基于Moldflow注塑件翘曲分析及工艺优化

以一款测试仪下盖板为研究对象进行翘曲缺陷分析,确定注塑件开裂的原因。首先,通过对注塑件三维原模型进行针对性的结构修改,对修改前后的模型分别进行模流分析;其次,重点对注塑件结构尺寸、模具温度、注塑温度和保压曲线等工艺参数进行优化设计,使修改后注塑件翘曲变形降低;最后,结合注塑件模具成型工艺,得到最优注塑工艺数据。研究结果表明,注塑件翘曲变形量为1.032mm,存在明显的收缩不均,为导致产品开裂的主要原因。     

高速列车横风作用下的非定常气动载荷计算模拟

为模拟横风环境下高速列车所受气动载荷,选择Karman修正风速谱为目标谱,采用线性滤波法（AR模型）模拟了随列车移动点的脉动风速时程。基于风速风压关系,分析了气动载荷的计算方法,引入气动导纳函数,计算了高速列车横风作用下的非定常气动载荷,最后通过MATLAB编程实现非定常气动力的模拟。通过对列车运行速度70 m/s、平均风速为25 m/s工况下的脉动风速及非定常气动力的计算模拟,结果表明,风速时程能量主要集中在0~3 Hz频域段,与列车系统固有的一些振动频率相近,存在引起列车系统共振、引发倾覆事件的可能。     

基于局部均值分解的螺栓连接振动松动研究

针对振动环境下螺栓连接结构的松动现象及响应信号的非线性、非平稳特征,提出基于LMD能量熵的松动故障识别方法。首先建立搭接板的有限元模型,通过预紧力单元法仿真得到不同预紧力下板结构振动信号;然后应用局部均值分解方法将信号自适应分解为若干乘积函数分量,计算包含主要故障信息的PF分量的能量熵,构造有效的松动损伤指标;最后建立螺栓连接搭接板试样,采集不同预紧工况下连接板的振动响应信号,通过激振试验验证该方法的有效性。研究结果表明,PF能量熵能较好地反映螺栓松动情况,此方法能有效地识别螺栓松动特征。     

基于LMD样本熵和RBF网络的结构损伤识别研究

基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。     

基于时域正演法的载荷识别

针对离散系统动态载荷识别精度受测点信息和传感器布置数目限制的问题,采用逆问题正分析的方法,在时域内提出了一种基于时域正演法的载荷识别方法。具体内容包括:若已知结构的某一种响应,比如位移、速度和加速度,根据此方法,便可确定未知作用力的时间历程。同时对该反演过程中存在的病态问题进行了奇异值分解。数值算例表明,该方法能较准确地识别结果动载荷,且简便有效。     

含损伤板的动载荷识别精度研究

为了深入研究动载荷识别问题,改善识别精度受测点信息和传感器布置数目限制的影响。首先采用逆问题正分析的方法,在时域正演法识别的理论基础上,研究结构损伤对载荷识别结果的影响,然后分析讨论测点位置、采样时间间隔对识别精度的影响。结果表明,在板结构有损伤的情况下,该方法能有效地识别出非损伤处的载荷且计算效率较高,但对于损伤处载荷的识别精度较低。另外,通过优化传感器的布置以及选择合适的采样时间间隔,可较大程度提高识别精度,为载荷识别的准确性提供参考。     

基于深度学习的乘务员接打电话行为检测方法研究

为避免机车乘务员因接打电话导致注意力分散而造成安全事故的发生,对乘务员接打电话行为进行实时监测显得尤为重要.针对目前已有检测方法存在易受外界因素干扰而导致准确率低、误检率高等问题,提出了一种基于深度学习的乘务员接打电话行为检测方法:首先采用R-SSD目标检测算法快速实现乘务员脸部区域定位及跟踪,从而确定接打电话行为检测...