青岛华润万象城商业综合体结构设计

青岛华润万象城属于复杂超限高层建筑,工程长宽比偏大,平面布置较为复杂,具有扭转不规则、楼板局部不连续、竖向不规则、抗侧力构件不连续、结构超长等特点。结构设计采用基于性能的抗震设计方法,对结构进行详细的小震弹性计算、小震弹性时程分析、中震及大震验算,并在工程中设置了RBS消能墙作为"抗震二道防线",其对平面扭转不规则也具有较好的控制效果。此外,对超长结构的温度应力作用、大跨度楼盖的舒适度以及抗浮设计方案进行分析与研究。计算及分析结果表明,结构各项指标能较好满足规范的相关要求,结构布置合理、安全可行。     

不同段数爆破地震波的反应谱分析

为了研究段数对反应谱特性的影响,基于某石方控制爆破工程爆破振动实测数据,对不同段数爆破振动信号进行了反应谱分析。首先,利用实测的爆破振动速度信号采用直接微分法获得了加速度信号,并利用EEMD分解对加速度信号进行低通滤波去噪处理,获得了准确清晰的加速度曲线。然后,利用精确法求得了不同段数下爆破振动信号的速度反应谱和标准速度反应谱。分析结果表明:不同段数的爆破振动质点峰值速度与速度反应谱的峰值速度并不存在对应关系,因此分段数的选择应综合考虑结构对爆破振动的动态响应。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

低分子量聚丙烯酸钾的合成及其应用

采用水溶液聚合法制备了低分子量聚丙烯酸钾（PAAK），并作为新型消焰剂加入单基发射药中。通过火焰原子吸收光谱法测试了PAAK中钾的含量；用乌氏黏度计测定了特性黏度；采用DSC法研究不同pH值的PAAK与硝化棉（NC）的相容性；利用充氮氧弹法对添加PAAK、硝酸钾KNO₃、硫酸钾K₂SO₄的单基发射药的燃烧残渣进行了对比研究。结果表明，合成的PAAK中，钾的质量分数为15.21%，相对分子量在3 000左右，有利于和NC均匀混合，且在中性或微碱性（pH＝7.0~7.5）的情况与NC相容性良好。与传统的KNO₃、K₂SO₄消焰剂相比，PAAK能够和NC均匀混合，制备均质透明的单基发射药；PAAK发射药的燃烧残渣最少，占发射药质量的0.18%。     

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。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。