单向复合材料高应变率下材料特性的研究

在船舶领域,复合材料及夹芯复合材料板梁结构已大量应用在舰船结构中,尤其游艇及复合材料高速艇上.在运行过程中,这些结构有时很可能会受到如砰击、碰撞等动态载荷或高速冲击载荷.然而到目前为止,大多数的结构设计所用到的材料特性仍基于低应变率情况下的准静态测试结果.该文研究了高速艇等结构中的纤维增强复合材料高应变率情况下的材料特性,通过引入一种粘弹性模型来模拟并分析研究对象.并在世界先进的INSTRON高应变率材料试验机上设计并完成了相关试验,验证了该枯弹性模型、确定了模型中的材料参数.该粘弹性模型然后被用来研究分析应变率对单向复合材料机械特性的影响.     

混凝土搅拌站动态配料系统控制算法及误差控制研究

在对现场一台混凝土搅拌站用工控机 PLC 组态软件改造的过程中,对该混凝土搅拌站动态配料系统进行了研究,依据动态配料称重系统和定量控制相结合的思想,从PID控制算法入手提高了称量的精度和速度,又对该系统的非线性误差的控制过程进行了分析,将迭代自学习控制方法用在该系统的动态称重配料过程的误差控制中.通过多次调试修改,该系统的配料精度和速度都达到要求,整个系统的效率也得到了提高.     

高模量沥青混合料的动态模量试验研究

高模量沥青混合料是通过在基质沥青中添加调和硬组分从而提高其模量的。实验对混合料进行了配合比设计,并对其与其它几种混合料在不同温度、不同加载频率条件下进行动态模量对比试验研究。结果显示高模量沥青混合料可以在不降低混合料低温性能的同时,有效提高其高温稳定性,抑制和减少车辙的产生,从而保证道路的良好使用性能。     

基于虚拟设计的发动机工作过程研究

提出了流场静态模拟、气道稳流试验、流场及燃烧的三维动态模拟相结合的工作过程虚拟设计方法,并对车用4气门汽油机进行了详细的模拟研究.通过流场静态模拟与气道稳流试验相结合,使两者的结果相互补充,并对选用的湍流模型进行验证;将流场三维动态模拟的结果作为初场应用于燃烧三维动态模拟,使燃烧模拟更接近于实际工作状态.静态与动态模拟的较好结合既能大量节省计算时间,又提高了模拟的真实性,有效缩短产品开发与改进的周期.     

应用排水固结法处理广州地铁鱼珠车辆段软基

介绍广州地铁鱼珠车辆段软土地基排水固结处理,并根据地基排水固结设计与监测结果分析了该法在软基固结中的效果及应用.     

昼夜温度及交通量变化对沥青路面响应及性能的影响

现场沥青路面结构承受的交通量及温度都有随昼夜变化的特性,如果交通量较为集中的时段往往也是地表温度较高的时段,则会对路面结构造成较大的破坏。文章利用试验得到的沥青混合料的动态模量主曲线和时间温度转换因子,结合实测的路面结构温度场对这一问题进行了定量分析。分别分析了沥青混合料的动态模量、路面结构的关键力学响应以及荷载对路面结构的破坏率的昼夜变化特性,并比较了冬天和夏天变化特性的不同;结合不同时间的荷载作用破坏率及实测的交通量小时分布系数进行分析,表明按交通量实际分布情况得到的路面结构使用寿命可以比按传统假设的均匀分布情况小10％以上。在路面结构分析和设计中有必要考虑温度及交通量的昼夜变化特性。     

基于拉依达准则的舰载设备抗冲击薄弱环节判定

舰载设备的抗冲击能力对提高舰船战斗力和生命力有十分重要的意义。通过对冲击载荷作用下舰载设备的动态响应进行统计分析,发现其结构响应的频率特性与对数正态分布十分符合。成功将拉依达准则应用于舰载设备抗冲击薄弱环节的判定。通过与频率计算法进行对比分析,验证了应用拉依达准则对舰载设备抗冲击薄弱环节进行判定的可行性,同时也发现了频率计算法的不足之处。作为算例,分别应用频率计算法和拉依达准则对其抗冲击薄弱环节进行判定。计算结果表明,拉依达准则判定法的计算结果更加准确而全面。     

面内流固冲击载荷下加筋板的动力响应

船舶在恶劣的海况下航行时,船舶结构遭到剧烈的波浪砰击作用,这种冲击载荷可能使船体结构发生屈曲而造成舰船结构总体承载能力的丧失,导致灾难性的后果。加筋板结构作为船舶结构的基本结构之一,研究其动力特性显得尤为重要。基于离散加筋板模型,对具有弹性约束边界的初缺陷矩形加筋板在面内流固冲击载荷下的动力响应问题进行了理论研究。取样条函数作为挠度试函数,运用加权残值法求得初缺陷加筋板动力响应的控制方程,采用四阶Runge—Kutta法求解该方程,并用Fortran语言编制了相应的计算程序。构造的B样条函数能适应板侧边上的任意弹性转动约束,讨论了初始几何缺陷、冲击载荷持续时间、加强筋及弹性约束的影响。结果表明,它们是影响加筋板动力特性的重要因素。适当增加弹性约束,减小初始几何缺陷及冲击载荷持续时间有利于提高加筋板的承载能力。     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度, 分析了离散的高速公路动态交通流数学模型, 基于Elman网络原理, 建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2, 采用Levenberg-Marquardt算法对回归神经网络进行训练, 并对一条5路段的高速公路进行仿真。结果表明: 回归神经网络平均相对误差为8.683 7×10^-5, 最大相对误差为4.237 1×10^-4, 与BP神经网络和RBF神经网络相比较, Elman回归神经网络能更好地逼近交通流数学模型, 真实地描述交通流基本特性, 能准确地建立动态交通流模型, 适应交通状况的变化。