收藏 分销(赏)

单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf

上传人:wang****lang 文档编号:45182 上传时间:2021-06-04 格式:PDF 页数:4 大小:326.75KB
下载 相关 举报
单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf_第1页
第1页 / 共4页
单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf_第2页
第2页 / 共4页
单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf_第3页
第3页 / 共4页
单层钢筋混凝土柱工业厂房震害非线性预测模型及应用.pdf_第4页
第4页 / 共4页
亲,该文档总共4页,全部预览完了,如果喜欢就下载吧!
资源描述

1、2 0 1 1年 第 1 1期 (总 第 2 6 5 期 ) Nu mb e r 1 1 i n 2 0 1 1 ( T o t a l No 2 6 5 ) 混 凝 土 Co nc r e t e 实用技术 PRACTI CAL TECHN0L 0GY d o i : 1 0 3 9 6 9 i s s n 1 0 0 2 - 3 5 5 0 2 0 1 1 1 1 0 4 3 单层钢筋混凝土柱工业厂房震害非线性 预测模型及应用 何 慧荣 ( 鹤壁职业技术学院 建筑工程学院,河南 鹤壁 4 5 8 0 3 0 ) 摘要: 将R B F 人工神经网络理论应用于等高单层钢筋混凝土柱工业厂房的震害

2、预测。 在分析震害特点的基础上, 将震害影响因子分为精 确性和规律性两大类 , 提出以地震反应指标、 天窗类型、 支撑情况、 建筑材料作为主要的影响指标。 然后将震害等级作为输出结果, 构造了 震害预测的非线性预测模型。 通过对 5 2 个实际震害实例的检验, 网络的准确率高, 可见该模型是有效可靠的。 关键词 : 工业厂房 ; 震害预测;R B F人工神经网络;非线性 中图分类号 : T U5 2 8 0 1 文献标志码: A 文章编号 : 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) l 1 - 0 1 3 5 0 3 Se i smi c dama ge pr edi c t

3、i on nonl i n e ar model f or s i ngl e -s t ow r ei n f or c ed c on c r e t e i n dus t r i al bui l di ng HE Hu i - r o n g ( V o c a ti o n a l a n d T e c h n i c a l S c h o o l o f A r c h i t e c n e E n g i n e e r i n g o f H e n a n He b i C i t y , He N 4 5 8 0 3 0 , C h i n a ) Abs t r

4、a ct : T he RBF a r t i fic i a l n e u r a l n e t wo r k i s a p p l i e d t o p r e d i c t s e i s mi c d a ma g e o f s i n g l e s t o r y r e i n f o r c e d c o nc r e t e i n d u s t r i a l b u i l ding Ba s e d o n t h e a n a l y s i s o f c h a r a c t e ris t i c s o f s e i s mi c d a

5、 ma g e, i t i s f o u n d t h a t e a r t h q u a k e r e s p o ns e i n d e x, t y p e o f s k y l i g h t , b r a c i ng s y s t e m a n d b u i l d i ng ma t e r i a l are the ma i n f a c t o r s a ffe c t i n g s e i s mi c d a ma g e Th e f o ur f a c t o r s c a n be c l a s s i fie d i n t

6、o t wo t y pe s : pr e c i s e f a c t o r s and r e g u l ar f a c t o r s Th e c o r r e s p o n d i n g s p a n s of f a c t o r s a t e s u g g e s t e d an d a p pl i e d t o e ng i n e e rin g e x a mp l e s Th u s the R BF a r t i fic i a l n e ura l ne t wo r k i s d e v e l o p e d wi t h f

7、 a c t o r s a ffe c t i n g s e i s mi c d a m a g e a s i n p u t a n d s e i s mi c d am a g e g r a d e a s o u t p u t I t wa s v e r i fie d b y 5 2 e n g i n e e r i n g e xa mp l e s I t i s c o n c l u d e d tha t t h e RBF a r t i fi c i a l n e u r a l n e t wo r k d e v e l o p e d i n t

8、 h i s p a p e r i s a p pl i c a b l e t o pr e d i c t s e i s mi c d am a g e o fs i n g l e - s t o r y r e i n f o r c e d c o n c r e t e i n d u s t r i a l bu i l d i n g Key wor ds : i nd us t r i a I b u i l d i n g; s e i s mi c d a ma g e p r e d i c t i o n; RBF a r t i fic i a l ne ura

9、 l n e tw o r k; n o n l i n e ar 0 引言 在各类 自然灾害中, 地震灾害是对人类社会造成重大人员 伤亡和经济损失的主要灾害之一。 对建筑物进行震害预测是减 轻和预估地震灾害的一项重要举措。 单层工业厂房是我国使用 最为普遍的一种工业建筑之一, 在 2 0世纪 7 0年代的唐山大地 震中, 许多单层工业厂房受到破坏, 造成了巨大的经济财产损 失。 有鉴于此, 对单层工业厂房的建筑结构进行震害预测意义 重大, 其单跨( 或多跨 ) 的等高单层工业厂房作为一类结构体系 与理想模型较为接近的工业建筑, 近年来亦引起广大学者的重 视 1 - 6 1 。 查阅大量文献,

10、 已有的研究成果主要体现在等高单层工 业厂房震害预测中, 对等高单层砖柱厂房等高单层钢筋混凝土 柱厂房的研究较少。 近年来, 正对大量震害因素的随机不确定性 、 模糊性, 有一些学者相继用模糊综合评判法f I J 、 灰色聚类法2 1 、 B P神经网络方法p 】 对单层钢筋混凝土柱厂房震害进行了预测。 然而, 单层工业厂房的震害受到地震作用的大小、 场地条件 、 厂 房结构的动力特性 、 建筑材料等众多因素的影响, 是一个复杂 的非线性系统。 B P神经网络是一种常用的全局逼近神经网络, 可以很好的 解决非线性问题。 从理论上讲 , 3 层 B P网络就可以实现从输入 到输出的任意函数映射。

11、 但是由于 B P神经网络是基于梯度下 收稿 日期 :2 0 1 1 - J o 5 1 3 降的误差反向传播算法进行学习的, 且在训练过程中需要对网 络的所有权值和阈值进行修正, 所以网络的学习速度较慢, 而且 很容易陷入局部最小点, 易产生振荡, 无法保证每次训练时 B P 算法的收敛性和全局最优性。 与 B P神经网络相比, R B F网络是 一 种局部逼近网络, 对于每个训练样本, 它只需要对少量的权 值和阈值进行修正, 所以R B F神经网络不仅学习速度快, 而且 避免了局部最小问题, 同时, 由于只有少量的权值需要调整, 其 推广能力显著增强, 使得其对新样本的预测能力显著增强。

12、因此, R B F 神经网络在逼近能力、 分类能力和学习速度等方面均优于 B P神经网络。 本文在总结前人经验的基础上, 提出将 R B F神经 网络进行预测等高单层钢筋混凝土柱厂房的震害, 并以实际震 例对该方法进行了验证。 1 单层钢筋混凝土柱工业厂房震害非线性预 测模 型 1 1 震 害非线性预测的影响指标 通过对大量已有的研究基础和震害实例, 发现以下三个因 素是造成等高单层钢筋混凝土柱厂房地震破坏的直接因素: 第 一 ,地震引起的厂房单元地基失效 , 类似于静力破坏; 第二, 扭 转振动, 有厂房单元因质心与刚心不相符引起; 第三, 地震使厂 房单元所产生的沿厂房横向和纵向的平移振动

13、。 1 3 5 学兔兔 w w w .x u e t u t u .c o m 通过分析比较, 选取厂房单元地震反应指标、 天窗类型、 支撑 情况、 主要建筑材料等4 个因素构成评价指标体系。 根据文献 3 - 4 的研究成果对其进行量化。 1 2 震害等级的评定和量化 借鉴已有研究成果 , 本研究将建筑结构地震破坏等级分为 基本完好、 轻微破坏 、 中等破坏、 严重破坏和倒毁的五级。 对于 各个破坏等级的具体定义和对应的震害指数参见文献 5 。 值得 说明的是 , 本研究假设在对震例的破坏等级进行评判时, 不考 虑余震及震前已有的损坏对单层厂房的破坏的影响, 只考虑主 震的影响。 其震害等级

14、量化表值具体情况如表 1 所示。 表 1 震害等级量化表值 震害等级 量化值 1 3 径 向基 函数 神 经 网络 1 3 1 径向基函数神经网络简介 径向基函数( R B F ) 神经网络是由P o w e l l M J D于 1 9 8 5年 提出的, 以函数逼近理论为基础构造的一类前向网络。 径向基函 数网络是由输入层、 隐含层和输出成构成的三层前向网络, 隐含 层采用径向基函数作为激励函数 , 该径向基函数一般为高斯函 数,如图 1 所示。 隐含层每个神经元与输入层相连的权值向量 l 和输入向量 ( 表示第口 个输入向量) , 之间的距离乘上阂值 b 1 , 作为本身的输入门 , 如

15、图2所示。 ; : 图 1 RB F网络 结构 图 2 R BF神经网络的输入与输 出 由此可得隐含层的第 i 个神经元的输入为: 、 ( 一 矽 ) b l 【 1 ) 输出为: x p = e x p 、 ( 刊 b l = e x e (I l , l ( 6 1 ) 1 ( 2 ) 径向基函数的阈值 b 1 可以调节函数的灵敏度, 但实际工作 中更常用另一参数 c ( 称为扩展常数 ) 。 b 1 和 c 有一定的关系, 本文取 b l y O 8 3 2 6 C 。 输入层的输入为各隐含层神经元输出的加权求和。 由于激 励函数为纯线性函数 , 因此输出为: : 2 ( 3 ) 1 3

16、 6 1 3 2 径向基函数神经网络的MAT L AB实现 MA T L A B神经网络工具箱为径向基网络提供了许多工具 箱函数, 其中n e w r b e 函数是一个用于设计准确径向基网路的函 数。 调用格式为 : n e t = n e wr b e ( P, T , S P R E A D) ( 4) 式中: P p组输入向量组成的R x Q维矩阵; p组 目标向量组成的 S x Q维矩阵; S P R E A D径 向基 函数 的扩展速度 , 默认为 1 。 S P R E A D越大, 函数拟合就越光滑。 但是过大的S P RE A D意 味着需要非常多的神经元以适应函数的快速变化

17、。 如果S P R E A D 设得过小, 则意味着需要许多神经元来适应函数的缓慢变化。 这 样一来 , 设计的网络性能就不会很好。 因此 , 在网络的设计过程 中, 选择一个合适的S P R E A D很关键。 本文将使用模式搜索法寻 找出最优 S P R E AD值。 利用函数 n e wr b e 创建一个精确的神经网络, 该函数在创建 R B F网络时, 自动选择隐函层的数目, 使误差为0 。 径向基传递函数为 md b a s 函数。 该函数原型为 y = e x p ( 一 ) 。 2实例应 用及讨论 为验证本文模型的合理性, 将本文建立的等高单层钢筋混 凝土柱工业厂房震害预测的

18、R B F神经网络模型应用到工程实 际。 工程样本来 自文献 3 4 1 , 选取地震烈度为 8度且均为远震 的等高单层钢筋混凝土柱厂房单元的详细资料, 经整理分析的 基础上, 得到符合研究条件的 5 2 个等高单层 R C柱厂房单元的 震例数据( 表 2 ) 。 对于天窗类型、 支撑情况、 主要建材 3个规律 性指标, 按文献【 3 】 规定范围的中间值量化。 首先, 需要对该网络模型进行训练, 训练的过程实质就是 调整权值( 以及阈值) 的过程, 使得训练后的网络能对某个应用 工程获得最小的系统误差 , 从而获得良好的输入 、 输出间的高 度非线性映射关系。 这样无须确切知道各影响因素与震

19、害结果 之间的具体关系, 就能准确的得到所需要的结果。 本文将前 3 8 个样本为训练样本, 后 1 5 个样本为预测样本。 首先根据 3 8个训练样本建立基于 R B F的非线性预测模型, 进 行 回判 , 发现回判正确率高, 证明模型是合理可靠的。 进而应用 建立的模型对另外 1 5个预测样本进行了预测。 测试样本数据 及预测结果比较情况见表 1 。 通过表 1 实测结果和预测结果的 比较可知, 该模型预测精度高, 拟合性能良好。 这说明采用 R B F 神经网络对建筑结构进行震害预测是可行的和有效的。 3结 论 将 R B F人工神经网络理论应用于等高单层钢筋混凝土柱 工业厂房的震害预测

20、中, 选取厂房单元地震反应指标 、 天窗类 型、 支撑情况 、 主要建筑材料等 4个因素作为评价指标体系, 该 体系较好地反映了单层钢筋混凝土柱厂房的震害本质。 将前 3 8 个 样本为训练样本, 后 1 5 个样本为预测样本。 首先根据 3 8 个训练 样本 , 基于 R B F人工神经网络建立了主要震害因子与与震害程 度等级的非线性映射关系, 用建立的模型对训练样本进行回判, 发现回判正确率高, 证明模型是合理可靠的。 进而应用建立的 模型对另外 l 5 个预测样本进行了预测。 结果表明, 该模型预测 精度高, 拟合性能良好。 这说明采用 R B F 神经网络对建筑结构 进行震害预测是可行

21、的和有效的, 进一步验证后可以在实际工 程中推广使用。 学兔兔 w w w .x u e t u t u .c o m 表 1 等高单层 R C柱厂房单元的震例及非线性预测结果 序号 地震反应指标 m m 天窗类型 支撑情况 主要建筑材料 实际震害等级 预测震害等级 21 9 21 7 l 32 3 34 1 9 2 l 8 O 1 6 2 3 4 1 1 5 0 1 5 5 98 1 O - 3 50 7 26 - 3 3 4 4 2 4 1 3 5 9 24 1 3 6 1 44 6 1 9 2 4 9 32 0 3 1 1 1 7 I 3 2 4 9 47 4 4 6 7 41 2 2

22、5 7 2 3 6 2 5 I 2 4 0 5 3 1 5 2 6 4 2 2 2 3 4 8 2 0 1 2 4 - 3 2 0 1 1 6 - 2 2 7 _ 3 2 8 2 1 7 9 21 5 2 5 2 2 9 1 51 9 4 6 5 2 2 5 3 1 I 2 30 9 0 1 5 0 9 0 0 2 O 0 2 0 0 2 0 0 2 0 0 2 0 0 20 0 1 5 0 1 5 0 1 0 0 1 0 0 2 0 0 9 0 0 9 0 0 6 0 0 9 0 0 6 0 0 9 0 0 9 0 0 9 0 0 9 0 0 , 6 0 0 6 0 0 6 0 0 9 0

23、0 9 0 0 5 5 0 6 2 0 7 3 0 7 3 0 9 0 0 9 0 0 9 0 0 2 0 0 2 0 0 2 0 0 0 2 0 02 0 0 2 0 0 2 0 05 5 0 9 0 09 0 0 9 0 0 2 0 02 0 0 2 0 0 3 2 0 3 2 O l 2 0 0 1 O 5 O 5 0 5 0 5 0 6 0 1 0 2 O 3 0 1 O - 2 0 2 0 7 0 1 0 1 0 1 0 1 O 】 0 1 O-3 0 2 O 1 O 1 O 5 0 1 O 1 0-3 0 7 0 7 09 O 9 0 1 0 1 0 1 09 0 1 0 7 O-

24、 3 0_ 3 05 0 5 O2 0 1 04 O- 3 0_3 O5 07 0 4 0 4 0 2 0 5 O I 3 0 _ 3 0 - 3 0 5 0 3 O 5 O 1 O 1 0 - 3 O - 3 0 1 O 1 0 5 0 5 0 5 O 5 0 5 0 5 O 5 0 5 O 5 0 5 0 5 O 5 0 5 0 5 0 5 0 5 0 5 0 5 0 5 O 5 0 5 O 5 O 5 O _ 3 0-3 0-3 0_3 0 5 0 5 0 5 0 5 0 5 0 5 0 5 0 9 0 7 0 5 O 7 0 7 0 5 轻微破坏 轻微破坏 基本完好 中等破坏 基本完好

25、 基本完好 基本完好 中等破坏 中等破坏 基本完好 中等破坏 中等破坏 严重破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 严 重破坏 中等破坏 中等破坏 严重破坏 严重破坏 严 重破坏 严重破坏 中等破坏 中等破坏 中等破坏 中等破坏 轻微 破坏 中等破坏 轻微破坏 中等破坏 中等破坏 基本 完好 中等破坏 中等破坏 轻微破坏 中等破坏 中等破坏 中等破坏 严重破坏 中等破坏 中等破坏 中等破坏 中等破坏 轻微破坏 轻微破坏 基本完好 中等破坏 基本完好 基本完好 基本完好 中等破坏 中等破坏 基本完好 中等破坏 中等破坏

26、严 重破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 中等破坏 严重破坏 中等破坏 中等破坏 严重破坏 严重破坏 严重破坏 严重破坏 中等破坏 中等破坏 中等破坏 中等破坏 轻微破坏 中等破坏 轻微破坏 中等破坏 中等破坏 基本完好 中等破坏 中等破坏 轻微破坏 中等破坏 中等破坏 中等破坏 严重破坏 中等破坏 中等破坏 中等破坏 中等破坏 注 : 3 9 5 2的样本 为待预测样本 。 下转第 1 4 O页 1 3 7 , m n H ” 勰 如 鳃 甜 卯 镐 如 学兔兔 w w w .x u e t u t u .c o m 外的

27、使用纯聚脲涂层作为防护材料 , 此外 , 山西恒山水库上游 坝面防渗 、 青岛奥帆基地蓝色畅想水池 、 上海浦东竹园屋面种 植绿化 、 青岛理工大学教学楼屋顶鱼池等涉水工程, 都陆续采 用纯聚脲涂层作为水工混凝土的防护材料。 纯聚脲为在 自然环 境因子和高速含泥砂水流的双重作用下, 提高水工混凝土的耐 久性 、 可靠性和安全性, 提供了重要的技术保障。 3纯聚脲 的施 工工 艺 施工_T艺在很大的程度上影响着聚脲涂层的性能。 采用纯 聚脲材料和正确的施工工艺形成的聚脲涂层, 因其理化性能优 异而被称之为“ 万能” ( v e r s a t i l e ) 材料。 若误解“ 万能” 的含义,

28、采 用聚氨酯脲或聚氨酯以次充好和忽视正确的施工工艺, 只会造 成工程失效案例的上演。 笔者早在 2 0 0 5年就提出了“ 一分聚脲、 九分施工” 的理念 , 其中的含义首先必须采用纯聚脲, 这是物质 基础, 是做好聚脲工程的源泉。 其次针对不同的基材、 不同的气 候环境、 不同的底涂系统 , 必须采取与之相对应的处理措施, 采 用正确的施工工艺, 这是核心环节。 把握好聚脲涂层的施工工艺是成功实现对水利工程防护 的核心环节。 水利工程聚脲施工工艺流程一般包括施工准备 、 基材处理施工、 基材处理验收、 底涂施工、 底涂施工验收、 遮护 与收边处理 、 聚脲涂层施工和自检、 修补、 验收等。

29、简要介绍以 下 3个主要的环节 : ( 1 ) 基材处理施工。 要保证聚脲对水工 昆 凝土的防护效果, 首先应提高基材处理的质量。 对于表面较大的孔洞, 应先采用 修补腻子进行封闭。 表面的毛刺用角磨机磨平, 尖端突起处尽 量做到圆弧过渡, 消除尖端应力。 采用高压水枪冲洗基材表面 的松土、 杂质, 再用风力灭火器除去表面水分、 灰尘等 , 保证基 材表面应清洁、 干燥 , 不得有蜂窝麻面、 浮碴 、 浮土、 脱模剂和油 污等杂质。 ( 2 ) 底涂施工。 底涂就是连接混凝土与聚脲涂层的桥梁, 主 要起到以下作用: 清除基层表面的各种污垢; 修整基层表 面存在的缺陷; 创造聚脲涂层需要的表面粗

30、糙度 , 使喷涂时 具有 良好的喷涂基础; 增强涂层与基层的配套性和相容性。 底 涂必须现配现用, 严格按照专业配合比要求准确称量。 每一道工 序之后需保持施工面整洁。 底涂施工一般采用辊涂工艺, 边、 角 、 沟、 槽辅以刷涂施工。 ( 3 ) 聚脲涂层施工。 为了有效控制聚脲涂层防护体系的形 成过程 , 喷涂施工设备必须具备如下基本要求 : 喷涂时压力 范围在 1 7 0 0 2 5 0 0 P s i 之间, 这样可以确保 A、 B两组分充分混 合和力学性能的形成 ; 保证物料输送平稳、 计量精确 、 混合均 上接第 1 3 7页 参考文献: 【 1 1 王晓 , 朱伯龙基于二次模糊修正

31、的钢筋混凝土单层工业厂房震 害预测综合评判模式 J 1健 筑结构学报, 1 9 9 4 , 1 5 ( 1 ) : 3 2 3 8 【 2 】 李桂青, 李正农 建筑物和构筑物震害的灰色预测方法【 J 1 湖北工学 院学报 , 1 9 9 2 , 7 ( 3 4 ) : 7 - 1 2 I 3 l3 赵艳林, 杨军平 , 黄剑飞 , 等 基于 B P神经网络的单层钢筋混凝 土柱 工业厂房震害预测f J 】 桂林工学院学报 , 2 0 0 6 , 2 6 ( 4 ) : 4 9 1 4 9 6 4 1 吴育才, 黄宗明, 王金海 单层厂房震例及其应用【 M 济南: 山东科学 技术出版社, 1 9

32、 9 1 : 1 5 2 2 2 5 尹之潜, 李树桢, 杨淑文, 等 震害与地震损失的估计 J i I J 地震工 l 4 0 匀、 雾化 良好 ; 对细部节点 、 迎水面、 反弧面、 拐角、 异质材料 连接处进行聚脲涂层加厚处理。 4结 语 近年来我国频繁发生的严重水旱灾害, 造成重大生命财产 损失, 警示我国加快水利建设刻不容缓。 基于水工混凝土服役的 恶劣环境和施工难度, 纯聚脲由于拥有环境适应力强、 施工方 便快捷和防护性能优异的特点, 是水工混凝土理想的防护材料。 综上所述, 与聚氨酯脲相比, 纯聚脲无论在水利工程聚脲 防护施_I 二 质量控制 还是在耐老化性能等方面均拥有显著的优

33、 势。 双组分快速反应生成连续致密的聚脲涂层, 可以长期承受 自 然环境中随机荷载、 冻融循环、 干湿交替 、 温度变化、 波沙淘蚀 和腐蚀介质等复杂环境因子耦合作用的影响。 通过实验室的试 验数据分析和国内外水工混凝土纯聚脲防护的应用实践表明: 纯聚脲技术能适应水工混凝土野外施工的严酷环境 , 纯聚脲技 术是实现水工混凝土历久弥新的重要保障。 参考文献: 1 黄微波 喷涂聚脲弹性体技术 M 北京 : 化学工业出版社, 2 0 0 5 【 2 许卓明,任青文2 0 0 7 重大水利水电科技前沿院士论坛暨首届中国 水利博士论坛在河海大学举行f J J 科学通报 , 2 0 0 7 , 5 2 (

34、 2 4 ) : 2 9 2 5 2 9 2 6 I 3 I3 黄微波, 刘旭东矫 梁混凝土聚脲防护涂层配套底漆性能研究【 J l- 混 凝土 , 2 0 0 9 ( 1 2 ) : 1 2 1 1 2 5 4 昌平, 陈国华, 黄微波 聚天冬氨酸酯聚脲涂层加速老化仃z - 为研究l J 1 四川大学学报 , 2 0 0 7 , 3 9 ( 2 ) : 9 2 9 7 5 L U P i n g , I I X i n m a o , HU A NG We i - b o E f f e c t o f d r y - w e t c i r c u l a t i o n a n d t e

35、 mp e r a t u r e c h a n g e,O n p r o p e r t i e s o f p o l y u r e a c o a t i n g s J A d v a n c e d M a t e ri a l s R e s e a r c h , 2 0 1 1 ( 1 5 o 一 1 5 1 ) : 1 2 0 3 1 2 0 8 【 6 H UA N G We i - b o , L t P i n g D e p e n d e n c e o f d y n a mi c me c h a n i c a l p r o p e r - t y a

36、 n d mo r p h o l o g y o f p o l y a s p a r t i c e s t e r s b a s e d p o l y u r e a o n c u rin g t e rn p e r a t u r e J 1 P o l y m e r Ma t e r i a l s S c i e n c e a n d E n g i n e e ri n g , 2 0 1 0 , 2 6( 3 ) : 7 2 - 7 4 【 7 L 12 P i n g , H U AN G We i - b o , S H I H u i E ff e c t

37、o f c u ri n g t e mp e r a t u r e o n mo r p h o l o g y a n d p r o p e rt i e s o f p o l y u r e a s b a s e d o n p o l y a s p a r t i c e s t e r s J Ma t e r i a l s S c i e n c e F o 13 1 11 1 。 2 0 1 0 6 5 0 ( 3 2 ) : 3 3 3 7 作者简介 联系地址 联系电话 黄微波( 1 9 6 3 一 ) , 男 , 博士, 教授 , 瘪士生导师, 长期从事聚 脲技术

38、和国防尖端材料研究。 青岛理工大学功能材料研究所( 2 6 6 0 3 3 ) 05 3 2 8 5 0 7 1 3 2 O 程与工程震动, 1 9 9 0 , 1 o ( 1 ) : 9 9 1 0 7 I 6 I6 王光远, 徐祥文, 局锡元 , 等 单层厂房自振特性及其在地震反匝计 算中的应用 c 地震工程研究报告集( 第一集) E 京 : 科学出版社, 1 9 6 2: 51 7 5 7 】 李红 , 彭涛 基于 B P 、 R B F神经网络混凝土抗压强度预测I J I 武汉理 工大学学报, 2 0 0 9 , 3 1 ( 8 ) : 3 3 3 6 作者简介 联 系地址 联系电话 何慧荣( 1 9 6 2 一 ) , 女, 讲师, 工程师。 河南省鹤壁市淇滨区华山路南段 河南省鹤壁市职业技术 学院建筑工程学院( 4 5 8 0 3 0 ) 1 3 6 0 3 9 2 9 3 2 O 学兔兔 w w w .x u e t u t u .c o m

展开阅读全文
相似文档                                   自信AI助手自信AI助手
猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 环境建筑 > 图纸/模型

移动网页_全站_页脚广告1

关于我们      联系我们       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号  |  icp.png浙ICP备2021020529号-1 浙B2-2024(办理中)  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服