多自由度拉杆的静力学分析

在有限元分析中,多自由度系统由于是非静定结构,其刚度矩阵奇异,因此不能使用静力学分析方法进行求解。[1]在一些大型机械设备的有限元计算中,常常会遇到诸如拉杆等的多自由度系统,使用传统的静力学计算方法是不奏效的,而使用动力学方法得到收敛的结果,则需要巨大的计算量。大型的工程机械所包含的拉杆、多轮平衡梁行走机构等,都是多自由度系统。但这些机构有一个共同的特点,就是它们都是为了机构的动作需要或减小应力而使     

盲源分离技术在水声信号中的应用研究

通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。     

一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.     

Sylvester矩阵方程Bartels-Stewart方法的一点改进

Sylvester矩阵方程和Lyapunov矩阵方程是控制理论和许多其它工程领域内很重要的方程。本文主要针对求解这种方程的Bartels-Stewart数值方法作一点改进。     

CABOSFV算法中集合稀疏差异度阈值确定方法

在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。     

船舶科研单位矩阵制管理模式下项目管理初探

提出了船舶科研单位矩阵制管理模式下项目管理的关健要点,分析了可能遇到的问题和困难,给出了相应的解决方法,并结合实际进行了论述。     

MatLab在有限元刚度矩阵推导中的应用

MatLab具有强大的符号运算功能.以平面梁单元刚度矩阵为例,详细介绍MatLab在单元刚度矩阵推导中的具体应用,编写了平面梁单元刚度符号运算程序,运算结果与手工推导完全一致,该方法可进一步推广到其它单元甚至到更复杂非线性单元刚度矩阵推导中.     

考虑剪切变形和二阶效应的变截面构件的计算

同时考虑剪切变形和二阶效应来解析计算杆件的临界力,是求解变系数临界微分方程的难题。本研究采用有限元法推导了变截面单元刚度矩阵。采用三次Hermite插值函数和三次拉格朗日插值函数来计算单元内的弯曲变形和惯性矩变化。采用线性插值函数来计算单元内的剪切变形和截面面积变化。利用最小势能原理对总势能进行变分,系统给出了计入弯曲变形、剪切变形以及轴力二阶效应的变截面构件单元刚度矩阵。最后,用自编的有限元程序对算例进行验证。研究结果表明:本算法的计算精度较高,还可分析二阶位移放大系数以及变截面门式刚架立柱之间的支援作用。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。