自锚式悬索桥有限元建模及动力特性影响因素研究

该文以长沙市三汊矶湘江大桥为实例,介绍了利用通用有限元程序ANSYS建立自锚式悬索桥空间动力模型的思路和方法。然后,用此空间模型对该桥进行了动力计算,获得大桥的自振频率和振型。计算分3种不同的荷载工况,分别考虑了恒载静力作用、主缆吊杆初拉力和几何非线性效应对其动力特性的影响。最后,对计算结果进行了总结,得出这些因素对三汊矶自锚式悬索桥动力特性影响的大小和规律。     

铝板自冲铆接接头性能影响因素与失效模式研究

以铝板自冲铆接接头为研究对象,全面考虑板材厚度、铆接顺序、铆钉长度、铆钉直径和烘烤硬化影响因素,设计正交试验,并获得拉剪工况下的失效载荷和失效模式。首先分析比对锁切量与失效载荷,发现锁切量对铆点的失效载荷起到决定性作用,锁切量越大,失效载荷越大,随后以此为基础,全面解释了各影响因素对铆钉性能的影响,包括：锁切量一定时,失效载荷并不会随着下板厚度增加或铆钉长度的增加而变大;薄板与厚板铆接可以获得更大的失效载荷;可选择较大直径的铆钉,以获得更大的失效载荷;烘烤硬化对铆点的失效载荷无影响等,最后分析实际获得的多种接头失效模式,发现当2种存在明显厚度差别的铝板铆接接头拉剪失效时,失效均发生于薄板一侧,薄板与厚板间的强度和厚度差异对失效模式起了决定性作用,本研究对于铝覆盖件铆点设计、碰撞CAE仿真和实车碰撞后的铆点失效模式的预测具有较高的实用性。     

当代大学生健康成长的思考与探索——中部地区某高校大学生心理健康状况的调查及思考

目的是考察中部地区某高校大学生心理健康状况,并比较心理健康的性别差异,为针对性开展心理健康教育和思想政治教育提供参考.采用了SCL-90,随机抽取352名中部地区某高校大学生(男生187人,女生165人)进行心理健康情况调查,将结果与全国青年人常模、男女生心理健康状况进行比较.本次调查的结论是该校大学生的心理健康状况总体水平偏低,有近三成的学生有轻度心理问题,不同性别的学生在症状上也有差异.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

虚拟仪器技术在船舶水下自噪声测试分析中的应用

采用虚拟仪器(简称VI)技术,利用美国NI公司数据采集卡和虚拟仪器设计平台LabVIEW开发了船舶水下自噪声分析系统,并利用该系统进行了实船的水下自噪声测试分析。该系统及主要功能包括:采集卡驱动、A/D转换、信号调制、文件存储、示波、FFT谱分析、1/3Oct、细化分析、在线分析、离线分析、报表结果打印等。通过实船测试与传统仪器分析的结果对比,证明该方法方便宜行。     

KF100A型气动自翻车研制

针对既有铁路气动自翻车载重相对较小、运输效率低等问题,研制满足既有铁路线路运营条件的大载重KF100A型气动自翻车.简要分析设计需求,提出研制思路.分别从底架、车厢、倾翻装置、制动装置、转向架和车钩缓冲装置6方面论述KF100A型气动自翻车的结构组成,介绍该车的主要技术参数,从车体强度、刚度、动力学性能几方面计算校核整...     

基于深度自编码模型和马氏距离的起重机泵健康评估

为准确、可靠、有效地进行起重机泵健康评估,通过对多台不同使用年限的起重机进行试验,获取起重机实际运行时的泵信号,采用深度自编码模型(DAE)与马氏距离(MD)结合的方式,揭示泵性能退化和评估健康状况,对比统计特征、EMD、MLP、CNN等特征学习方法,表明该方法具有良好的性能.     

基于线性自抗扰控制的自动驾驶车辆纵向加速度控制算法研究

为提高自动驾驶车辆纵向加速度控制算法的鲁棒性,基于电动汽车纵向加速度系统仿射模型,提出了具有双观测器结构的线性自抗扰加速度跟踪控制算法,并通过带有遗忘因子的递归最小二乘法对阻力模型进行在线辨识,实现了驱动电机与制动系统之间的协调切换。通过搭建硬件在环(HIL)仿真平台对设计的控制算法进行了鲁棒性和实时性验证,结果表明,所提出的控制算法能够实现对加速度信号快速、稳定跟踪,能够在车辆纵向动力学模型未准确建模状态下对纵向加速度进行有效控制。     

交通流速度时空二维预测方法

从时间和空间2个维度分析了交通流速度的自相关和互相关特性,提出了交通流速度的时空二维预测模型,可对未来交通流进行多步预测.该模型包含曲线拟合加权预测模型和递推时空二维自回归预测模型,动态模型参数可由递推最小二乘法实时识别,静态模型参数通过离线优化得到.将预测的交通流速度应用于车辆宏观运动规划方法中,可将车辆的燃油经济性...     

基于自相关分析的交通流预测输入步长研究

目前的交通流预测研究中,输入步长主要取决于人为的选择,容易受到干扰,并且缺少从理论方面选择输入步长的方法。为了能够自适应地选取输入步长,基于交通流历史时间序列的自相关分析,以机器学习中典型的最小二乘支持向量机（LSSVM）、随机森林（RF）以及长短记忆（LSTM）3种算法进行多输入步长的交通流预测,探究以自相关系数值选取最佳输入步长的方法可行性。实验结果表明,在输入步长的自相关系数为0.80～0.91时,LSSVM能获得较优的预测精度,当自相关系数为0.47～0.51时,LSTM能有较好的预测精度,而RF交通流预测的最低误差对应的输入步长自相关程度较低,自相关分析方法 可能并不适用。