ANSYS在冲击(撞击)荷载作用下桥墩应力可靠度分析中的应用

基于大型通用有限元软件ANSYS概率设计系统,提出利用ANSYS概率分析功能对桥墩在冲击荷载作用下最大应力进行可靠性分析的方法。采用ANSYS的中心复合设计法,对桥墩在冲击荷载、荷载位置、弹性模量以及密度等随机变量作用下的结构可靠度进行计算,获得桥墩应力响应的可靠度指标和桥墩的失效概率,以及最大应力与各个随机变量的相关灵敏度等一系列具有重要价值的结论。     

基于响应面法的双前桥转向机构参数优化

针对某重型双前桥转向汽车轮胎磨损严重的问题,运用Adams/View建立了该型汽车双前桥转向机构的运动学模型,对其进行了运动学及转向性能仿真分析。针对第二桥车轮实际转角与理想转角之间差异较大的问题,采用灵敏度分析的方法,找出对转角差异影响较大的因子,在Adams/Insight中,使用响应面分析方法,对双前桥转向机构的参数进行了优化。对比优化前后的转角差异可知,实际转角与理想转角之间的差异得到了有效控制,从而降低了轮胎的磨损。     

基于频率响应的客车骨架结构优化

为了优化某款全承载式客车车身结构,在Hypermesh中建立了该客车车身有限元模型,进行了模态分析及频率响应分析,得出了整车的振动特性及关键位置处的幅频特性曲线.同时为了降低驾驶室座椅支架处振动峰值,通过频率响应灵敏度分析确定了优化设计变量并进行优化设计.优化后驾驶室座椅支架关键频率处的响应幅值在15.5 Hz处降低了30.7％,提高了乘坐的舒适性,车身质量也减轻了0.026 t.     

基于灵敏度阻抗矩阵修正法的分层前推回代潮流算法

分布式电源（DG）接入配电网对潮流产生重要影响.本文分析了潮流计算中各种分布式电源模型及处理方法,引入灵敏度阻抗矩阵修正法更新PV节点的注入无功功率,结合辐射型配电网的特点,提出一种基于灵敏度阻抗矩阵修正法的分层前推回代潮流算法.该算法解决了前推回代潮流算法处理PV节点失效的问题,同时适用于含各类分布式电源的潮流计算.最后对含各种类型分布式电源的IEEE 33节点配电网进行潮流计算仿真,仿真结果验证了提出算法的有效性和快速性,并通过不同算例验证了算法的稳定性.     

半填半挖路基稳定性影响因素灵敏度分析

半填半挖路基稳定性受填挖结合部位软弱交接面结构类型、岩性条件等多种因素的控制,处理措施采取不当将造成路基变形不协调,甚至发生整体失稳破坏.该文采用简化Bishop法,从填方高度、地下水、填土力学参数和交接面结构类型4个方面进行了稳定性对比研究,通过灵敏度分析,找出填方高度、地下水和填土粘聚力是影响路基稳定的较敏感因素,对指导该类工程的设计和施工具有重要的参考价值.     

机场旅客进出场交通方式选择的双层规划模型

以机场出发旅客为研究对象,在分析多种交通方式下旅客进出场出行费用对其交通方式选择影响基础上,应用双层规划模型描述了机场旅客进出场交通方式选择问题,并利用基于灵敏度分析的启发式方法对模型进行求解．模型综合考虑了交通系统的收益和旅客的利益．通过算例可以看出,应用双层规划模型描述机场旅客进出场交通方式选择问题是合理的,所采用的方法是可行有效的,对于制定多模式交通运输价格策略、缓解大型机场地面交通拥挤等具有现实意义．     

基于特征值灵敏度分析的发动机结构动力学模型修正

对某发动机零部件结构和整体结构分别进行了有限元模态分析,并通过模态试验对有限元模态分析模型进行验证;针对发动机整体有限元模态分析误差较大的问题,利用灵敏度分析法,对其进行了动力学模型修正;修正后的发动机整体结构模型具有较高的仿真精度,为后续的发动机动力学分析奠定基础.     

基于灵敏度分析的发动机悬置系统稳健优化设计

以发动机悬置系统能量解耦为目标,悬置刚度参数为设计变量,考虑目标函数和约束函数对于悬置刚度参数的灵敏度,构造了多目标优化数学模型.采用遗传优化算法对一款发动机悬置系统的悬置刚度参数进行了稳健优化设计,并用Monte Carlo方法进行了分析.结果表明,优化方法可以有效降低系统解耦度对悬置刚度参数的灵敏度,提高了悬置系统设计的实用性.     

基于拓扑优化和灵敏度分析的车架轻量化改进

对某货车车架进行有限元分析,通过有限元法和试验验证该车架存在局部应力过大的问题,但是整体可进行轻量化改进,利用拓扑优化理论进行优化分析,根据优化结果和生产实际,给车架增加一根横梁以消除其应力集中现象;根据静态灵敏度分析确定弯曲应力和体积对厚度的灵敏度,并找出敏感部位,通过优化计算提出轻量化修改方案。     

一种改进的组件软件可靠性优化方法

对组件软件可靠性进行优化工作时.不仅需要最大化其可靠性估计值.同时还要最小化可靠性估计方差以及测试代价.首先针对性地研究普通的组件软件可靠性优化策略,探讨该策略的缺点.提出并探讨一种改进的可靠性估计值排序策略(RPP-c策略),即增加测试代价考虑因素.最后为RPP-c策略建立优化模型,同时也给出相应的算法思想和实验数据分析.