共查询到14条相似文献,搜索用时 62 毫秒
1.
2.
为了研究电动汽车白车身的动态特性,提出了一种基于自然激励的结构模态参数识别方法。利用此方法对某电动汽车白车身进行了结构模态参数识别,得到了其前三阶结构模态参数。并将利用该方法识别的结果和传统方法识别结果进行了对比,发现固有频率最大误差为1.8%,阻尼比最大误差为13%,振型基本一致,进而验证了方法的正确性。之后利用识别的模态参数结合电动汽车工作特性,对该白车身的动态特性进行了评价。提出的方法不需要专用的激励设备,可应用于不易激励的大型、重型结构模态参数识别。模态参数识别的结果对电动汽车白车身动态特性设计具有一定的指导意义。 相似文献
3.
4.
基于改进HHT的高拱坝模态参数识别方法研究 总被引:2,自引:0,他引:2
水工结构出现损伤会使结构特定部分的质量或刚度发生损失,进而改变结构动力特性,这些都将在结构的模态信息中有所反映,因此如何精确地获取结构的模态信息是水工结构运行状态监测的重要前提。本文针对原型动力试验激励难的问题,结合水工结构环境激励荷载的特点,研究基于改进HHT(Hilbert-Huang Transform)的高拱坝模态参数方法。针对密频结构响应信号EMD分解过程中出现的模态混叠现象,提出了带通滤波和伪信号处理技术相结合的方法,对泄洪振动信号的EMD过程进行控制,得到结构的各阶模态分量,然后应用随机减量法提取出各阶模态分量的自由衰减信息,最后对自由衰减信息进行Hilbert变换和最小二乘拟合,得到拱坝的模态参数。 相似文献
5.
合理确定地震动参数是高坝抗震安全评价的先决条件。基于《水电工程水工建筑物抗震设计规范》(NB35047—2015)关于抗震设防类别为甲类的工程设计反应谱规定,本文开展了溪洛渡水电站设定地震及其场地相关反应谱研究。首先采用没有经过不确定校正的工程场地峰值加速度,确定了对场址地震动贡献最大的永善潜源,并在该区域内进一步确定设定地震;然后将发生概率最大的情景地震作为给定设防水准的设定地震;最后选用美国西部AS08反应谱预测方程,生成与设计地震和校核地震对应的场地相关反应谱。研究成果可为进一步开展基于真实动力工作性态的溪洛渡拱坝抗震研究提供基础,并可为同类工程抗震安全评价提供借鉴参考。 相似文献
6.
西部水电开发高拱坝建设须要处理好地形和地质条件研究、枢纽布置、抗震安全、体形和结构设计、基础处理、泄洪消能、混凝土质量控制与温控防裂,以及水生生态环境影响研究等关键技术问题。溪洛渡拱坝通过各设计阶段对岩石力学关键技术问题的不断深入研究,使拱坝和基础具有良好的工作性态;通过坝体混凝土分区,使混凝土力学性能很好地适应坝体应力分布;通过混凝土原材料优选和配合比优化,使混凝土热力学性能很好地满足拱坝强度、耐久性和温控防裂要求;通过采取严格的温控措施,尽量做到杜绝危害性裂缝的产生,提高拱坝的整体性;通过采取先进的施工设备、科学的试验检测手段和合理的施工工艺,保证了混凝土浇筑质量的均匀可靠。基于全寿命周期理论的溪洛渡"数字大坝"的建设与实践,为混凝土温控和接缝灌浆等施工过程控制提供有力支持,保证拱坝的施工质量和工作性态。 相似文献
7.
为了提高电能的输送能力和减少电力系统中电能的损耗,越来越多的灵活交流输电装置在电网中使用,在提高电力系统中电能利用率的同时,也出现了模态振荡的问题。由于振荡信号的复杂性和非线性,常规的方法难以有效识别。本文通过利用Prony算法优越的识别能力,对故障暂态信号进行分析,提取出振荡信号的特征信息,进而得到模态参数,为设计抑制振荡的策略提供良好的基础。 相似文献
8.
本文介绍了Moda13.0模态分析软件的基本内容。着重论述了传递函数的表示及测量,且简单地说明了锤击法测量动力机器基础传递函数的基本原理。最后结合实例介绍了应用模态分析软件识别动力机器基础模态参数的具体方法,对分析结果进行了讨论。 相似文献
9.
本文基于溪洛渡特高拱坝的建设管理实践,提出了"一个中心、两个支撑、三个支柱"的高拱坝建设项目管理模式。即以建设单位为项目管理中心,以科研和咨询单位(专家团队)为技术支撑,以设计、施工、监理单位为工程建设支柱,形成产学研紧密结合的有机整体。根据项目管理目标,建立统一的溪洛渡拱坝三维数字平台,结合建设现场的实际情况,实时、在线、动态、个性化、智能化地研究大坝混凝土和大坝结构的真实性态,通过预警预报、动态设计,采取切实可行的工程控制和管理措施,保证大坝建设质量和结构安全,实现特高拱坝全生命周期的质量安全的监控和分析。经过近三年来的工程实践,证明这种管理模式充分调动和集成了项目各方资源,达到了预防为先、实时导向的效果,确保了项目目标的实现,可供国内外同类高坝建设项目管理借鉴。 相似文献
10.
11.
12.
13.
针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警。 相似文献