基于HHT和AE主频统计的岩石破坏进程分析

岩石的AE波形主频已被证明与内部微破裂模式有着紧密的联系。目前对于岩石声发射波形的主要频谱分析方法以快速傅里叶变换(FFT)和小波变换为主,两者都存在时-频测不准和针对非平稳信号的自适应性不强的问题。目前对于岩石内部破坏过程的研究缺乏宏观定量化的分析工具。本文以自适应性强,可以直接求得时-频分布的希尔伯特-黄变换(HHT)及其边际谱为基础,提出了一套新的波形频谱处理和主频统计方法。利用岩石直接拉伸试验的声发射信号验证,本文方法的统计结果与FFT方法统计得到的主频成分分布特征基本相同,但更加稳定。结合主频统计结果,本文对试件全试验过程的微破裂成分与岩石破坏进程的快慢之间的关系进行了定量的统计分析。通过对定量分析结果的讨论,笔者认为直接拉伸加载模式下微观剪破坏对受力方向上摩擦阻力的破坏效应不可忽略,其会造成强度的大幅下降。     

冲击回波法识别地铁盾构隧道注浆缺陷的有限元模拟研究

利用大型有限元软件MSC.MARC,对SGS（管片-注浆-土体）模型的冲击瞬态过程进行有限元模型瞬态响应模拟,分别得到了在注浆密实、注浆孔洞和注浆不密实三种工况下冲击响应的时程曲线.并通过FFT变换,分析不同注浆缺陷条件下的冲击响应的频谱特征.结果表明,该模型能够较为准确地模拟出机械波在SGS模型中的传播与反射,不同注浆条件表现出了不同的频谱特征,该结果表明采用冲击法识别盾构注浆缺陷的方法是可行的.     

窑尾结构的实测分析

采用TMR-7200智能信号采集处理分析仪分别对多个烧成窑尾结构进行了正常工作状态和脉动时的动力测试。采集了窑尾结构控制点的加速度时程,进行了频谱分析,得到相应的阻尼比、频率以及加速度幅值等设计数据,并对相应的数据进行整理和分析,从而全面地了解了烧成窑尾结构阻尼比等动力特性。     

不同激励下的桥梁动力特性测试

桥梁动力特性的测试往往是通过其在外部激励下的动力响应,经频谱分析来加以分析测试。环境激励和跑车(或者跳车、刹车)作为外部激励,由于激振的能量不同,跑车主要适用于小跨径,刚度较小的桥梁结构,而对于大跨径桥梁则需要通过环境来进行激励。本文以某桥动载荷载试验测试为背景介绍基于环境激励和跑车激振测试桥梁的动力特性测试。     

浅谈电梯振动的数理模型分析和频谱分析

分析影响电梯运行质量诸多因素中的两个：加速度变化率和振动;讨论了电梯振动产生的根源、数理模型、频谱分析;介绍了人体对不同频率范围的振动感觉。最后对一个电梯振动实例进行了分析,并提出了相应的减振方法。     

典型雷电流频谱能量研究及危害分析

不同地区的雷电流具有不同的波头波尾参数,针对具体地区雷电问题的研究,采用符合当地雷电流特征的模型,所得结果将更为准确。本文通过总结Heidler函数所描述波形的一些规律,对北京地区的实际雷电流波形进行模拟,得出了用于模拟该雷电流波形的Heidler函数参数,并对此雷电流波形进行频谱分析,结果表明:北京地区的雷电电流波形振幅和能量主要集中在特低频和甚低频频段内,对远距离通信导航的影响尤为显著。     

爆破地震波传播过程的振动频率衰减规律研究

爆破振动频率的研究是爆破振动危害控制技术发展的重要基础。基于引入介质阻尼项建立的黏性岩体爆破振动频谱表达式,并结合LS-DYNA有限元软件,数值模拟分析球状药包爆破振动主频和平均频率的衰减机制和规律;针对柱状药包,利用数值模拟其爆破振动频率的衰减规律。结果表明：无论是球状药包还是柱状药包,由于爆破地震波频谱曲线的多峰结构和高低频衰减速度的差异,其爆破振动主频随爆心距的增大并非严格的衰减,在衰减过程中出现局部突变或者波动,而爆破振动平均频率则随爆心距规则地衰减。该理论分析结果得到了工程实测振动资料的验证。     

工程机械司机室内噪声分析与降噪试验验证

推土机的驾驶室内噪声较大,需确定其噪声源并进行降噪处理。通过综合的测试分析技术对推土机驾驶室内、整车外进行振动噪声源识别是实施正确减振降噪措施的前提。对测试数据进行了频谱分析,结合机器工况和内部结构分布情况,确定了推土机驾驶室内振动噪声的主要频率特性及主要振动噪声源。同时根据噪声振动源对司机位置处噪声的影响,提出综合的减振降噪方案,并经过试验得到验证。经过减振降噪综合治理,司机位置耳旁噪声大大低于新国标限值,产品性能得到提升。     

基于频谱能量分析的地质雷达探测图像判读

通过人工肉眼对地质雷达探测图像进行判读的方法易受判读人员主观性、经验性影响。为了规避这一不足,提出一种基于Counterlet等高变换和K-Means++均值聚类分析的频谱能量判读方法。以实际公路隧道为依托,经现场探测获取不良地质体的原始探测数据;采用IDSP探测数据分析软件生成原始图像及实施背景去除、滤波等时域、频域预处理以提高信噪比;基于子带分布系数采用Counterlet对预处理后的图像进行分解和重构,并采用K-Means++算法将重构后图像中的频率信息转化为颜色特征;利用MATLAB对颜色特征进行提取并据此建立不良地质体颜色特征样本库,将原始探测图像与样本库进行匹配对比以实现自动判读。结果表明：采用Counterlet等高变换对多方向、多分辨率、多尺度的地质雷达图像进行分解与重构是可行的,曲线边缘逼近效果良好,重构后的图像无信息丢失;K-Means++算法能实现地质雷达灰度图像中能量~频率~色彩的转化,转化后的图像色彩突出、直观;频谱能量的匹配对比能较准确、快速地实现自动判读及较好地规避个体主观性。