钢筋混凝土桥墩破坏模式识别方法

鉴于破坏模式对钢筋混凝土桥墩抗震加固和基于性能的抗震设计中性能目标量化的重要性,根据钢筋混凝土桥墩的破坏特点和破坏模式,统计分析各国钢筋混凝土桥墩抗震试验资料。基于钢筋混凝土桥墩抗剪需求和能力的关系,对混凝土强度f′c、纵筋配筋率ρl、体积配箍率ρv、规则化的纵筋配筋率、规则化的体积配箍率、轴压比、剪跨比a/h0和规则化的箍筋间距进行双参数相关分析和偏相关分析,确定各因素与桥墩塑性铰区抗剪需求与能力比值Vp/Vn的相关程度。研究结果表明:以ρl≤2.173%、a/h0≥3.880、Vp/Vn=0.7作为钢筋混凝土桥墩弯曲破坏模式的判别条件,以Vp/Vn>1.0且a/h0≤1.865作为剪切破坏模式的判别条件,以1.865≤a/h0≤3.880作为弯剪破坏模式的判别条件是合理的。     

水面目标机动类型识别研究

舰艇机动是达成目标战术意图的重要手段,因此识别目标的战术机动类型是判断其作战意图的有效方法之一。在确定目标各种机动类型数值特征的基础上,给出了水面目标机动类型识别的算法。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

基于蚱蜢算法优化变分模态分解的滚动轴承故障诊断

针对变分模态分解(VMD)在处理实际信号无法预先掌握其分解参数(K,α)而限制其使用，以及包含故障信息的特征参数的选取问题，提出了自适应变分模态分解(AVMD)算法。该算法首先以所分解模态的平均包络信息熵和包络峭度两种指标融合作为目标函数，利用蚱蜢算法(GOA)寻优，获取VMD的分解参数(K_op,α_op),接着对原始振动信号进行VMD分解，通过能量百分比的计算，选取能量90%及以上的敏感模态，对其多域联合的特征参数构建特征向量，最后利用支持向量机(SVM)对滚动轴承的四种状态进行识别。通过滚动轴承数据集分析表明，采用AVMD方法提取的故障特征比EMD、EEMD、传统VMD以及PSO-VMD等方法提取的故障诊断特征的故障模式识别准确率更高，在测试数据集上的准确率达到99.166 7%。