微分法在有限元分析中的应用

基于有限元原理及结构的平衡微分方程,提出了一种求解结构单元形函数的方法。首先,根据结构单元的变形微分方程求解结构变形的常系数解析式;其次,根据单元的边界条件求解相应的系数表达式,并将求出的系数表达式代到解析式中,形成关于单元局部坐标的解析式;最后,提取单元节点广义位移向量,形成单元的形函数矩阵。运用所提出的方法对结构典型杆单元、梁单元的形函数进行求解后发现,所获得的形函数与相关文献提供的形函数完全一致,表明所提方法正确有效,并且同样适用于其他结构单元形函数的求解,从而为有限元的进一步推广和拓展提供了一条行之有效的途径。     

援外建设项目造价控制问题研究

援外建设项目的概预算编制原理与方法与国内工程项目存在很大差别，此文从援外项目人工综合单价和机械台班单价如何确定2个基础性问题着笔，通过对计算原理的深入分析和举例对比计算，分析出对人工、机械台班单价影响较大的几个因素，进一步说明人工、机械台班单价的确定是以项目现场实地调查为基础的，而设计人员的经验、对项目的理解程度以及施工组织安排的合理性，都可对项目最终造价的控制产生影响。     

基于功能元的转辙机系统方案设计

针对转辙机系统方案设计,以一种机械产品方案设计过程模型为基础,建立了转辙机功能元结构图,通过功能元的功能载体优化组合实现转辙机系统的方案设计。     

人体桡神经浅支支配机械感受性单位的生理学特征

实验用神经内微记录和微刺激相结合的方法,对人体桡神经浅支支配的有毛皮肤所属机械感受性单位的特征和诱发感觉的性质进行了观察。在47个感觉单位中,SA单位占74.5%,其中SAⅠ61.7%,SAⅡ12.8%,RA单位占25.5%,没有发现毛囊单位和PC单位。SA单位的平均机械阈值高于RA单位,RA和SAⅠ单位的感受野明显小于SAⅡ单位。神经内微刺激诱发感觉的性质取决于所兴奋单位的类型,RA单位产生间断的跳动感,SAⅠ单位产生持续的压感;而SAⅡ单位在单独兴奋时不产生特定的感觉。结果提示:人体桡神经浅支支配的有毛皮肤机械感受性单位的特征与无毛皮肤没有明显差别。     

大鼠背外侧索中对侧传入的上行纤维的分布和电生理学特征

在大鼠胸髓下段,用分离细束法研究背外侧索中对侧传入的上行纤维的分布和电生理学特征,发现该类纤维主要分布在背外侧索的背侧浅层,与同侧上行纤维相混杂.主要生理学类型为毛单位、低阈单位和毛-低阈混合单位等.对电刺激感受野的反应,一些单位表现出单突触,低阈值的特点。结果表明大鼠背外侧索中有交叉上行纤维,其分布和外周传入特性与脊颈束相似。     

基于CPLD的单体泵高速电磁阀升压电路的设计与实现

论述了一种基于CPLD的单体泵高速电磁阀升压电路的设计,分析了电磁阀驱动的工程需求,提出了一种改进的Boost电路,并结合CPLD可编程逻辑的控制策略进行了仿真和试验。电路采用逐次比较的升压方式结合CPLD逻辑进行脉宽调制,并把升压过程和喷射过程分开。试验结果表明,电路满足高速电磁阀的驱动要求,可增强系统稳定性,降低功耗。     

基于LVQ 神经网络的轨道单元状态综合评判方法研究

为了有效利用多种检测数据评判轨道单元的状态,提出利用 LVQ (学习矢量量化)神经网络建立轨道单元特征参数与轨道单元分级的关联模型,通过对 TQI (轨道质量指数)、轨道几何、加速度、晃车仪、添乘仪、人体感觉的超限扣分加权得到轨道单元的量化评分指标,并利用层次分析法确定各特征参数的权系数。根据大量实测数据建立随机样本,利用聚类方法确定轨道单元状态的分级。以轨道单元的量化评分指标作为输入,以聚类得到的表征轨道单元分级的矢量量化数据作为输出,利用误差反向传播方法训练 LVQ 神经网络模型。利用新的评判方法对某线路的轨道单元状态进行评判,结果表明该方法可行、有效,为轨道单元状态综合评判提供了一条新途径。     

基于改进容量增量分析法的锂电池可用容量估计

针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。