先期振动对高聚物胶凝堆石料动变形特性的影响

先期振动对土石坝地震变形影响显著。通过开展不同先期动应力作用下的动三轴试验,研究了先期振动对未加固堆石料和高聚物胶凝堆石料动变形特性的影响。结果表明:先期振动对未加固堆石料和高聚物胶凝堆石料的弹性轴应变无明显影响,但显著降低了其塑性轴应变;未加固堆石料和高聚物胶凝堆石料的残余变形在先期振动影响下显著减小,与未经受先期振动的试样相比,先期动应力为40%围压的试样,最大残余剪应变降低幅度和最大残余体应变降低幅度的平均值分别为48.1%和42.0%;先期动应力为80%围压的试样,最大残余剪应变降低幅度和最大残余体应变降低幅度的平均值分别为80.9%和71.6%。先期动应力幅值越大,再次经历动应力时未加固堆石料和高聚物胶凝堆石料产生的残余变形越小,抵抗变形能力提高越明显。最大残余变形的降低幅度与固结比、围压及高聚物含量无关。随后修正了沈珠江动残余变形模型,修正后的残余变形模型可以反映高聚物对堆石料残余剪应变和残余体应变的影响。与未经受先期振动的试样相比,先期动应力为40%围压的高聚物胶凝堆石料(高聚物质量比R_p=2%)的改进残余变形模型参数c₁和c₄分别降低了27.7%和61.2%;先期动应力为80%围压的高聚物胶凝堆石料(R_p=2%)的改进残余变形模型参数c₁和c₄分别降低了68.8%和79.3%。     

支线集装箱船上层建筑振动及海上加强方案

针对某支线集装箱船在试航过程中上层建筑振动超出许用标准的问题，基于实船振动测试结果及数值仿真有限元振动计算报告，在海上对该船上层建筑的振动原因进行现场分析的同时，结合船上结构形式、内舾装情况以及物料吊和救生艇等设备布置情况，提出切实可行的结构加强方案，在海上直接对上层建筑进行支柱加强。支柱加强后，上层建筑各位置的振动测试结果均满足规范要求，不仅避免了二次试航高额成本，而且也为船舶顺利交付提供了必要条件。     

基于有限元分析的舰船轴系尾部结构水声特性分析

近年来,船舶的隐身特性引起了研究人员的广泛关注,尤其对于军事应用的舰船。大量的试验表明,船舶的噪声很大一部分来源于舰船的轴系振动,而轴系作为舰船动力系统的关键部件,其设计和优化本身也具有非常重要的意义。本文研究的重点是舰船轴系的振动与水声特性,运用了有限元分析技术,同时也对舰船的轴系振动进行了数学建模。本文的研究有助于改进舰船轴系的噪声特性,提高舰船的隐身性能。     

逆变器供电下的永磁同步电机电磁噪声计算

提出了一种永磁同步电机电磁噪声计算方法,采用2D电磁场有限元仿真计算气隙中的电磁力波,建立定子单环结构模型计算定子结构在电磁力波作用下的谐响应振动速度,将定子外圆等效为有效长圆柱体模型来计算声功率级噪声;对逆变器SVPWM供电引起的电磁噪声进行了计算;将样机测试数据与计算值进行对比。该计算方法能够满足工程设计的需求。     

非稳态振动信号的积分算法研究

研究了基于高通滤波的时域积分和频域积分算法对锤击法模态试验加速度响应信号和旋转机械NVH常规测试中升降过程加速度信号的适用性,分别用仿真线性系统脉冲响应函数和线性变频函数模拟2种加速度信号,并应用2种算法进行处理。仿真结果表明,利用加速度信号的频谱有助于确定2种算法中滤波所需的截止频率,且频域积分法在波形的保真度和相位的准确性上都比时域积分法要好。最后给出了频域算法用于实测信号的例子,积分后的信号在零线附近波动,可用于工程中作为真实速度或位移信号的近似。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。