基于Abaqus的双裂纹不同间距对裂纹扩展速率的研究

扩展有限元法是近年经过大量运用的,在传统有限元的范围中求解不连续问题一种有效计算方法,它是基于单位分解的思想,在计算不连续问题时加入跳跃函数。以ABAQUS为平台,基于扩展有限元方法 (XFEM),以含双穿透型裂纹的有限宽板受横向拉伸载荷为力学模型,建立相应的裂纹尖端应力的有限元模型,研究焊接接头区域不同间距双裂纹相互作用对裂纹扩展速率的影响。结果表明:双裂纹间距的的大小并没有对裂纹的扩展速率产生影响。     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。     

pH(酸度)计示值误差测量结果不确定度的评定

通过对使用pH计标准物质检定实验室pH计的过程进行分析,确定产生不确定度的影响因素,对各不确定度分量和测量结果的不确定度进行评定,从而做出对测量结果的准确判定。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

搅拌摩擦加工对AZ91镁合金微观组织及裂纹扩展性能的影响

对铸态AZ91镁合金进行搅拌摩擦加工,通过光学显微镜,扫描电镜进行组织及断口分析。结果表明,观察发现晶粒得到极大细化,第二相融入基体。对其裂纹扩展行为研究发现,抵抗裂纹扩展能力提高,加工之后的裂纹扩展断口出现韧窝,相比母材呈现塑性断裂的特征,发生脆韧转变。     

一种改进型锂离子电池SOC估算方法

为提高锂离子电池荷电状态(SOC)的估算精度，首先建立锂离子电池的较精确的二阶 RC等效模型，根据模型建立 状态空间方程，其次介绍电池充放电时电压电流采集方法，根据采集的数据，运用扩展卡尔曼滤波算法(EKF)，对锂离子电池的荷电状态进行估算。结果表明，该数据的采集方法具有很高的精度，用扩展卡尔曼滤波算法估算的结果与真实值较为接近，精确度可达4％，对噪声有很强的抑制作用。     

基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统

带有传感器的可穿戴式医疗设备不断生成大量数据，由于数据的复杂性，难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题，提出了一种新的物联网体系结构，用于存储和处理医疗应用的可扩展传感器数据（大数据）。所提出的架构主要由两个子架构组成：Meta Fog重定向（MF-R）架构和AWS密钥管理机制。MF-R架构使用Apache Pig和Apache HBase等大数据技术来收集和存储不同传感器设备生成的传感器数据，并利用卡尔曼滤波消除噪声。AWS密钥管理机制使用密钥管理方案，目的是保护云中的数据，防止未经授权的访问。当数据存储在云中时，所提出的系统能够使用随机梯度下降算法和逻辑回归来开发心脏病的预测模型。仿真实验表明，和其他几种算法相比，提出的算法具有更小的误差，且在吞吐量、准确度等方面具有一定的优越性。     

浅谈美术计算机辅助设计实践教学方式

学生在学习计算机辅助软件设计时,需要有扎实的基础训练,文章探讨以设计软件的实践教学方式培养学生的学习行为。     

自适应卡尔曼滤波算法在压裂作业中的应用

针对采用传统卡尔曼滤波器对压裂作业中压力进行滤波时,难以获得准确数学模型和噪声统计特性而导致滤波效果较差的问题,提出了一种基于拟合优度确定系数的自适应卡尔曼滤波算法(R~2-AKF)。该算法将测量数据的预测值作为回归曲线拟合值,通过计算测量数据的预测值与实际采集值的拟合优度确定系数R~2来确定过程噪声协方差矩阵Q的修正系数α,得到具有过程噪声协方差调整的自适应卡尔曼滤波算法,通过压裂作业现场试验验证了其有效性。试验结果表明:自适应卡尔曼滤波算法能保证系统的滤波精度,具有较强的实时性,是一种简单、有效的实时滤波算法,具有一定的工程指导意义和推广价值。研究结果可以为压裂作业中压力数据采集和分析提供技术参考。