带耗能器-限位斜撑RC框架震损修复后抗震性能研究

对两榀带钢筋混凝土耗能器-限位斜撑框架的低周反复加载试验,及其复位加固后再进行的二次加载试验,以考察其残余抗震能力,得到了各种情况下构件的破坏过程、破坏特征及框架的滞回特性等。结果表明,加固后框架的水平承载能力较原型试件有所降低,但很大程度提高了框架整体的延性;复位后框架结构的残余承载力降低,但仍具有一定的抗震能力。     

新型CFST柱-RC梁节点抗震性能试验

结合钢管混凝土（CFST）柱和钢筋混凝土（RC）梁各自的优点,提出一种采用U形钢板-栓钉组合连接的新型CFST柱-RC梁节点.为研究新型节点的抗震性能,设计并制作了2个足尺CFST柱-RC梁节点及1个传统的RC节点试件,对其进行了低周往复荷载作用下的试验研究.结果表明:该类新型CFST柱-RC梁节点破坏模式与传统的RC节点相似,均发生梁端弯曲破坏,破坏区域主要在U形连接板外,实现塑性铰外移.按照试验现场的试件安装位置,十字节点的梁分别命名为S梁和N梁.CFST中柱节点、CFST边节点N梁承载力较RC节点分别提高11.6%（负向提高13.0%）和5.3%（负向提高7.5%）;中柱节点的S梁承载力提高20.2%（负向提高19.6%）.荷载-位移曲线饱满,累计耗能与RC节点相比提高约17.0%（S梁提高36.0%）、20.1%,各试件的位移延性系数均大于4.0,新型CFST柱-RC梁中柱节点、边节点的位移延性系数分别提高2.4%、21.3%,具有较好的变形能力.     

多模型Stacking集成学习的旋转机械故障诊断方法

针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题，提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取；然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数，采用DT、KNN、SVM及RF作为初级学习器，LR作为次级学习器构建Stacking异质集成学习模型；最后通过滚动轴承和液压泵故障模拟试验，将所提模型与单一模型、同质集成模型进行比较分析。试验结果表明，异质集成Stacking模型在不同旋转机械的故障诊断中均获得了最佳的整体诊断性能。异质集成是提高旋转机械故障诊断性能的有广阔应用前景的解决方案。     

地震超材料设计方法研究进展

地震超材料是在亚波长范围内设计的能够改变地面局域特性的人工复合材料，其周期排列组成的周期结构对调控波和波衰减具有明显的效果，通常基于布拉格散射或局域共振机制产生带隙，使带隙范围内的地震波无法通过。对于地震超材料的研究，其构型设计十分关键。然而，传统的结构设计方法依赖研究者的经验和大量重复的尝试，效率低且难以满足设计需求。随着计算机性能的发展和各种模型算法的提出，使逆向设计结构构型成为可能，以深度学习为代表的逆向设计方法可以在更广阔的参数空间寻找最优结构分布。本文对地震超材料设计方法的研究进行综述，介绍传统的设计研究和逆向设计的常用方法及其应用，并对深度学习在周期结构逆向设计的应用进行阐述。最后指出当前研究中所存在的问题，并对地震超材料结构设计领域未来的发展进行展望。     

应用 Python-GPU 求解的实时混合试验方法研究

提出了基于 Python 和图形处理器（GPU）数值求解的实时混合试验系统。将土‐结相互作用系统作为试验模型，使用 Python‐GPU 代替 CPU 数值求解，对提出的实时混合试验系统进行了仿真与试验验证。研究结果表明，使用 Python‐GPU 对无条件稳定算法求解，积分步长 20 ms 时 GPU 实时求解模型自由度超过 24000，是同一台计算机CPU 求解规模的 7 倍左右，提升了实时混合试验的试验能力。