简介:基于线性黏弹性理论(LVE)推导出沥青混料在动态蠕变实验中的变形预估模型.然后,将线性黏弹性变形预估模型和实验结果对比,分析说明了线性黏弹性预估模型的不足.最后,为了提高预估准确性,对线性黏弹性预估模型进行了修正,使其具有与沥青混合料变形特性相符的非线性特性,并用实验数据对修正模型进行了验证.结果表明,线性黏弹性变形预估模型无法模拟沥青混合料的永久变形的非线性特性,而修正变形预估模型可以准确地预测动态蠕变实验中变形的全过程以及永久变形.说明了所提出的修正方法可以有效地提高线性黏弹性变形预估模型的准确性,该修正模型可以为沥青路面的车辙预估提供指导.
简介:基于Church—Hoff模型从理论上研究了具有有限厚度的单个包膜微气泡在超声辐射下的非线性振动情况.分别研究了膜壳黏弹性对微气泡径向振动、基频成分和谐波成分的影响.径向振动峰值、功率谱基波和谐波的幅值都随着膜壳剪切模量以0.1MPa的间隔从0~10MPa逐渐增大而增大,随着剪切黏性以0.01Pa·S的间隔从0~1Pa·S逐渐增大而减小.次谐波和超谐波成分幅值波动范围大于基波和二次谐波成分,即微气泡膜壳黏弹性对次谐波和基波信号的影响大于对基波和二次谐波的成分影响.这就使得调整微气泡膜壳黏弹性至合适的数值以制备得到具有较好的次谐波和超谐波成像的微气泡这一潜在方法成为可能.最后,任选取基波和谐波成分都较为显著的4对黏弹性处以示说明,其剪切黏性和剪切模量分别为:0.39Pa·S和3.9MPa;0.39Pa·S和6.6MPa;0.39Pa·S和8.6MPa;0.42Pa·S和6.6MPa.
简介:不确定性是数据的固有属性,在实验过程中由于仪器的限制或者收集过程中的误差都会造成数据的不确定性。数据挖掘算法在处理不确定数据的相关研究尚处于初级阶段,不确定数据聚类是不确定数据研究中的典型问题,已有一些聚类算法被应用到处理不确定数据,如UK-means等。无论是UK-means还是FDBSCAN都仅仅考虑了不确定数据之间的几何距离,而没有考虑到不确定数据之间的概率分布差异。然而,概率分布特征是不确定数据的本质特征,考虑不确定数据的概率分布能够更准确度量不确定数据间的距离,从而提高聚类算法的性能,本文使用核函数度量不确定数据与类中心的距离,然后使用UK-means算法聚类不确定数据,通过大量实验验证了本文提出的距离函数优于使用欧式距离期望的UK-means方法。
简介:k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.