学科分类
/ 1
9 个结果
  • 简介:研究深海Spar平台月池水晃动的等效力学模型,确定模型参数.基于势流理论推导了月池内水体运动的动力学方程,建立了月池内水体晃动的等效单摆模型.采用ANSYS软件建立模型并进行网格划分,采用Matlab软件进行数值计算.运用Galerkin方法求解水体晃动的固有频率、模态函数以及势函数离散解,确定等效单摆模型模型参数.对比分析了数值模拟结果与解析解,验证了本文计算方法的正确性.建立了不同月池水高度的等效力学模型参数库,为进一步研究平台-月池内流体的耦合运动奠定了基础.

  • 标签: SPAR平台 月池 有限元 等效力学模型
  • 简介:现阶段,安全态势评估已经成为国内外研究的一项热点课题,其在网络安全领域占据了十分重要的地位。在对原有安全态势评估方法对比分析基础上,本文提出了基于信息融合的网络安全态势评估模型,通过应用改进的D—S证据理论融合多数据源信息,而计算网络的安全态势则利用节点态势和态势要素进行融合,预测出网络的安全趋势。

  • 标签: 信息融合 安全态势评估 安全趋势
  • 简介:综合传统备份架构下物理带库、磁盘介质的优势,结合重复数据删除技术,引入二级备份缓存增强高并发能力,使用双份异地备份机制提高重要数据的安全性,设计出一个分层备份模型。通过对该模型的应用实践,能够较好的平衡各种备份技术的短长,构建了一个相对高效的备份模型体系。

  • 标签: 复数据删除 二级备份缓存 分层备份模型
  • 简介:由于现在科学技术的迅猛发展以及人民生活水平的不断提升,互联网行业在悄无声息的进入大众的生活中,计算机也被应用在各行各业中。从社会网络到蛋白质交互网络等不同的领域产生了大量的数据,而图作为统计这些巨大数据的一个载体不仅能精确的描述出数据的属性,还能说明数据结构的特征,这些优势让以不确定图模型的数据挖掘算法在社会中得到广泛的应用。

  • 标签: 数据 挖掘算法 不确定图
  • 简介:有限单元法被广泛的采用来描述柔性体的弹性变形,然而有限元节点坐标数目庞大,将会给动力学方程求解带来巨大的计算负担.如何降低柔性体的自由度,是当前柔性多体系统动力学研究的一个重要命题.本文以中心刚体-柔性梁系统为例,采用Krylov方法和模态方法进行降价.然后分别采用有限元全模型、Krylov降阶模型和模态降阶模型,对中心刚体-柔性梁进行刚-柔耦合动力学仿真.仿真结果表明,与采用模态降阶方法相比,采用Krylov模型降阶方法只需要较低的自由度,就可以得到与采用有限元方法完全一致的结果.说明Krylov模型降阶方法能够有效的用于柔性多体系统的模型降价研究.

  • 标签: 柔性梁 刚柔耦合 模型降阶 动力学仿真
  • 简介:为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据:经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明:经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。

  • 标签: 改进BP算法 BP神经网络 压缩映射 优化 适应性
  • 简介:将模糊算法与层次分析法进行结合,在对继电保护装置安全性影响因素从硬件、软件和人为因素三方面进行分析的基础上,将模糊层次分析法应用到继电保护装置的安全性评估中,建立继电保护装置的模糊层次安全性分析和评估模型,并根据模糊层次模型对继电保护装置的安全性进行模糊综合评估。

  • 标签: 继电保护装置 模糊层次分析法 判断矩阵 安全性 综合评估
  • 简介:针对结构动力方程转化为状态空间方程后矩阵维数增加而导致计算量增大的问题,考虑状态空间方程中所含外部荷载的特点,提出了一种新的改进精细直接积分法.给出了利用梯形公式、复化梯形公式、辛普生公式、复化辛普生公式、科特斯公式、高斯公式计算杜哈姆积分时的计算格式,分析了不同计算格式下的计算精度和计算效率.数值算例表明本文改进方法的正确性.

  • 标签: 结构动力方程 直接积分 分块计算 精细积分 改进方法
  • 简介:由于传统K-近邻分类方法需要计算每个待测样本与所有训练样本的距离,学习效率较低。针对这个问题,提出一种改进的快速K-近邻分类方法SK-NN。该方法首先对训练样本采用K-均值方法进行聚类,并得到聚类结果中每个子集的中心和半径,并根据其选择合适的子类并采用该子类对待测样本打标签。由于聚类后得到的子类的规模远小于原始样本的规模,因此需要计算的距离数目减少,提高模型的效率。

  • 标签: K-近邻分类 聚类 子集