|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
一種基于逆向子結(jié)構(gòu)的有限元模型修正方法
本發(fā)明公開(kāi)了一種基于逆向子結(jié)構(gòu)的有限元模型修正方法。該 方法包括以下步驟：首先，測(cè)量實(shí)際工程結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)，建立整體 結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)；通過(guò)獨(dú)立子結(jié)構(gòu)試驗(yàn)?zāi)B(tài)參數(shù)和整體結(jié)構(gòu)試驗(yàn)?zāi)B(tài) 參數(shù)之間的關(guān)系，將整體結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)分解為獨(dú)立子結(jié)構(gòu)的試驗(yàn)?zāi)?態(tài)；然后，基于獨(dú)立子結(jié)構(gòu)的試驗(yàn)?zāi)B(tài)建立目標(biāo)函數(shù)，調(diào)整獨(dú)立子結(jié) 構(gòu)參數(shù)，使目標(biāo)函數(shù)最小化，獲取子結(jié)構(gòu)最優(yōu)結(jié)構(gòu)參數(shù)，根據(jù)所述最 優(yōu)結(jié)構(gòu)參數(shù)修正獨(dú)立子結(jié)構(gòu)有限元模型；最后，根據(jù)結(jié)構(gòu)損傷前后有 限元模型結(jié)構(gòu)參數(shù)的變化完成結(jié)構(gòu)損傷識(shí)別。本發(fā)明通過(guò)修正獨(dú)立子 結(jié)構(gòu)模型，避免
華中科技大學(xué)
2021-04-14
考慮熱量積累效應(yīng)的相變存儲(chǔ)器單元 SPICE 模型系統(tǒng)及應(yīng)用
本發(fā)明公開(kāi)了一種相變存儲(chǔ)器單元 SPICE 模型系統(tǒng)，包括：?jiǎn)?元電阻模擬模塊，用于模擬相變存儲(chǔ)器單元電阻；溫度計(jì)算模塊，用 于針對(duì)施加的連續(xù)脈沖序列，計(jì)算每個(gè)脈沖信號(hào)結(jié)束時(shí)刻考慮脈沖信 號(hào)下熱量積累效應(yīng)的存儲(chǔ)器單元相變層溫度；晶化速率計(jì)算模塊，用 于計(jì)算單位時(shí)間內(nèi)發(fā)生晶化的相變層體積；非晶化速率計(jì)算模塊，用 于計(jì)算單位時(shí)間內(nèi)發(fā)生非晶化的相變層體積以及相變模塊，用于選擇 晶化速率或非晶化速率計(jì)算非晶化率。本發(fā)明還公開(kāi)
華中科技大學(xué)
2021-04-14
多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運(yùn)動(dòng)參數(shù)的方法
本發(fā)明公開(kāi)了一種多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運(yùn)動(dòng)參數(shù)的方法，包括：從造影圖序列的醫(yī)學(xué)圖像中自動(dòng)選取 I 個(gè)血管結(jié)構(gòu)特征點(diǎn)，并分別對(duì)這些特征點(diǎn)在整個(gè)造影圖序列中進(jìn)行自動(dòng)跟蹤，以得到每個(gè)特征點(diǎn)的跟蹤序列，利用離散傅里葉變換對(duì)每個(gè)特征點(diǎn)的跟蹤序列進(jìn)行處理，以生成離散傅里葉變換結(jié)果 Si(k)，初始化迭代參數(shù) j＝0，并獲取離散傅里葉變換結(jié)果 Si(k)中各頻點(diǎn)的幅度和頻率范圍，在各頻點(diǎn)的幅度和頻率范圍中對(duì)該頻點(diǎn)的跟
華中科技大學(xué)
2021-04-14
一種云環(huán)境下基于信任模型的跨租戶訪問(wèn)控制方法
本發(fā)明公開(kāi)了一種云環(huán)境下基于信任模型的跨租戶訪問(wèn)控制方 法，針對(duì)云計(jì)算多租戶架構(gòu)特點(diǎn)，實(shí)現(xiàn)一個(gè)租戶的用戶經(jīng)過(guò)相應(yīng)授權(quán) 可以訪問(wèn)其他租戶的資源，解決租戶之間協(xié)作帶來(lái)的資源安全性和隱 私性問(wèn)題。通過(guò)定義兩種類型的租戶信任關(guān)系，將租戶信任關(guān)系概念 引入訪問(wèn)控制模型中，反映在兩個(gè)租戶之間的訪問(wèn)控制需求。通過(guò)模 型元素的定義和模型函數(shù)的形式化描述，構(gòu)造了租戶信任模型，以適 應(yīng)云計(jì)算多租戶的特點(diǎn)，實(shí)現(xiàn)跨租戶訪問(wèn)控制。
華中科技大學(xué)
2021-04-14
基于本體模型的網(wǎng)絡(luò)化控制系統(tǒng)入侵檢測(cè)方法及系統(tǒng)
本發(fā)明公開(kāi)了一種基于本體模型的網(wǎng)絡(luò)化控制系統(tǒng)入侵檢測(cè)方法及系統(tǒng)。該方法構(gòu)建網(wǎng)絡(luò)化控制系統(tǒng)本體模型，基于該模型進(jìn)行入侵檢測(cè)，并權(quán)衡決策后得到最終檢測(cè)結(jié)果。系統(tǒng)包括主節(jié)點(diǎn)，多個(gè)從節(jié)點(diǎn)，和負(fù)責(zé)消息傳遞的工業(yè)通信網(wǎng)絡(luò)；主節(jié)點(diǎn)負(fù)責(zé)完成自身的主機(jī)活動(dòng)審計(jì)數(shù)據(jù)的收集、所有網(wǎng)絡(luò)報(bào)文的收集、主節(jié)點(diǎn)對(duì)應(yīng)的控制閉環(huán)流的檢測(cè)、控制對(duì)象檢測(cè)、整個(gè)系統(tǒng)所有節(jié)點(diǎn)主機(jī)活動(dòng)審計(jì)數(shù)據(jù)的檢測(cè)、網(wǎng)絡(luò)活動(dòng)檢測(cè)以及檢測(cè)結(jié)果的協(xié)調(diào)；各從節(jié)點(diǎn)負(fù)責(zé)完成該節(jié)點(diǎn)對(duì)
華中科技大學(xué)
2021-04-14
山體背景熱場(chǎng)模型約束的地下熱源晝間遙感探測(cè)定位方法
本發(fā)明公開(kāi)了一種山體背景熱場(chǎng)模型約束的地下熱源晝間遙感·769·探測(cè)定位方法，屬于遙感技術(shù)、自然地理和模式識(shí)別的交叉領(lǐng)域，意在于對(duì)山體背景進(jìn)行熱場(chǎng)仿真，得到山體背景的熱場(chǎng)模型，以熱場(chǎng)模型為約束，對(duì)原始遙感紅外圖像進(jìn)行背景濾波，清晰的揭示地下目標(biāo)所在的位置。本發(fā)明包括山體背景熱場(chǎng)模型建立步驟、山體背景熱場(chǎng)8 位到 16 位映射步驟、利用映射后的山體背景熱場(chǎng)模型進(jìn)行背景濾波步驟、地下目標(biāo)空間約束均值聚類探測(cè)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于近鄰原則合成情感模型的說(shuō)話人識(shí)別方法
本發(fā)明公開(kāi)了一種基于近鄰原則合成情感模型的說(shuō)話人識(shí)別方法，包括：(1)訓(xùn)練出參考語(yǔ)音和用戶中性語(yǔ)音的模型；(2)提取GMM參考模型的中性-情感高斯分量映射集；(3)提取與用戶的中性訓(xùn)練高斯分量鄰近的若干中性參考高斯分量映射的情感參考高斯分量；(4)合成出用戶的情感訓(xùn)練高斯分量，進(jìn)而得到用戶的情感訓(xùn)練模型；(5)合成出所有用戶的GMM訓(xùn)練模型；(6)輸入測(cè)試語(yǔ)音進(jìn)行識(shí)別。本發(fā)明采用基于KL散度的近鄰原則從語(yǔ)音庫(kù)中提取若干與用戶的中性訓(xùn)練語(yǔ)音相似的參考語(yǔ)音，用參考語(yǔ)音中的情感參考語(yǔ)音合成出用戶的情感訓(xùn)練語(yǔ)音，改善了在訓(xùn)練語(yǔ)音與測(cè)試語(yǔ)音失配情況下說(shuō)話人識(shí)別系統(tǒng)的性能，提高了說(shuō)話人識(shí)別系統(tǒng)的魯棒性。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
基于聚類分析的復(fù)合材料結(jié)構(gòu)有限元模型修正方法
本發(fā)明提供了一種基于聚類分析的復(fù)合材料結(jié)構(gòu)有限元模型修正方法，建立初始有限元分析模型，測(cè)得結(jié)構(gòu)的實(shí)驗(yàn)?zāi)B(tài)頻率和模態(tài)振型，計(jì)算待修正參數(shù)的相對(duì)靈敏度矩陣，利用分層聚類算法對(duì)待修正參數(shù)進(jìn)行參數(shù)分組，再對(duì)聚類參數(shù)進(jìn)行相對(duì)靈敏度分析，選擇各參數(shù)中相對(duì)靈敏度平均值最大的聚類參數(shù)進(jìn)行修正，構(gòu)造分析模型的模態(tài)頻率和實(shí)測(cè)模態(tài)頻率的殘差向量，建立分析模型修正所需的目標(biāo)函數(shù)，構(gòu)建目標(biāo)函數(shù)的優(yōu)化反問(wèn)題對(duì)復(fù)合材料結(jié)構(gòu)的有限元模型進(jìn)行修正。本發(fā)明結(jié)合數(shù)值模擬、試驗(yàn)和優(yōu)化技術(shù)，采用參數(shù)的相對(duì)靈敏度矩陣進(jìn)行聚類分析，減少待修正參數(shù)數(shù)量，提高修正程序穩(wěn)定性，為工程應(yīng)用提供了一種準(zhǔn)確的基于數(shù)值模擬、試驗(yàn)和優(yōu)化相結(jié)合的復(fù)合材料等效有限元模型參數(shù)修正方法。
東南大學(xué)
2021-04-11
大學(xué).jpg){kind=logo}
基于多模態(tài)融合模型的平板顯示視覺(jué)舒適度預(yù)測(cè)方法、系統(tǒng)
本發(fā)明涉及顯示技術(shù)與人機(jī)交互交叉領(lǐng)域，提供基于多模態(tài)融合模型的平板顯示視覺(jué)舒適度預(yù)測(cè)方法、系統(tǒng)，其中方法包括：步驟一、采集原始圖像集，針對(duì)每一原始圖像，運(yùn)用生成對(duì)抗網(wǎng)絡(luò)模型將輸入的隨機(jī)序列轉(zhuǎn)換為增強(qiáng)素材，再將增強(qiáng)素材和原始圖像按預(yù)設(shè)比例融合，獲得若干新圖像；步驟二、采集生理特征和物理特征，獲得訓(xùn)練樣本；步驟三、基于堆疊集成框架訓(xùn)練多模態(tài)融合模型；步驟四、輸入測(cè)試數(shù)據(jù)，獲得視覺(jué)舒適度預(yù)測(cè)結(jié)果。本發(fā)明旨在解決平板顯示視覺(jué)舒適度預(yù)測(cè)領(lǐng)域高質(zhì)量標(biāo)注樣本稀缺、單一模態(tài)分析耦合關(guān)系缺失、場(chǎng)景適配性差的問(wèn)題。
南京工業(yè)大學(xué)
2021-01-12
.jpg){kind=logo}
基于神經(jīng)網(wǎng)絡(luò)模型BP算法的嵌入式礦壓檢測(cè)方法
本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)模型 BP 算法的嵌入式礦壓檢測(cè)方法法，首先根據(jù)根據(jù)待檢測(cè)區(qū)域的地域情況，采用多個(gè)振弦式壓力傳感器進(jìn)行測(cè)量；然后 ARM7 處理器根據(jù)系統(tǒng)任務(wù)個(gè)數(shù)建立相應(yīng)的進(jìn)程；最后在建立的任務(wù)中打開(kāi)定時(shí)器，輸出一個(gè)固定在某一頻率范圍內(nèi)的脈沖，經(jīng)過(guò)驅(qū)動(dòng)激振電路，產(chǎn)生一個(gè)能對(duì)振弦式壓力傳感器內(nèi)部振弦起振的信號(hào)，同時(shí)使用 ARM7處理器對(duì)振弦式壓力傳感器返回的脈沖信號(hào)進(jìn)行頻率測(cè)量，計(jì)算得到壓力值，最后，利用溫度傳感器采集振弦周圍區(qū)域的溫度，采用 BP 算法建立神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)得到的各組壓力數(shù)據(jù)及采集的溫度數(shù)據(jù)進(jìn)行學(xué)習(xí)，并根據(jù)神經(jīng)網(wǎng)絡(luò)模型找出壓力隨溫度的變化規(guī)律，對(duì)振弦式傳感器進(jìn)行溫度補(bǔ)償。
安徽理工大學(xué)
2021-04-13