型随机变量的概率函数 四、连续型随机变量及其概率密度 五、随机变量的函数的分布

一、在层次聚类分析中,输入中不指定要分成的类的个数。系统的输入为(X,s),系统的输出是类的层次。 二、大多数层次聚类过程不是基于最优的思想, 而是通过反复的分区直至收敛,找出一些近似的、未达最优标准的解决方案。 三、层次聚类算法分为:分裂算法和凝聚算法

低阶煤的高值化利用对拓宽能源途径,提高能源效率和解决环境问题具有重要意义.以N-甲基吡咯烷酮为有机溶剂,对4种低阶煤进行热萃取,获得低灰分、高挥发分的热溶煤产物.通过热重分析研究了热溶煤的燃烧特性,并利用拉曼光谱分析,对比了原煤与热溶煤碳结构的变化规律.结果表明:与原煤相比,热溶煤的灰分含量明显降低,挥发分含量增高,固定碳含量减少,热值增大.其中KL、GD和ZS 3种热溶煤的H/C原子比大于原煤,XB的热溶煤小于原煤.KL、GD和ZS 3种热溶煤的峰强度(ID/IG)和峰面积(AD/AG)的比值大于相应的原煤,其有序化程度减小,结构缺陷增多,相应的其热溶煤的燃烧反应性增大.而XB热溶煤的ID/IG和AD/AG的值小于相应的原煤,有序化程度增大,燃烧反应性降低

8.1 共价键 8.2 杂化轨道理论和分子的几何构型 8.3 分子间力

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

一、正交分解和随机信号的表示 二、随机信号的 Fourier正交分解 三、随机信号的K-L正交分解