排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
在大震下 RC框架结构基于Pushover方法的失效相关性分析 总被引：3，自引：1，他引：2
目前,基于性能的建筑结构抗震设计成为世界各国土木工程界研究的热点之一.结构体系可靠度理论是进行结构性能分析的重要的理论基础.在结构体系可靠度的计算中,一个急待解决的问题是结构构件或截面间的失效相关性问题.本文基于pushover方法,采用Monte Carlo法和随机有限元法,在小震研究成果的基础上,进一步研究了钢筋混凝土框架结构在大震情况下的失效相关性问题,分别得出了框架梁、柱在大震作用下的部分失效相关性规律. 相似文献
2.
提出了一种基于带权A*搜索算法的镶嵌线网络优化方法。首先，利用标准Voronoi图生成初始镶嵌线网络；然后，利用测区的数字表面模型（digital surface model，DSM）数据生成对应的高程梯度图（也称为边缘图）；再对初始镶嵌线网络的节点进行自动调整，将位于建筑物上的节点移动至附近的地面；最后，利用一种带权A*搜索算法，结合高程梯度图，对初始镶嵌线网络中的每一条镶嵌线进行智能优化，避开建筑物或者高差变化大的区域，获得最优的镶嵌线网络。利用3组真实的无人机数据对该方法进行实验，初步结果表明，该方法适用于排列不规则的测区，可有效优化镶嵌线网络，镶嵌线可自动避开大部分城区建筑物以及山区的山脊等，对城区以及山区影像都可得到高质量的正射影像。实验结果表明，对于第1组数据，此方法得到的结果在镶嵌线的选取上要优于商业软件OrthoVista。 相似文献
3.
多尺度点云噪声检测的密度分析法 总被引：1，自引：1，他引：0
当前机载激光雷达数据和影像匹配得到的点云是密集点云数据的两类主要来源,但都不可避免存在着噪声点。本文提出一种新的点云去噪算法,可适用于这两类数据中所包含的噪声点的去除。算法主要包括两步:第1步利用多尺度的密度算法去除孤立噪声和小的簇状噪声;第2步利用三角网约束将第1步中误检测为噪声的点重新归为正常点。针对真实数据进行了剔噪试验,结果表明本文提出的基于密度分析的多尺度噪声检测算法对孤立噪声和簇状噪声都有较为效,且对于质量较差的影像匹配点云的检测也能有效处理。本文算法检测率达到97%以上。 相似文献
4.
顾及地形特征的LiDAR点云数据抽稀算法 总被引：1，自引：0，他引：1
针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。 相似文献
1