长期荷载作用对内配工字型钢方钢管混凝土轴压短柱力学性能影响

利用ABAQUS建立考虑长期荷载作用的内配工字型钢方钢管混凝土轴压短柱数值分析模型.通过与已有试验数据对比,验证建模方法的可行性.在此基础上对该类新型组合柱进行力学性能分析,同时与不考虑长期荷载作用的结果进行对比.最后,分析长期荷载比、混凝土强度、钢管含钢率、型钢含钢率等对长期荷载作用下构件变形和承载力的影响规律.结果表明:长期荷载使组合柱中钢管和型钢提前进入塑性屈服,增大组合柱达到极限承载力时二者与混凝土的接触应力,改善其对混凝土的约束作用,使组合柱极限承载力提高,对应应变增大.参数分析表明:混凝土强度提高增大了长期荷载对组合柱的影响,钢管含钢率和型钢含钢率的增加使长期荷载影响减弱.     

预应力钢绞线动态力学拉伸性能及本构关系

首先利用电液伺服加载试验机对单束钢绞线在(10~(-3)~10~(-1)s~(-1))应变率范围内进行动态力学拉伸试验;然后根据实验数据,分析了不同应变率对屈服强度的影响规律;并对我国设计规范中用于硬钢类材料简化计算的Ramberg-Osgood本构模型进行修正,以获得可以更好地描述钢绞线动态拉伸应力-应变关系的本构模型。研究表明,单束钢绞线的应变率越大,其屈服应变和极限应变越小,屈服强度越大。修正后的Ramberg-Osgood本构模型能够较好地描述钢绞线动态拉伸应力-应变关系;并且随着应变率的增大,钢绞线的硬化指数减小,残余应变增大。     

TSCR工艺生产IF钢相变及组织演变规律

采用Gleeble-1500热模拟试验机,研究了薄板坯连铸连轧工艺条件下(TSCR)无间隙原子钢(IF钢)的动态连续冷却转变规律,并分析了其组织演变规律.研究表明:Ti-IF钢的相变开始温度随着冷却速度的增大而下降,即Ar3降低,有利于低温终轧,并获得性能良好的IF钢.同时IF钢的硬度值随着冷却速度的增大而增大,冷却速度从1℃/s变化到30℃/s时,HRB从53.4增加到68.3,即其强度随冷却速度增大而增加.     

基于概率密度演化理论的锈蚀钢梁时变可靠度分析

为了得到锈蚀钢梁时变可靠度,对9组试件分别开展了加速腐蚀试验和单调拉伸试验.测得了锈蚀深度三维坐标数据和锈蚀钢材名义屈服强度,统计分析了锈蚀深度和名义屈服强度概率模型.建立了锈蚀钢梁功能函数,结合概率密度演化理论得到了锈蚀钢梁时变失效概率和可靠指标,并与蒙特卡洛方法(MCS)计算结果进行了对比.结果表明:钢板表面锈蚀深度和名义屈服强度服从正态分布;随着腐蚀时间增加,锈蚀深度均值和标准差不断增大;随着失重率增加,名义屈服强度均值不断减小而标准差不断增大;概率密度演化方法与MCS计算结果较接近,说明本文提出的方法的有效性;锈蚀深度和强度的随机性对锈蚀钢梁可靠度影响较大.     

基于小样本的非等距加速应力试验寿命预测方法

对非等距灰色GM(1,1)模型作进一步的改进,给出了一种新的非等距GM(1,1)模型.该模型与传统的非等距模型生成方式不同,在数据生成处理时,不是直接利用原始数据进行建模预测,而是通过对原始数据取对数变换,作降幅平滑处理,然后再对背景值加权处理.背景值加权的权重不是传统的绝对距离,而是相对距离,可以有效地避免改变原始数据列的性质.实例表明,对于非等距加速应力试验寿命预测,改进后的模型与Arrhenius模型及传统的非等距GM(1,1)模型相比,具有更好的建模精度和较强的适应性.     

变截面波形钢腹板弹性整体 屈曲计算及几何参数分析

为研究变截面波形钢腹板的抗剪性能,首先,在正交异性板理论和薄板小挠度理论的基础上,运用伽辽金法对波形钢腹板弹性整体剪切屈曲强度的计算公式进行推导;其次,将推导公式计算值与ANSYS有限元计算值及规范公式计算值进行对比分析,并将公式推导值与文献试验值进行对比;最后,运用有限元法研究不同波纹型号、腹板厚度和梁高变化形式对变截面波形钢腹板弹性剪切屈曲性能的影响规律.结果表明:推导公式计算值与有限元值试验值吻合良好,规范公式由于忽略了扭转刚度Dxy对波形钢腹板整体剪切屈曲强度的贡献,规范值计算偏于保守;随着波纹尺寸的增加,剪切屈曲强度总体呈先增大后减小的趋势,其中1600型波形钢腹板的抗剪性能达到最大;随着腹板厚度的增加,剪切屈曲强度逐渐增大;变截面波形钢腹板的剪切屈曲强度大于等截面波形钢腹板的抗剪强度,并且随着梁底与水平方向的夹角β的增大,变截面波形钢腹板剪切屈曲强度增加.所得结论可为变截面波形钢腹板的抗剪设计提供参考依据.     

基于数据特征的加热炉钢温预报模型

针对加热炉工业过程具有复杂、非线性、时滞性的特点和钢坯出炉温度预报问题,提出了一种基于数据特征的改进主元回归(PCR)加热炉钢温预报模型的建立方法.首先通过对原始数据进行同步化处理来解决各数据变量间存在的时间滞后问题;然后提取生产过程中各批次钢坯的统计特征和熵特征,并依据一定顺序将这些特征排列组合,构造等长的数据特征向量;最后通过PCR方法建立过程变量的数据特征和钢坯出炉温度之间的回归预报模型.本文以某钢厂加热炉工业过程为背景进行实验仿真,采用实际生产数据求取建模参数,并对钢坯出炉温度预报进行了测试.实验的校验与误差分析表明,该方法在预测钢坯出炉温度方面具有更好的性能,且预测误差满足工业应用的精度要求.     

高温下与高温后Q550D高强钢材料力学性能试验

高强钢具有强度高、韧性好、可焊性优良等优点,其在土木工程中的应用越来越广泛.高强钢在火灾下的力学性能是钢结构抗火设计的重要影响因素.为获取高温下与高温后Q550D高强钢材料的力学性能,基于稳态试验方法,对Q550D高强钢开展了拉伸试验,考察了不同冷却方式(自然冷却与浸水冷却)与过火温度对Q550D高强钢力学性能的影响,获取了不同温度工况下Q550D高强钢的应力-应变曲线和高温下与高温后各项力学性能参数指标(弹性模量、屈服强度、抗拉强度和极限伸长率)的折减系数,并将试验结果与已有规范和文献结果进行了对比分析.结果表明:高温下Q550D高强钢的弹性模量、屈服强度、抗拉强度随着试验温度的升高而逐渐下降,其折减系数均低于各国规范的取值;当温度超过400℃时,高温下Q550D高强钢的弹性模量、屈服强度和抗拉强度下降明显,当温度超过700℃时,3个力学性能指标均接近于零;不同冷却方式与过火温度对Q550D高强钢的弹性模量影响不大;当温度低于600℃时,高温冷却后Q550D高强钢的屈服强度和抗拉强度的折减并不明显,当温度超过600℃时,屈服强度和抗拉强度显著下降,且自然冷却方式下的下降程度更大;高强钢与普通钢高温冷却后的屈服强度与抗拉强度存在较大差别.     

埋地高压燃气钢管结构可靠性分析

基于可靠性理论建立埋地钢管失效模型,采用验算点一次二阶矩法研究了设计压力为4.0 MPa条件下埋地高压燃气钢管结构可靠性的影响因素及规律。结果表明,对钢管结构可靠性影响较大的随机参数依次为材料屈服强度、钢管壁厚、工作压力、竖直载荷、钢管弯曲系数、管径、钢管基座系数和弹性模量;当所有随机参数的变异系数统一取0.05且保持不变时,钢管结构可靠性随材料屈服强度、钢管壁厚、钢管基座系数等均值的增大而增大,随工作压力、竖直载荷、钢管弯曲系数、弹性模量等均值的增大而降低;当各随机参数均值不变时,变异系数越大,钢管结构可靠性越低,无论是与失效概率成正相关的参数还是呈反相关的参数均如此。     

Ti微合金化450～550 MPa级耐候钢组织性能研究

设计了屈服强度达450～550 MPa级高强耐候钢化学成分,在实验室进行冶炼和热轧试验,测试和观察了试验钢的力学性能和显微组织,分析了 Ti含量对Ti微合金化耐候钢性能的影响.结果表明,试验钢的金相组织主要为在多边形铁素体基体上分布少量的珠光体;Ti微合金化耐候钢具有足够的强度和塑性,随着w(Ti)从0.025%增加到0.07%,试验钢的屈服强度从360 MPa增加到550 MPa;采用传统控轧控冷工艺可生产出屈服强度达450～550 MPa级高强耐候钢.     

热轧带钢力学性能预测模型及其应用

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

改进神经回归算法的数据质量优化与预测

为了满足智慧交通管理系统向智能化方向发展,一般采用毫米波交通雷达对交通流进行实时并准确地检测。由于受到时间、天气和通信故障等因素的影响,以及雷达最大作用距离的限制,数据常常存在缺失异常等情况,从而对交通流变化规律分析带来很大的影响。在研究城市道路中交通流数据质量优化及交通流变化规律的问题时,对原始交通流数据分成三份,首先采用组合检验和阈值检验,非线性回归分析、线性插值、历史均值法、粒子群多层前馈(PSO-BP)神经网络算法,分别完成异常数据的识别、更正及部分缺失数据的填补,然后建立时间序列的交通流模型、交通流参数关系模型,根据交通流内在的变化规律建立改进后的神经网络回归预测模型,完成所有缺失数据的填补,最终获得完整的高质量数据。本算法的精确度可达到95.54%,能有效进行数据质量优化与预测。     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。     

P-C-R模型构建及应用

针对目前预测模型精度低的问题,提出将主成分分析、聚类分析用于RBF神经网络预报建模,从而克服大样本数据提取的困难,使得指标的选取能更全面地反映状况,有效地缩减RBF网络的输入节点数并提高模型的预报精度。利用MATLAB的神经网络工具箱,实现了神经网络训练和仿真验证。仿真结果表明,该模型有较高的预报能力。提出的基于主成分分析和聚类分析的RBF网络预报模型---PCR模型为研究预报提供了一个新的思路和方法,并为其他领域的建模研究开阔了思路,具有一定的理论价值和的应用价值。     

基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰, 导致其识别困难的问题, 提出一种深度双向门控循环单元循环神经网络的方法, 并将其应用于微地震数据降噪中. 首先, 构建多层双向门控循环单元循环神经网络模型, 并设计该模型的网络结构及训练算法; 然后, 采用Ricker子波正演模拟微地震数据验证模型的有效性, 并将该方法与其他4种方法进行对比; 最后, 将真实的含噪声微地震数据输入到训练好的模型中, 即可得到降噪后的微地震数据. 仿真实验结果表明, 利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB, 且信号之间的相关系数值由0.088 6上升至0.933 5. 实际应用结果也表明, 该方法可有效降低实际微地震数据中的噪声.     

发动机动态特性组合神经网络建模新方法

针对现有发动机组合神经网络建模方法对不同数组结构的样本数据泛化能力较差的不足,提出一种多步线性插值法的组合神经网络建模方法. 该方法基于有限元建模思想,以具有丰富样本数据的某一维输入量构造网格线,对多维输入样本空间进行划分. 在网格线上,样本数据按照BP算法对网络模型进行训练,得到高精度神经网络函数,而在网格线中间,所求输出根据相邻的两条网格线的神经网络函数进行多步线性插值. 与传统组合神经网络建模方法的对比结果表明,在处理不同数组长度的多维发动机动态特性试验数据方面具有很好的适应能力.      

人工神经网络模型在均匀设计试验数据处理中的应用

针对均匀设计方法在材料多因素试验中数据离散性大的问题,提出 采用人工神经网络模型对均匀设计试验数据进行处理,建立了试验因素与结果之间的BP模型。实际应用证明该方法不仅可大大减少试验工作量,又可克服试验数据离散性大的问题,并能得出满足工程要求的最优配方。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.