论文部分内容阅读
基于小应变上海土本构模型的基坑工程数值模拟
【机 构】
：
上海交通大学
【发表日期】
：
2023年01期
其他文献
随着国家提出“绿水青山就是金山银山”等发展理念，矿山开采造成的土壤复垦问题和矿山整体环境问题成为科学研究的热点。本文针对露天矿山土壤存在的复垦问题，结合贵州省遵义市播州区梯子岩铝土矿山生态修复现状，介绍矿山通过土壤保护、物理处理、覆土、作物搭配、肥料互补等改良技术，特别是土壤基质改良技术和秸秆覆盖在矿山生态修复中的应用与发展，为我国矿山生态修复与土地资源利用提供参考。
期刊
轴承是机器运行的关键部件之一,如果轴承损坏或出现故障,可能会导致机器运行不稳定或突然停机,给工作环境和操作人员带来安全隐患。因此,对于使用轴承的设备,进行轴承故障诊断具有非常重要的必要性。机器学习技术可以通过对轴承的振动、温度、噪声、油液等数据进行分析,自动识别轴承故障,大大提高检测的效率和准确性。其中,聚类分析作为一种无监督学习方法,可以通过对数据的聚类分析来发掘数据之间的内在关系和规律,为后续
学位
线缆敷设效率和敷设合理性直接影响工业设备的整体性能及企业生产成本。传统工业设备线缆布线方式主要依靠人工进行经验布线,由于其自身局限性,需要在设备内部进行线缆的装配,使得工业设备制作时间受到极大影响。在设备制作周期内,线缆布局设计周期长、布线人员工作量大以及布线人员无法控制布线的准确度等因素,会极大的影响线缆的敷设效率和敷设合理性。为了提高线缆的敷设效率,降低因布线路径不合理带来的成本,本文以光驰科
学位
滚动轴承是旋转机械系统中不可或缺的零件,其正常运转对于机械系统的性能和寿命至关重要。一旦发生故障,可能会导致机械系统无法正常工作并影响生命安全。通过对机械和设备的故障诊断,可以有效地保证其正常运行,从而发挥其最大的价值。本课题研究滚动轴承故障诊断相关理论和方法,探讨了其不同故障状态所表现出的振动信号特征。本文在西储大学滚动轴承数据集中进行了多组对比实验,结果表明本文提出的I-Canopy-Kmea
学位
目的：探讨基于罗森塔尔效应的护理模式对妊娠期高血压患者的影响。方法：回顾性选取2020年1月—2022年1月黄冈市妇幼保健院诊治的86例妊娠期高血压患者的资料。根据随机数表法将其分为观察组及对照组，各43例。对照组接受常规护理，观察组在对照组基础上给予基于罗森塔尔效应的护理模式。比较两组护理前后血压指标、心理状况、生活质量、自我护理能力、不良妊娠结局。结果：护理后，观察组收缩压（SBP）及舒张压（
期刊
在信息和智能化程度极高的大数据时代,个人身份信息的安全性面临着越来越多的挑战,传统的个人身份识别技术已无法完全满足当前社会对信息安全的需求,因此,我们需寻求新的解决方案来提高个人身份信息的安全性。近年来深度学习在各研究领域均实现了新的突破,而深度学习算法在唇纹识别相关研究中鲜有应用,探索与研究适用于唇纹识别的网络模型,对个人身份识别验证技术具有重要意义。本文引入深度学习算法进行唇纹识别算法研究,首
学位
图像是一种重要的信息传递媒介,可以快速直观地传达信息。在这些信息中,边缘信息是相当重要的。在实际的生产和生活中,经常需要使用边缘信息。针对传统边缘检测算法在边缘检测中存在去除噪声不完全,边缘检测效果不明显,准确率低等问题,提出一种改进的Canny边缘检测算法,主要研究工作如下:在算法设计阶段,本文在传统边缘检测算法的基础上,提出了一种改进的Canny边缘检测算法。首先利用MATLAB仿真软件对比目
学位
对矿山土地的破坏、污染与危害进行了调研和回顾,详细介绍了矿山土地的物理修复、化学修复和植物修复技术,以及含硫矿山所特需的酸性矿山废水（AMD）原位阻断技术,分析其优缺点及使用条件.研究得出矿山土地生态修复技术的选择依据,通过一系列技术阻断污染,修复与改良表层土壤后建立植被,最终实现生态修复.指出提供足够的、符合需求的植物生长基质是矿山土地生态系统修复的关键要素.进一步提出符合标准要求的市政污泥稳定
期刊
随着人工智能技术的迅速发展,机器视觉和图像处理技术被广泛应用于各个行业。不断发展的图像处理技术对图像处理质量和速度的要求也在逐步提高,并需要满足远距离、高速率的传输和存储需求。此外,图像边缘检测及分割技术在智能制造、农业、医学以及自动化等领域都有巨大的应用潜力。因此,为了实现在图像处理过程中高精度检测、强实时性和远距离高速传输的要求,本文研究了在FPGA平台上实现图像边缘检测、图像分割和图像数据传
学位
在机械设备中,轴承是必不可少的组成部分,它的运转状况直接关系到整个设备的性能表现。因其实际的运行环境复杂多变,极易出现故障,如果不能及时发现并更换已经出现故障的轴承,可能会导致整个设备的异常状态,造成严重的经济损失,极端情况下甚至会危及人员的安全。因此,对轴承进行故障诊断研究是一个非常有意义的课题。近年来,随着深度学习技术的飞速进步,各种神经网络已被广泛应用于振动数据的故障诊断,并且具有极其可观的
学位