加筋短板后屈曲特性分析与试验研究

作为飞机结构的基本元素,加筋短板有较为宽广的非线性后屈曲区间.通常采用工程计算方法作为加筋板的设计依据,未充分利用结构的后屈曲强度.为研究加筋短板的后屈曲特性,求解加筋短板的后屈曲路径以及极限载荷,采用GMNIA(Geometrically and material nonlinear analysis with imperfections)仿真分析方法预测了加筋短板的极限载荷,得到了反映后屈曲路径的载荷—应变曲线,并与试验进行对比分析.研究结果表明,加筋短板初始屈曲发生在蒙皮的自由边,长桁是后屈曲的主要承载部位;有限元仿真的极限载荷与试验破坏载荷的相对误差为0.46％,有限元仿真的后屈曲平衡路径与试验吻合较好.因此,采用GMNIA仿真分析方法能够准确的分析加筋短板的后屈曲特性,达到减轻结构重量、提高结构效率的目的.     

基于有限元的机翼加筋盒段后屈曲分析

加筋结构的承载能力是飞机设计中的重要内容,为预估加筋壁板结构承载能力,应解决材料的屈曲问题.关键问题就是考虑材料和几何双重非线性的后屈曲分析.采用MSC.NASTRAN软件利用弧长法对机翼加筋盒段进行了后屈曲仿真分析,得到了加载点的载荷-位移曲线和变形云图,进而获得了结构的破坏载荷和破坏模式.并利用试验数据进行了对比验证,仿真分析结果与上述对比符合的很好,破坏载荷误差在3％以内.研究结果为工程结构后屈曲设计和分析提供一定的参考.     

板架结构复杂屈曲问题

利用Patran和MSC Nastran分析板的屈曲问题.明确利用有限元对板屈曲计算的方法,了解板架结构的长宽比和厚度对板架屈曲能力的影响程度.根据矩形板的中性平衡方程推导出板双轴向受压的临界压力公式,并利用有限元方法对其进行校核.     

爆炸载荷下加筋板的动力学性能分析

为提升军舰、潜艇和航空母舰外板的抗爆炸载荷冲击能力,采用Abaqus分析爆炸载荷下材料阻尼、应变率、加筋板的几何构型及加强筋的几何参数对结构动力学性能的影响.结果表明：加筋板相对于平板具有优异的抗爆炸载荷冲击能力;材料的阻尼及应变率对结构动力学性能影响较大;双十字加筋板相对于其他几何构型的加筋板具有更优良的抗爆炸载荷冲击的能力;矩形加强筋截面高宽比对加筋板动力学性能影响较明显,在结构设计中应该根据需求进行合理选择.     

复合材料细长柱受冲击荷载动力屈曲研究

对复合材料细长柱在轴向冲击荷载下的动力屈曲问题进行了研究.基于单层材料本构方程及D'Alembert原理,建立了结构轴向及横向耦合振动方程.用Laplace变换得到轴向运动解析解,并用Galerkin法对结构横向振动进行求解.用数值方法讨论了冲击质量、冲击速度,复合材料铺层角等对结构临界动力屈曲时间及冲击物与结构接触时间的影响.结果表明随着冲击质量、冲击速度,复合材料铺层角增大,结构动力屈曲时间减小;冲击速度,铺层角对冲击块与结构的接触时间无影响.     

金属加筋板压缩稳定性分析的随机缺陷法

为使金属加筋板稳定性分析更加真实可靠,在分析中引入随机的初始几何缺陷,采用一致缺陷法通过ANSYS对金属加筋板进行压缩稳定性有限元分析,总结一致缺陷法的优缺点,进而提出一种考虑加筋板初始几何缺陷的随机缺陷法并进行试验.结果表明:一致缺陷法对非线性变形分析有一定的引导作用,使非线性变形朝着特征值屈曲模态的方向发展;随机缺陷法将结构的初始缺陷看作是随机的,缺陷大小和分布无法预测,更能反映加筋板真实的工作性能.编写加筋板自动建模程序和随机缺陷自动分析程序,从而大大提高分析效率,使随机缺陷法用于设计成为可能.     

碳纳米管增强复合材料板的混沌动力学研究

基于碳纳米管增强复合材料板结构的非线性动力学方程,利用多尺度法得到该系统在1:3内共振情况下的平均方程.运用规范型理论对平均方程化简,研究了化简后系统未受扰部分的非线性动力学行为和扰动项对系统流形的影响.同时,利用能量-相位法验证了系统存在多脉冲跳跃轨线,进而证明在一定参数条件下碳纳米管增强复合材料板结构中存在Smale马蹄意义下的混沌.所得结论具有重要理论价值,对实际工程具有指导意义.     

水下爆炸载荷作用下加筋板的动态响应分析

利用Abaqus计算不同水下爆炸载荷作用下加筋板的动态响应,并与RAMAJEYATHILAGAM得出的试验值进行对比,以保证计算分析过程的正确性.计算得到的位移-时间历程曲线可以为加筋板的优化设计提供参考,从而提高其水下爆炸的抗爆能力.     

基于ANSYS/LS-DYNA的加筋板入水冲击仿真

采用ANSYS/LS-DYNA有限元分析软件数值模拟入水冲击问题,重点研究平板类结构体入水冲击数值仿真和冲击荷载作用下的结构动力响应;首先采用ANSYS前处理器建立平板和十字加筋板入水冲击数值模型,然后通过LS-DYNA求解器数值计算入水冲击的动力响应,并分析比较了各个模型计算得到的位移、等效应力、压力等变量变化,最后得出以下结论,加筋板具有吸收更多人水冲击能量的作用,且耐撞性更强,结构更偏于安全.     

一种基于智能家居的用户行为预测方法

随着移动通信技术、物联网技术和传感器技术等的快速发展,智能家居行业发展迅速。由于人们生活水平的提高,对智能家居可以提供的智能服务需求正在增加。然而,现有的智能家居系统只能根据预设的控制方法和规则简单地重复运行,并且根据用户的日常生活习惯,不能随时提供满足其个性化需求的服务。试图为智能家居提供个性化服务,使智能家居的服务能够更加灵活、智能和人性化,报告了智能家居和关联规则挖掘的研究现状,对提高Apriori算法的效率进行了研究,设计了原型系统中的数据采集和预处理,网关以及行为识别和预测3个功能模块的总体实现方案。实验结果表明,采用关联规则数据挖掘的方法可以预测智能家居环境下用户未来的行为,同时基于散列技术的Apriori算法提高了智能家居下用户行为预测过程中的效率。     

基于犯罪行为序列的法律条文预测方法

随着互联网技术和人工智能技术的飞速发展,如何将人工智能引入到司法领域得到了各大研究机构的密切关注。在传统的审判辅助工作中,主要依托的是对于独立的案情特征进行法条、量刑、罪名的确立。然而,这种情况下,案情特征的顺序容易被忽略,尤其是涉及到案件特征的时间序列、行为序列的分析时,“顺序问题”可能影响最终的审判结果,如相同特征的案件可能导致审判结果的不同。对如何有效地利用这些信息提升法律条文预测的性能进行研究,用于改进在司法领域的表现,并辅助法官和律师等更加高效地进行法律判决。通过利用案情的事实描述和犯罪行为序列来预测案件涉及的相关法条,验证基于犯罪行为序列的法律条文预测的有效性。     

一种基于用户移动行为相似性的位置预测方法

随着移动通信技术和车载定位系统的发展和广泛应用,基于位置服务越来越受到人们的关注。位置预测技术是其重要组成部分,并有着广泛的应用。在实际应用中,由于采集点丢失或新用户出现等,GPS轨迹数据往往具有稀疏特性,使得基于单个用户数据的位置预测的准确率较低。针对这种情况,文中提出了基于移动行为相似性和用户聚类的Markov位置预测方法。首先,为使预测的位置具有物理意义,提出了基于Voronoi图的区域划分方法,并基于区域轨迹进行位置预测;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性。在真实GPS轨迹数据上的实验表明了所提方法的有效性。     

基于群体行为分析的人群异常聚集预测方法

随着智能通信设备的普及和通信基站定位精度的提升,利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性,利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题,提出一种基于群体行为分析的预测方法。通过分析聚集人群的上网行为和基站间的人群移动行为特征,得到两者之间的相关性,结合基站的人群密度时间序列信息,利用扩张因果卷积神经网络和逻辑回归模型得出预测结果。运营商提供的手机用户上网记录数据集上的实验结果表明,该预测方法的精确率为0.93,召回率为0.97,显著优于ARIMA算法、LSTM算法和XGBoost算法,证明了引入用户群体的上网行为和移动特征能够有效提升人群异常聚集预测的准确性。     

一种基于笔划宽度的印鉴分割方法

印鉴分割是正确识别真假印鉴的关键问题，本文给出了一种新的印鉴图像分割算法。该算法基于样本章（印鉴）和待验章（印鉴）在具有相同的笔划宽度时，分割效果最佳，最利于真假印鉴的识别。选定一定范围的灰度值作为可能的阈值，从中选 出使待验章和样本章的笔划宽度相差最小的阈值作为最佳阈值。对位于待验章和样本章的交集中的边缘点分别在待验章和样本章中求水平和垂直方向上的笔划宽度，并且仅取宽度差最小的一个方向上的宽度差，很好地避免了印泥的浓淡、盖印时用力的深浅、印泥污染、笔划断裂和分裂带来的干扰。实验和实践证明，该方法分割效果好，并具有很好的稳定性，在识别真假印鉴的实践中得到了很好的应用。     

语义增强的在线学习行为预测研究

当前学习者的在线学习行为预测研究未充分利用短文本中的语义数据,导致对学习者的学习状态刻画不够全面,严重影响了行为预测的准确性.针对此问题,本文提出了语义增强的在线学习行为预测方法.首先,利用双向长短时记忆网络得到到短文本的语义向量表示;其次,基于学习者的统计、行为和短文本数据得到学习者的特征表征,并利用长短时记忆网络模型构建其学习状态表征;最后,利用学习状态表征预测学习者的学习行为.在11门真实在线课程数据集上的实验表明,本文方法能过有效提升在线学习行为预测的精确度.     

车联网中基于车辆行为预测的身份认证方案

车联网中传统基于密码学的身份认证方案可满足车辆身份认证的基本要求,但其作为静态防御机制不能有效解决车辆身份盗用和认证低时延问题。在基于移动边缘计算框架的软件定义车联网体系结构下,提出一种基于车辆行为预测的身份认证方案。在车辆历史行为数据的基础上,使用前缀树确定认证基站,采用决策树算法和多元非线性回归模型提前对车辆到达站点和时间进行预测,并通过对比车辆到达站点和时间的真实值与预测值实现车辆身份认证。实验结果表明,该方案利用软件定义网络的集中式全局控制能力和移动边缘计算的分布式计算能力对车辆身份认证任务进行管理和分配,可在保证较高车辆认证准确率的同时满足车联网的低时延需求。     

基于RBF网络直接广义预测精轧宽度控制

为了进一步提高热连轧带钢成材率和宽度精度, 在精轧末机架后一般配置了测宽仪, 利用机架间张力对宽度动态控制,达到调整带钢宽度目的.但由于精轧末机架中心线到测宽仪的距离较远,使得系统具有大滞后性及时变性等特点,很难建立精确的数学模型.采用对模型要求宽松的广义预测控制方法,用RBF网络直接逼近控制律,省略了Diophantine方程的求解、矩阵的求逆,缩短了在线计算的时间,适用于快速的轧钢过程.仿真结果表明这种方法对精轧宽度这一大时滞、不确定性系统有较好的控制效果.