混凝土疲劳裂缝扩展及纤维阻裂机理的研究

文中概括已有混凝土裂缝的成因,从断裂力学角度讨论了纤维阻裂机理,并由Forman规律的推演公式对纤维对疲劳裂纹扩展影响作了定性的分析。     

一种总线型和交换型网络并存的列车网络设计

为了满足列车网络日益增长的数据传输需求,同时保证列车网络数据传输的可靠性和实时性,提高列车网络的灵活性和互联互通性,设计了一种总线型和交换型网络并存的列车网络控制系统,将2种网络优势互补,并可根据列车网络的实际情况,按照故障导向安全原则自动选择网络形式。搭建了实验室仿真试验平台,进行了MVB/WTB通信和TRDP(Train Real-time Data Protocol)通信之间的转换和列车控制逻辑的测试,并通过了400 km/h跨国互联互通动车组项目验证。试验证明,总线型和交换型网络并存的列车网络系统性能优异,能够为承载更加多样化的数据和拥有更加高效传输性能的列车网络控制系统提供重要支撑。     

基于双阵纯方位的水下运动目标运动分析研究

单基阵纯方位水下目标运动分析需要基阵所在平台至少作一次机动,复杂多变的海战环境中,往往并不允许平台执行机动,故通常需利用多维信息对水下目标进行运动分析.本文基于双阵方位进行水下目标运动分析,目前相关公开文献中多是从仿真层面对该问题进行研究,本文在数值仿真的基础上,通过对海试数据的处理,从试验层面研究这一问题.文中采用最大似然估计法和扩展卡尔曼滤波方法进行双阵纯方位水下目标运动分析,通过数值仿真及海试数据的处理,验证算法的有效性.     

钢筋混凝土结构锈胀开裂试验及仿真研究

以高桩码头中腐蚀开裂最具代表性的纵梁作为试验对象,采用加速腐蚀设备对试验梁进行加速腐蚀,应用CT扫描检测技术对切割后的腐蚀开裂梁进行断层扫描,得出锈蚀深度及锈蚀率与裂缝宽度之间的关系。在试验的基础上,基于扩展有限元法,分别改变保护层厚度和钢筋直径,对锈蚀深度与裂缝宽度的关系进行参数敏感性分析,从而推导出锈蚀率与裂缝宽度之间的经验公式。结果表明:保护层厚度越大,抗开裂能力越大;不同钢筋直径对应的锈蚀深度与裂缝宽度间均存在线性关系,但直线斜率并无明显变化;当裂缝宽度小于0.4 mm时,基于仿真研究得到的经验公式与试验结果吻合较好。     

深海潜水器观察窗玻璃损伤缺陷研究

作为载人潜水器唯一的非金属承压部件,观察窗玻璃的结构强度和可靠性直接影响载人潜水器的安全性。经模拟极限服役工况的静水外压试验后,观察窗玻璃的锥面出现了视觉可见的缺陷,研究这些缺陷对指导观察窗玻璃的安全使用及评价其可靠性具有重要意义。利用光学显微镜对这些缺陷进行了表征及测量,并按照其特征,对潜水器观察窗的缺陷进行了定义和分类;同时,利用有限元对观察窗玻璃受力情况进行分析,给出了静水外压试验过程中观察窗玻璃的应力、应变以及位移分布,结合缺陷特征,初步阐释了缺陷出现的机理及这几类缺陷之间的联系。     

基于已有数据和粒子滤波的Paris参数估计和剩余寿命预测

论文对Paris模型及其材料参数C和m以及粒子滤波的基本原理进行了介绍,基于粒子滤波算法,对30Cr2Ni4MoV钢和2024-T42铝合金这两种材料的疲劳裂纹扩展试验数据进行了计算分析.计算过程中,C和m由初始分布逐渐向真实值靠拢,降低了材料参数的不确定性,同时还得到了C和m的线性相关方程.预测得到了剩余寿命的中值和...     

变幅载荷下疲劳裂纹扩展规律试验研究综述

文章对最近10年来有关变幅载荷下材料疲劳裂纹扩展和失效规律的实验研究方面的最新成果进行了归纳总结.综述内容包括:过载、低载在疲劳裂纹扩展中的作用;过载-低载组合作用时裂纹扩展的情况;基线载荷的影响;块载大小、长度对疲劳裂纹扩展的影响;试件影响;低于应力强度因子门槛值的小应力在变载疲劳裂纹扩展中的表现等六个方面.通过这一综述,进一步验证了部分结论的正确性,同时也发现了部分结论的不完善性.文中也提出了变幅载荷下疲劳裂纹扩展模型的初步设想.     

过载作用下两种疲劳裂纹扩展模型的比较

文章改进了一种疲劳裂纹扩展模型,将原来的模型描述范围扩展到疲劳裂纹扩展的第三个阶段,并给出了一种确定模型中β值的方法。文中还将该模型与另外一种双参数疲劳裂纹扩展模型进行了比较,两种模型都通过7075-T6铝在过载作用下的疲劳试验数据进行了验证。最后,给出了比较结果,以及对两种模型应用的建议。     

基于EKF的双站测向无源定位跟踪方法研究

对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,采用扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为0.001rad时,对机动目标定位跟踪的相对测距误差保持在2%以下,滤波跟踪效果良好,表明该方法对无源定位跟踪是有效的,对工程应用有一定指导意义。     

一种基于模型的水声弱信号检测方法(英文)

Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B.