浙江全省各地船协将定期举办研讨会

9月27日至28日，浙江省船舶行业协会与全省各市、县、区船舶工业行业协会的会长、秘书长近30名齐聚临海，共同就如何做好船舶协会工作进行相互交流和研讨！这是浙江省船舶行业协会系统为了加强本省船舶行业协会之间的工作经验交流和民主办会、科学办会的一项重要举措。     

热泵干衣机板架结构振动声辐射研究

以热泵干衣机板架结构为研究对象,在通过板架结构的实验模态分析修正有限元模型后,应用边界元与有限元相结合的方法进行结构振动声辐射分析,讨论了不同的结构参数板厚、加肋方式、阻尼参数等对振动噪声的影响,在此基础上提出改进方案,并取得较好减振降噪的效果.     

用振动试验最优修正振型矩阵与柔度矩阵

由有限元模型得到的计算值与通过试验获得的测量值之间往往存在偏差,为了能够精确预测结构的动力响应,依据测量信息修正存在的动力模型是非常必要的.本文运用代数特征值反问题的理论和方法,研究了满足正交性条件的振型矩阵及柔度矩阵的修正问题,得到了加权Frobenius范数意义下的最优修正矩阵.     

基于Matlab的后桥辅助驱动系统刚体模态分析及优化

建立了后桥辅助驱动系统的6自由度振动模型,利用Matlab编写了刚体模态和解耦率计算程序,验证了其准确性,最后通过衬套刚度优化了刚体模态分布和解耦率。     

响应谱法与时程法在管道水锤分析中的对比研究

水锤是输流管道中经常发生的现象,由于阀门操作不当或设备突然停车引起的水锤极易引起管道的振动,造成设备及支架的破坏,严重影响管道系统的正常运行。文章运用CAESAERⅡ软件,对管道中的水锤现象分别采用响应谱法和时程分析法进行分析。结果表明:响应谱法有利于对振动响应过大模态的精确控制,时程法能精确求解时间历程内各时刻系统的整体响应。为全面分析水锤对管道应力的影响提供了一个研究思路。     

中国共产党党内政治生态建设的百年历程与经验启示

政治生态是反映政治环境、政治系统和政治现实的一种状态,党内政治生态好坏影响党的事业兴衰成败,关系到巩固党的长期执政地位和国家的良序善治。中国共产党成立百年来,能够始终走在时代前列、赢得中国人民的信任,其中关键因素就是党内政治生态总体上是健康的。百年来,在革命、建设和改革的不同历史时期,党根据政治生态环境变化与时俱进地加强党内政治生态建设,积累了宝贵的历史经验,为新时代持续推进党内政治生态建设提供了重要参照。     

某钻探船总体振动固有特性研究

为避免船舶共振情况的发生,采用三维有限元法对某钻探船进行了总体振动频率计算分析.借助PAT-RAN/NASTRAN软件建立整船三维有限元模型,结合船舶设计初期的重量重心分布直接分析计算.研究了钻探船全船固有频率与固有振型,将全船固有频率与船上振动激励源的激振频率进行对比分析,得到船体总振动固有频率储备系数.经计算,该船...     

船舶筒状桅杆的模态分析

筒状桅杆在现代船舶上已得到越来越广泛的应用。由于结构形式的改变,其动力学性能也随之发生变化,对船舶的性能产生了很大影响。因此,有必要对筒状桅杆的振动模态进行分析研究。本文以某船的筒状桅杆作为主要研究对象,用大型有限元分析软件ANSYS建模并进行了模态计算,并用实验结果进行验证,结果令人满意。     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...