动车组天线梁结构的优化设计

对动车组天线粱的结构模型进行了有限元分析,并对结构进行了优化,通过线路测试给出了部件实际运行的寿命要求.     

某圆形消声器模态及动力学有限元分析

针对某圆形消声器筒体与进气管接口处易发生断裂的问题,运用有限元的方法对消声器进行分析研究,并提出增加波纹管和支架及去掉支架上橡胶软垫的改进方案。对比改进前后的消声器模态分析和动力学分析结果。分析表明,改进措施是合理有效的,提高消声器的工作可靠性。     

基于仿真分析的桥梁承载能力评估

桥梁结构承载能力是旧桥检测的关键指标之一,结合广州市某立交桥的模态测试结果,对比桥梁结构破损前后低阶模态参数的变化,对桥梁的有限元模型参数进行仿真修正,依据经过仿真修正的计算模型对桥梁结构进行承载力检算和评估。     

DGMC-16型地铁钢轨打磨车车架结构分析与优化

以DGMC-16型地铁钢轨打磨车车架为研究对象,采用有限元方法计算纵向压缩工况,判断车架薄弱位置并对其进行局部优化,再计算优化后的车架在多个工况下的强度及垂直静载工况下模态特性。结果表明优化后车架满足设计要求。     

双司机室HX_N5型内燃机车车架设计

主要介绍了双司机室HXN5型内燃机车车架的结构特点、结构参数及主结构材料等,整个车架采用了模块化设计,根据总体确定的各部件接口尺寸要求,把整个车架分为几个独立的结构模块,并对其主要结构模块前后端部和承载式燃油箱的结构设计及优化进行了详细的介绍。为验证本车架是否满足苛刻的工况载荷要求,对整个车架结构进行了强度计算和模态等分析,并进行了试验验证。计算结果以及试验结果表明,本车架的强度及模态满足了设计要求。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。      

基于EMD-DA-RNN的边坡位移预测

我国滑坡灾害高发,每年造成了巨大的人员伤亡和经济损失。依托信息技术尤其是物联网技术、人工智能等技术,滑坡的监测预警逐渐自动化、智能化,各种滑坡监测预警系统层出不穷,滑坡监测的数据量、预警的即时性都得到了极大的提升。采用深度学习技术的理论方法,充分利用监测系统获得的数据开展数据挖掘,利用已有的监测数据和各类信息预测滑坡未来一段时间的演化行为,最终实现对滑坡的安全评价。可及时提出滑坡的预防与处置方案,从而保障滑坡影响区域的人类活动。     

地铁车辆转向架天线梁模态与疲劳寿命分析

国内某地铁车辆转向架的ATP天线梁频繁出现断裂,为探寻天线梁断裂的原因,对其进行现场试验分析。依据实测的天线梁约束模态及有限元软件计算的整备状态下模态结果,分析天线梁实测动应力频谱的主频及振型,并利用IIW-1823《焊接接头与部件的疲劳设计标准》计算天线梁上测点的等效应力范围和疲劳寿命。结果表明,天线梁的1阶垂弯、1阶横弯及与构架八字变形的耦合振型(75 Hz)均对天线梁的疲劳寿命造成较大的影响;在随机振动疲劳分析下,天线梁上大部分测点的等效应力都已经超过焊缝的疲劳极限80 MPa,尤其是位于天线梁横梁中部支座上的T4测点,等效应力为214.4 MPa,已经极大地超过焊缝的疲劳极限,而且疲劳寿命也远远达不到设计要求。     

复杂传递路径下轴承滚动体故障特征提取

为消除复杂传递路径对轴承滚动体振动信号的影响并提高故障特征提取的能力，研究了基于变分模态分解(VMD)、优化最大相关峭度解卷积(MCKD)和1.5维谱的轴承滚动体故障特征提取问题；分析了轴承滚动体原始振动信号特点、早期故障信号的特性以及复杂传递路径对振动信号的影响，运用VMD将原始振动信号分解为一系列本征模态函数(IMFs),提出了转频分量剔除方法，通过峭度准则优选2个峭度较大的IMFs分量进行重构；基于网格搜索法研究了MCKD算法参数优化方法，用以增强重构信号的周期性故障特征，消除复杂传递路径对轴承滚动体故障信号的影响；利用1.5维谱分析重构信号，建立了复杂传递路径下轴承滚动体故障特征提取新方法，实现了轴承滚动体故障的准确诊断；为了证明方法的有效性，选取美国凯斯西储大学轴承SKF6205基座滚动体数据进行试验验证与分析。试验结果表明：网格搜索法获得了MCKD算法的最优滤波长度与冲击周期参数(365、85),优化MCKD算法增强了重构信号的故障特征，减少了无关频率分量，明显降低了其他成分的干扰；提出的故障特征提取方法在0、735和1 470 W负载条件下均提取到了轴承滚动体的故障特征频...     

水压工况下船底结构拓扑优化设计

针对典型的船底结构,考虑其在水压工况下的特殊环境,本文研究船底结构拓扑与形状优化设计。首先,为了让结构重量在水压工况的标准下能够尽量减小,本文对船底结构的形状以及尺寸进行改进,使其船底结构的尺寸缩减了14.19%;其次,为了让船底结构的空间布局更加合理,对船底结构进行拓扑优化,增加船底结构的固有频率。通过模态分析,研究船底结构的应力约束,将得到的固有频率作为拓扑优化过程中的目标函数。研究结果表明,优化后的新船底结构在水压工况下布局分布更加合理,并且有利于船底的仪表仪器安装以及线路的铺设等。