基于累积递增塑性变形的船体裂纹板断裂韧性研究

裂纹尖端张开位移（CTOD）是评估结构材料韧性以及分析低周疲劳破坏引起的裂纹扩展的重要参量。文章结合Dugdale模型,以裂纹尖端累积塑性应变为控制参量,提出了一个循环载荷下含裂纹船体板的CTOD计算模型;利用有限元法模拟了裂纹尖端累积塑性应变、平均应力、裂纹长度等相关因素影响;结合最小二乘法拟合出了基于累积塑性应变、平均应力比以及裂纹长度的两阶多项式。文中基于累积塑性应变的CTOD计算模型为正确评估循环载荷下船体板的累积塑性破坏提供了一种新途径。     

一种基于磁耦合的三电平逆变器拓扑

大功率电力电子变流装置通常采用硬开关电压型逆变器,逆变器中功率器件开关损耗较大、输出电压变化率大,对逆变器的散热和负载的绝缘造成了较大的压力,间接限制了逆变器的功率等级提升。本文提出了一种基于磁场耦合的三电平逆变器拓扑电路及其调制方法,负载等效开关频率提高一倍,负载的电平跳变数也相应增加。通过仿真和试验测试,验证了此电路拓扑的有效性和实用性。     

高效E类功放在无线电能传输系统中的应用

功率放大器作为无线电能传输系统的输入功率源,其性能的高低决定了整个电能传输系统的优劣。为了解决传统功率放大器效率较低的问题,设计了一款高效率E类功率放大器。该功放为L型匹配输出,以达到抑制谐波和匹配输出的目的。分析及测试表明,在E类功率放大器中采用高品质因数电感可以有效提高无线电能传输系统的传输效率。     

预应力混凝土宽箱梁桥空间受力行为研究

依托济广高速济南连接线工程,以主线桥30 m+45 m+30 m等宽箱梁为研究对象,对其进行了总体分析、复核和优化设计。     

装备EMB系统的挂车制动性能试验与分析

装备机械式电子制动系统(EMB,Electronic Mechanical Brake System)的挂车的制动性能特性与常规制动系统性能有很大区别,EMB系统具有响应时间短,制动效能高的特点,结合EMB制动系统的制动性能,搭建制动性能测试平台,对装备EMB系统的单轴和双轴挂车进行试验,从制动效能与制动协调性2个方面对装备EMB系统的挂车整车制动性能进行评价,分析制动过程中的制动减速度、制动力和制动距离的变化情况;并依据大量试验数据对比EMB系统与常规制动系统,验证EMB系统特性。     

基于内饰件基础结构库的门饰板设计

针对汽车门饰板B面设计中重复建模工作量大且易出错的问题,提出了基于内饰件基础结构库的门饰板设计方法。介绍了基于NX二次开发技术的内饰件基础结构库的建立,并在对门饰板B面基础结构进行分析和研究的基础上建立了门饰板的基础结构库组件。以某车型门饰板为例,运用基础结构库软件设计了门饰板上的大量重复基础结构。     

基于侧斜的螺旋桨优化设计

螺旋桨的螺距、纵倾、侧斜、剖面参数等众多几何参数综合决定着螺旋桨的水动力性能,在进行螺旋桨优化设计的过程中,需要以这些参数为优化变量进行优化。本文以粒子群算法为工具,基于面元法理论,以侧斜为优化变量,推力系数为限制条件,敞水效率为优化目标,对螺旋桨进行优化设计。侧斜用贝塞尔曲线拟合方式进行表达,给定一定的变化范围,符合优化过程中的实际变化。对优化结果进行分析,螺旋桨敞水效率提高,同时改善了桨叶表面的压力分布,有利于延迟空泡的产生;优化桨在0-1的进速中敞水效率均比原桨提高。     

过饱和道路交通控制信号周期优化解分析

分析了过饱和交通条件下城市道路信号控制交叉口周期参数值的优化解。以拥挤消散时间和路网总延误为控制目标,采用定时信号控制策略,基于元胞传输模型建立了路网优化控制模型,并采用遗传算法优化信号配时,对比了不同信号周期条件下拥挤消散时间和路网总延误的变化规律。最后,本文以某市L路为算例分析了周期值与消散时间及路网总延误的关系,结论表明路网在过饱和拥堵条件下,当控制周期大于某一临界周期值时,相位差和绿信比的优化将无法抑制消散时间的持续增长趋势;最优配时结果的路网总延误值比采用传统最大周期控制策略的路网总延误值降低17％以上。     

论地理信息系统在海上搜救中的应用与展望

地理信息系统（GIS）技术是近些年迅速发展起来的一门空间信息分析技术,它既是描述、存储、分析和输出空间信息的理论和方法的一门新兴的交叉学科,又是以地理空间数据库为基础的一个技术系统。结合GIS的概念、功能及其发展特点,研究其在海上运输领域中,在提高搜救效率、安全管理等技术方面的开发与应用．对于进一步推进GIS与交通运输业的结合,及有效推动船舶运输的发展具有重要意义。     

基于神经网络的高温下（后）预应力损失分析

提出了基于神经网络的高温下(后)预应力损失的评价方法.针对影响高温下(后)预应力损失的复杂多变性和相当强的不确定性,建立了基于神经网络的高温下(后)预应力损失模型.运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过对训练样本的神经网络学习,建立了预应力损失与温度、初始有效预应力以及高温条件的网络关系,最终实现了对测试样本的预应力损失预报.