【摘 要】
：
在空间埋置组合式单元模型中,钢筋单元可埋置于混凝土单元任何位置,混凝土单元网格剖分不受钢筋位置的限制,方便实用,但需确定钢筋单元两端在混凝土单元表面的位置坐标。因此
【机 构】
：
河海大学土木与交通学院,泉州市审计局
【基金项目】
：
国家重点研发计划项目(2016YFC0402002)
论文部分内容阅读
在空间埋置组合式单元模型中,钢筋单元可埋置于混凝土单元任何位置,混凝土单元网格剖分不受钢筋位置的限制,方便实用,但需确定钢筋单元两端在混凝土单元表面的位置坐标。因此,求解钢筋线与混凝土单元表面的交点坐标是应用该单元模型的前提,现有的求解方法只适用于混凝土单元表面是平面的情况。为此,提出了牛顿迭代法和分块解析法两种处理方法,能求解钢筋线与混凝土单元表面为任何形状时的交点坐标,增强了该模型的适用性。通过算例验证了这两种方法的正确性。从适用性而言,分块解析法要优于牛顿迭代法。
其他文献
对图像文字进行细化有助于突出文字的形状特点和减少冗余的信息量,在文字识别领域有着重要的应用。在分析研究传统细化算法后,针对传统细化出现的畸变、细化不完全现象,提出了一种对国际音标图像字符的细化方法。该算法通过对文字区域的边缘分类标记,并判断被标记点是否满足可去除条件,然后逐步去除边缘像素点,最终能让国际音标图像字符的宽度细化到一个像素宽度。针对国际音标图像字符的实验表明,该算法能够准确地对国际音标
通过对智能手环的造型、功能及交互方式进行实证量化研究,探究智能手环设计要素对用户偏好的量化影响。采用联合分析法,首先通过评价构造法解析出影响用户偏好的智能手环设计
高光谱目标表述是高光谱目标检测中的核心问题。在众多高光谱目标表述方法中,多示例学习方法(MIL)由于不需要精确的像素级语义标签等因素,而成为研究高光谱目标表述的一个有效方法。但是,面向高光谱目标表述的多示例学习方法中,存在正包内目标示例远少于背景示例的示例级数据不均衡问题,导致学习到的目标表述性能不佳。为此,提出一种面向不均衡数据的多示例学习方法,提取每个包中最可能为正的示例组成正示例集,以此为基
面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的SAR图像分割性能均不够理想