排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
针对振动环境下螺栓连接结构的松动现象及响应信号的非线性、非平稳特征,提出基于LMD能量熵的松动故障识别方法。首先建立搭接板的有限元模型,通过预紧力单元法仿真得到不同预紧力下板结构振动信号;然后应用局部均值分解方法将信号自适应分解为若干乘积函数分量,计算包含主要故障信息的PF分量的能量熵,构造有效的松动损伤指标;最后建立螺栓连接搭接板试样,采集不同预紧工况下连接板的振动响应信号,通过激振试验验证该方法的有效性。研究结果表明,PF能量熵能较好地反映螺栓松动情况,此方法能有效地识别螺栓松动特征。 相似文献
3.
为模拟横风环境下高速列车所受气动载荷,选择Karman修正风速谱为目标谱,采用线性滤波法(AR模型)模拟了随列车移动点的脉动风速时程。基于风速风压关系,分析了气动载荷的计算方法,引入气动导纳函数,计算了高速列车横风作用下的非定常气动载荷,最后通过MATLAB编程实现非定常气动力的模拟。通过对列车运行速度70 m/s、平均风速为25 m/s工况下的脉动风速及非定常气动力的计算模拟,结果表明,风速时程能量主要集中在0~3 Hz频域段,与列车系统固有的一些振动频率相近,存在引起列车系统共振、引发倾覆事件的可能。 相似文献
4.
5.
基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。 相似文献
6.
针对离散系统动态载荷识别精度受测点信息和传感器布置数目限制的问题,采用逆问题正分析的方法,在时域内提出了一种基于时域正演法的载荷识别方法。具体内容包括:若已知结构的某一种响应,比如位移、速度和加速度,根据此方法,便可确定未知作用力的时间历程。同时对该反演过程中存在的病态问题进行了奇异值分解。数值算例表明,该方法能较准确地识别结果动载荷,且简便有效。 相似文献
7.
1