多层SGP夹层玻璃受刚体冲击作用的实验研究

多层SentryGlas®Plus (SGP)夹层玻璃在建筑行业被广泛作为承重材料, 玻璃在动态冲击下的脆性失效易导致夹层玻璃的承重性能大幅降低, 而目前对多层SGP夹层玻璃抗冲击性能的研究数据较少。本研究基于平均最小破坏速度(MMBV)测试方法, 对三层SGP夹层玻璃面板展开刚体冲击实验。首先采用高速相机追踪裂纹产生和扩展情况, 将夹层玻璃的开裂顺序分成三类, 并通过分析其冲击响应, 研究开裂顺序、支撑条件和玻璃面板构成对SGP夹层玻璃抗冲击性能的影响。实验结果显示, 边缘夹固式夹层玻璃需要更高的平均最小破坏速度来触发玻璃破损, 且与驳接点支式试样相比, 其碎裂前刚度提高了44%。相比于钢化玻璃, 半钢化玻璃碎片在受压状态下可产生更强的锁合机制, 从而明显提高试样刚度, 平均最小破坏速度则稍有增加。研究还显示动态刚度在破坏后阶段将会显著降低。最后, 结合高速相片分析了两类动态脱层特征。     

基于机器学习的热导率预测模型研究

传统的理论研究、实验研究及计算仿真已无法满足科学家对新材料的探索与设计。数据驱动的机器学习算法对材料的筛选与性能预测有着推动作用。将机器学习算法应用到材料信息学,基于现有材料热导率数据集,建立机器学习热导率预测模型,通过交叉验证来对机器学习回归模型进行评估。利用机器学习算法建立描述符与热导率属性之间的映射模型,可用于大规模的材料筛选,从而指导实验研究。     

砂浆板冲击破坏试验研究

通过锤击、均匀冲击荷载试验,采用逐级递增循环冲击加载方式,研究冲击荷载下砂浆板的破坏特征及冲击力、冲击能与最大加速度响应间关系。试验表明,二种冲击作用均使砂浆板跨中区域出现贯穿裂缝,呈脆性劈裂破坏形态,均匀冲击作用下破坏位置与跨中有一定偏移;锤击力时程经历主冲击、次冲击、卸载三阶段,加速度响应随锤击力增加而增加,裂缝贯穿后冲击力、加速度响应大幅减小;均匀冲击下加速度有二组响应区,响应随冲击能增加而增加,当冲击能达一定程度时响应大幅减小;继续增加冲击能,响应又会增加,并较快发生劈裂破坏,响应大幅减小;支座螺栓松动能缓冲部分冲击作用。     

冲击压缩下氧化铝陶瓷中的延迟破坏实验研究

利用轻气炮对不同厚度的氧化铝陶瓷试件进行了平板冲击实验,并借助激光速度干涉仪（VISAR）测试了试件的自由面速度历程。实验结果显示,自由面速度曲线上存在表征破坏波出现的二次压缩信号。根据实验结果计算获得了破坏波穿过试件的运动进程,并确定了试件中破坏波的运动轨迹近似为一条直线,得出在冲击压力为7.16GPa时试件内破坏波波速约为5.051km/s,破坏延迟时间约为0.105μs。最后简单分析了该现象产生的物理机制。     

不同冲击载荷下水中砼破坏机理的初步研究

在水中爆炸冲击载荷的作用下,混凝土的动态响应和破坏模型与在地面上有很大的不同,加载应用率大小和作用历史对混凝土破坏历程有着更复杂的影响,冲击超压不是决定发生破坏的唯一因素,对此采用不同种类炸药,进行不同压力峰值和作用历史的爆炸载荷冲击实验,并初步提出了水中混凝土的动态破坏模型,给出了混凝土材料的临界破坏条件。     

基于近场动力学方法的玻璃板冲击破坏数值模拟研究

基于近场动力学方法,考虑刚体冲击作用下材料损伤发生断裂破坏影响,建立了刚球冲击玻璃板的三维数值计算模型,并结合Kalthoff-Winkler试验,验证了计算模型的有效性。最后,探究了刚球初始冲击速度、刚球直径和玻璃板厚度等因素,对玻璃板的冲击破坏结构形态演化以及裂纹扩展机制的影响。研究结果表明,当初始冲击速度较小时,玻璃板裂纹表现为辐射状,随着冲击速度的增加,环向裂纹出现并逐渐形成复杂的裂纹网络。同时,玻璃板的裂纹长度和裂纹占比均随初始冲击速度的增加而增大,且近似呈线性关系。随着刚球直径的增加,其与玻璃板的接触范围扩大,致使玻璃板的损伤程度加剧,且更易形成结构复杂的裂纹网络。此外,增加玻璃板的厚度会延长冲击持续时间,使得玻璃板承受更大的冲击能,从而导致板厚较小时局部结构损伤严重,但整体影响范围较小;而板厚较大时结构损伤的影响范围扩大,局部损伤则有所减弱。     

重力坝均匀冲击破坏模型试验研究

采用逐级递增循环均匀冲击加载方式,研究重力坝模型的破坏特征、自振频率与模态振型变化规律、最大加速度响应与冲击能间关系。试验表明,随着冲击能的增加,坝体依次出现砂浆掉皮、掉皮区扩大、上部细小裂缝、上部裂缝扩展及贯通、上部坝体断裂、中部细小裂缝、中部裂缝扩展及贯通、中部坝体断裂;自振频率随冲击能增加而降低,冲击后模态振型前二阶变化较小,第三阶变化较大;冲击作用下坝颈最大加速度响应最大;响应趋势与损伤程度有关,冲击能逐渐增加,无损伤或损伤较轻部位响应依次为增加、减小、变化不大或略有增加,损伤较重部位依次为略有降低、增加、减小、变化不大或略有增加。     

基于特征选择和GWO-KELM的鸟声识别算法

针对鸟声识别算法中提取特征单一、分类准确率低等问题,提出一种基于混合特征选择和灰狼算法优化核极限学习机的鸟声识别方法。首先从鸟声数据中提取大规模声学特征集ComParE,其次计算每个特征的F_score并进行排序,然后以广义顺序向前浮动搜索(Generalized Sequential Forward Floating Search, GSFFS)为搜索策略,特征子集在核极限学习机(Kernel Limit Learning Machine, KELM)上十折交叉验证的正确率,作为特征选择标准进行特征选择,得到适用于鸟声识别的特征子集,最后通过灰狼算法(Grey Wolf Optimizer, GWO)选择最优KELM参数识别鸟声。在柏林自然科学博物馆鸟声数据库中进行实验,该方法在60类鸟声识别平均正确率和F1-score达到94.45%和92.29%。结果表明,该方法相较于传统自行设计提取的单一特征集具有更高的识别精度,GWO-KELM模型比网格搜索方式更易找到全局最优值。     

PVB夹层玻璃的失效扩展

本文为探讨聚乙烯醇缩丁醛(PVB)夹层玻璃断裂失效的扩展规律,运用ANSYS/LSDYNA软件对夹层玻璃在聚能射流冲击作用下的变化进行了仿真研究,分析了玻璃厚度对断裂破坏效果及PVB薄膜厚度对失效扩展特性的影响。结果表明:冲击作用下玻璃厚度对夹层玻璃断裂破坏的影响较平缓。随着PVB薄膜厚度的增加,玻璃试件的失效扩展特性(速度、起始加速度、后期减速度和稳定加速度)减小,其吸能特性增强,断裂失效的扩展过程趋于平缓。并从理论方面判定夹层玻璃在冲击过程中的失效扩展速度主要取决于应力分量,且PVB粘弹性层具有较强的吸能作用。     

基于最大相关熵准则的多尺度高斯核极端学习机

针对传统的多尺度核极端学习机对噪声敏感且计算量大的问题,提出一种适用于高斯噪声环境的多尺度核极端学习机.首先,利用最大相关熵准则代替多尺度核极端学习机中传统的最小均方差准则构造目标函数;其次,将1种按训练样本数随机生成尺度因子的多尺度化方法应用于高斯核函数;最后引入拉格朗日乘子法对目标函数进行求解,推导出基于最大相关熵...     

低速冲击下复合材料层合板损伤分析

根据低速冲击下复合材料层合板的分层损伤机理,发展了一种分层失效准则,该准则同时考虑了层间拉应力、层间剪应力和基体开裂等因素对分层损伤的影响,并在损伤分析中,区分了冲击正面由挤压应力引起的纤维挤压损伤和冲击背面由弯曲拉应力引起的纤维断裂损伤,模拟了纤维断裂、纤维挤压、基体开裂、基体挤压、分层等五种损伤的起始和扩展过程,完善了作者以前发展了低速冲击逐渐累积损伤模型.通过与实验结果进行比较,验证了模型的合理性.     

基于随机卷积特征和集成超限学习机的快速SAR目标识别

深度卷积神经网络在目标检测与识别等方面表现出了优异性能,但将其用于SAR目标识别时,较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR目标识别算法。首先,随机生成具有不同宽度的二维卷积核,对输入图像进行卷积与池化操作,提取随机卷积特征向量。其次,为提高分类器的泛化能力,并降低训练时间,基于集成学习思想对提取的卷积特征进行随机采样,然后采用超限学习机训练基分类器。最后,通过投票表决法对基分类器的分类结果进行集成。采用MSTAR数据集进行了SAR目标识别实验,实验结果表明,由于采用的超限学习机具有快速训练能力,训练时间降低了数十倍,在无需进行数据增强的情况下,分类精度与采用数据增强和多层卷积神经网络的深度学习算法相当。提出的算法具有实现简单、需要调整参数少等优点,采用集成学习思想提高了分类器的泛化能力。

     

基于ARO-MKELM的微电网攻击检测

智能电网的复杂性和开放性使其在信息交换时更易受到网络攻击的威胁。目前大多数检测方法只关注检测攻击的存在性,不能确定受到攻击的分布式电源的具体位置,导致无法快速将被攻击的分布式电源隔离,继而造成严重的损失。提出一种基于人工兔群优化算法优化多核极限学习机的交流微电网虚假数据注入攻击检测方法。在传统极限学习机中引入组合核函数以提升检测模型的学习能力和泛化能力,并采用具有强全局搜索能力的人工兔群优化算法优化多核极限学习机的核函数参数及正则化系数,进一步提升检测模型的检测精度。利用非训练样本内幅值为55和95的阶跃攻击信号进行仿真验证,检测准确率范围分别达到了(93.44～94.64)%和(98.11～99.23)%,与其他检测模型进行对比分析,验证了所提方法的优越性。     

风致飞掷物冲击建筑浮法玻璃试验和数值模拟

通过试验和有限元数值模拟的方法研究风致飞掷物对建筑浮法玻璃的冲击破坏效应。首先进行钢球冲击浮法玻璃面板的破坏试验,然后基于LS-DYNA建立与试验对应的飞掷物冲击浮法玻璃有限元模型,并通过对比试验和数值模拟的结果验证有限元模型的可靠性。最后基于验证后的有限元模型,以板状飞掷物为代表,研究风致飞掷物的冲击位置、冲击姿态和外形等特性对其冲击效应的影响。结果表明,建筑浮法玻璃在风灾中非常容易受到飞掷物的冲击而破坏。采用JH-2作为浮法玻璃的本构模型并以SIGP1=75 MPa作为失效准则,能够较准确地模拟浮法玻璃在冲击荷载下的破坏特性。板状飞掷物的冲击位置对其冲击效应影响不大,但其冲击姿态和边厚比对冲击效应有较大的影响。     

基于BA-MKELM的微电网故障识别与定位

提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位模型,并采用贝叶斯算法对多核极限学习机相关参数进行优化,进一步提高模型的逼近能力。为了验证所提模型的故障识别与定位性能,选用极限学习机和多核极限学习机分别建立故障诊断模型进行比较分析。实验结果表明,所提方法能够高性能地识别和定位微电网中任何类型的故障,识别和定位精度更高。     

基于VPMELM的滚动轴承劣化状态辨识方法

针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系。结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中。实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。