混凝土非破损试验方法的研究

一、前言混凝土的非破损试验方法已有很长的历史,即使从1948年瑞士的施密特发明回弹仪以来,也有30多年了。在这期间,人们提出了范围非常广泛的各种非破损试验方法,但这些方法都未能准确地推算出结构物中的混凝土强度。本文概括介绍迄今提出的各种混凝土非破损试验方法,在总结研究现状和存在问题的同时,还提出了对未来的若干看法。     

基于无功电流的中性点不接地系统小电流接地选线方案

针对中性点不接地系统发生单相故障后难以准确选取故障回线的问题,提出一种基于无功电流的选线方案。单相短路故障发生后的,故障相各回馈线的电流变化主要来自线路分布电容电流变化,此电流为无功电流。其中故障回线无功电流为非故障回线与故障回线无功电流变化量之和,非故障回线无功电流变化量为该回线无功电流变化量。在此基础上提出基于无功电流变化量的中性点不接地系统小电流接地选线方案。单相短路故障发生后,比较故障相各回馈线无功电流变化量,变化量最大的馈线为故障馈线。利用PSCAD电磁暂态仿真软件搭建中性点不接地系统,对配电网中的架空线路和电缆线路单相短路故障进行了仿真研究,结果表明所提方法可靠性高,有较强带过渡电阻能力,且不受线路架设方式影响。     

变形程度与温度对40Cr变形后连续冷却相变的影响

基于热模拟试验机上单道次热压缩试验,通过控制变形温度、变形程度和冷却速率研究了40Cr钢的热变形行为及变形后的连续冷却过程。利用二值化处理和中值滤波处理技术获得了不同实验参数下的铁素体含量。结果表明,变形程度增大加速奥氏体分解,提高相变组织中铁素体含量,变形程度影响效果较强且基本不受冷却速率影响;变形温度降低促进奥氏体向珠光体转变,但影响效果对冷却速率变化比较敏感。     

弯曲加工结构响应的目标模拟及模型修正敏感参数分析

研究了目标一致逼近模型的建立和模型修正的敏感参数分析。以一个弯曲钢棒结构的缩尺试样为对象,利用试验提供的测试结果,研究这类弯曲加工结构的模态参数目标模拟过程,使建立的模型能够逼近2个测试目标,即结构的模态频率和主振型,并对影响因素进行分析。     

强化生物除磷系统中好氧颗粒污泥形成与研究

好氧颗粒是一种大型的生物聚集体,内部结构紧凑,可用于高效的废水处理。通过好氧颗粒化工艺的发展、颗粒化机理、强化生物除磷(enhanced biological phosphorus removal,EBPR)系统中颗粒污泥形成研究、颗粒污泥菌群结构研究和颗粒稳定性等方面进行了新的综述。     

基于CAE技术的医用SEBS注塑成型收缩率的模拟计算

采用Moldflow软件对医用SEBS制品的成型过程进行仿真实验,以体积收缩率为评价指标,研究了工艺参数的改变对制品收缩率的影响。并通过圆柱形试样注塑成型实验,验证模拟了实验中工艺参数对收缩变形规律的影响。结果表明,熔体温度和保压压力的变化对塑件体积收缩率的影响较为显著;通过圆柱形试样的模拟及实验验证,得出了医用瓶塞注塑成型模拟实验的结果具有一定的参考价值,并确定了医用瓶塞的最佳工艺方案组合:熔体温度180℃,注射压力25 Mpa,保压压力20 Mpa,模具温度20℃,保压时间16 s。最小收缩率为1.76%,小于其他工艺条件下的收缩率,说明注塑工艺对SEBS制品的收缩变形具有较大影响。     

电力电子技术的应用及发展探究

随着社会的不断发展与科学的不断进步,电力电子技术对于生活的已经变发展十分迅速.本文针对目前电力电子技术应用的系统在我国社会中带来的发展现状进行了分析与论述,而重点应从应用的背景、其主要内容、特点、存在问题等几个方面发展方向展开了较为详细的探讨,以此总结出现阶段我国在电力电子技术应用这方面系统的发展热点与特点,从而将电力电子技术更好地带到人们的生活中去,可以将问题为趋势,期待这方面的实践应用提供理论参考.     

一种多目标传感器优化布置方法及其应用

为解决复杂结构损伤识别中的传感器优化布置问题,以某发射台为研究对象,提出了一种多目标传感器优化布置方法(multi-objective optimum sensor placement,简称MO-OSP)。从结构运动方程出发,推导了同时具有各自由度模态独立性信息、损伤灵敏度信息以及运动能量信息的综合信息矩阵。根据信息熵原理,以协调灵敏度矩阵条件数最小和信息矩阵最大为目标,构造了能够兼顾算法敏感性和鲁棒性的目标函数,进而实现测点优选。采用多个评价准则和损伤识别实例,将所提方法与已有的3种典型传感器优化布置方法进行了对比分析。结果表明,提出的MO-OSP方法能充分满足模态线性独立和损伤敏感性,还具有较强的抗噪声性能,是解决复杂结构损伤识别中传感器优化布置问题的有效方法。     

EEMD模糊熵和变量预测模型的转子故障诊断新方法

提出一种基于总体经验模态分解(ensemble empirical mode decomposition,EEMD)模糊熵和变量预测模型的转子故障诊断新方法,并将其应用于某型燃涡发动机转子的非平稳振动信号分析及故障诊断。将基于变量预测模型的模式识别方法引入转子故障模式识别中,利用其较强的非线性问题处理能力,通过变量内部特征值之间的内在关系建立预测模型,并以预测误差平方和最小作为故障模式判别依据。首先利用EEMD将转子振动信号分解成若干个模式分量;然后分别计算各个分量的指标能量,筛选出包含主要故障信息的分量并提取模糊熵组成特征向量;最后采用基于变量预测模型的模式识别方法进行故障识别和分类。对某型燃涡发动机转子正常、不平衡、不对中三种不同状态下的振动信号进行分析,结果表明所提方法能够有效识别转子工作状态。与神经网络、支持向量机算法的对比分析证明,所提方法能更准确、更高效地完成转子故障诊断。