应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

乘用车悬架静强度与疲劳载荷研究

为了快速获得平台悬架静强度与疲劳载荷,本文依据某A级平台5款量产车型试验场道路栽荷数据,以前麦弗逊悬架为研究对象,先对轮心载荷幅值进行统计分析,根据应力-强度干涉模型,得到该平台前悬架的强度载荷边界,及其与车辆满载轮荷的G载荷系数.再通过研究5款车型车轮轮心疲劳伪损伤与轮荷的关联关系,得到该平台悬架的疲劳栽荷.此方法可快速获得同平台悬架静强度与疲劳载荷,省去实车道路谱采集并提升了工作效率.     

基于有限元的低成本塔桅设计及承载能力分析

为研究铁塔公司发布的最新《低成本铁塔标准图集V1.0》的共享改造能力,文章选取了单斜撑三管塔0.65 kN/m2基本风压下的系列塔图,从各塔段的主管应力比和塔顶位移角两个角度,考虑新增天线设备、馈线、爬梯荷载,以及天线设备之间的相互遮挡,利用有限元软件SAP2000对每种塔型进行了常规设计分析和改造增载后的研究分析.由分析结果可知,每种塔型均有可共享改造能力,且随着塔身高度的增加,共享改造的能力逐渐降低.     

爆炸冲击波载荷下预制孔铝板的动态响应

为研究爆炸冲击波对破片穿孔后板结构的毁伤效应,使用激波管为冲击波加载设备,对不同孔形的预制孔铝板进行冲击波加载.利用三维数字图像相关(3 D-DIC)技术,分析固支预制孔方形铝板在冲击波加载条件下的动态响应,得到预制孔铝板的动态响应和变形失效过程.结合3 D-DIC结果分析孔形对靶板刚度、破坏形式、承载能力的影响.结果表明:圆形孔靶板刚度最大,圆形孔靶板的极限承载能力最大,菱形孔靶板极限承载能力最差;孔形对撕裂破坏的影响主要体现在孔的角点在靶板分布上.该实验结果对固支板结构的抗爆设计具有一定参考价值.     

自重湿陷性黄土地基预钻孔浸水处理的可靠度设计方法

为解决传统预浸水法存在的浸水时间长、浸水处理范围难以确定等不足,基于土体中水分运移规律,依据可靠度理论、极限状态设计方法及复合 Poisson 过程原理,提出一种消除黄土湿陷性的处理浸水方法——预钻孔浸水法。给出了利用预钻孔浸水法对自重湿陷性黄土地基进行浸水时,水平向及竖直向浸水影响范围的确定模型;在此基础上结合达西定律给出了浸水孔设计参数如孔深、孔间距及浸水孔个数的确定方法。结合铜川某工程,设计进行了现场预钻孔浸水试验,对该方法的合理性进行了验证,并通过现场钻探、现场勘探、室内湿陷性试验等方法对该方法的处理效果进行了评价。该浸水方法具有浸水时间短、浸水影响范围可根据浸水孔布设进行控制等优点,且浸水处理效果良好,完全符合施工要求。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

高强中空夹层钢管混凝土柱的耐火性能试验研究

针对应用高强钢与超高强混凝土的中空夹层钢管混凝土柱，开展了轴心受压柱的标准耐火试验，得到了不同截面形状、边界条件、涂料厚度、荷载比条件下该柱的耐火极限，提出了表征柱耐火性能的延性指标，探讨了高强柱与普通柱耐火性能的差异。试验结果表明:高强中空夹层钢管混凝土柱的受火时间-位移响应与普通柱相似，受火前期膨胀而后期压缩变形进一步增大达到耐火极限。参数分析表明:相同条件下，应用高强钢的中空夹层柱其耐火极限低于应用普通钢的中空夹层柱，而应用超高强混凝土的中空夹层柱其耐火极限则高于应用普通或高强混凝土的中空夹层柱。此外，该文分别基于欧洲规范4中轴心受压柱和压弯构件的常温承载力计算模型，运用材料高温力学参数，计算了该柱高温屈曲承载力与耐火极限，计算结果与试验结果吻合较好。     

基于外部载荷位置预测的光纤传感器故障信号识别技术

为了解决传感器故障识别过程中识别效率低和精度低的问题。提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号；采用本征模函数提取不同故障下信号特征。并将其分为状态信息和扰动分量两部分。计算二者之间的近似性。结合线性模型提取故障信号特征向量；利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理。构建灰色关联矩阵计算其与标准数据之间的贴近度。完成光纤传感器故障信号识别?仿真分析结果表明。所提方法在故障信号解调、去噪以及识别方面均具有明显的优势?对深入研究传感器起到了一定的推动作用?     

基于GA-BP神经网络的电网暂稳极限切除时间预测

本文介绍了一种利用PSASP软件结合GA-BP神经网络的极限切除时间预测方法.通过PSASP软件搭建三机九节点系统,模拟系统发生三相短路故障,得到实验数据,将实验数据分为训练集和测试集,构建基于GA-BP的极限切除时间预测模型.结果表明,基于GA-BP模型的极限切除时间预测值与实际值基本一致,且GA-BP模型的预测精度高于BP模型.