螺栓连接大变形梁非线性振动特性的实验研究

柔性机械臂、大型可展开天线等机械结构的动作精度受运动过程中大变形几何非线性和连接处接触非线性的影响十分显著。以含螺栓连接结构的大变形梁作为研究对象，针对动力学建模和振动特性开展了实验研究，通过数值计算验证了实验发现的非线性振动特性。搭建了含螺栓连接柔性大变形梁的实验台架，开展了敲击和正弦激振的实验测试。实验结果表明，螺栓连接的柔性梁较连续梁的（无螺栓连接）模态频率降低，阻尼增加，反映出随着激励能量增大，模态频率降低的非线性模态特征。改变螺栓连接位置会显著影响结构的模态频率，其变化规律可由求解线性矩阵特征值定性反映。     

高转速部分进气涡轮盘气流力及叶片振动响应研究

针对部分进气涡轮盘所受气流力在周向分布的严重不均匀易造成动叶片疲劳破坏的问题，从部分进气气流力特征和叶片振动响应两个方面进行了研究。根据已有数值模拟和实验结果给出了部分进气模式下考虑Kick效应的叶片所受气流力的分布曲线，采用快速傅里叶变换方法(FFT)分析了气流力的频谱特征，研究了转速和进气度等因素对气流力的频域特性的影响；采用有限元方法对某火箭发动机部分进气涡轮盘进行了瞬态振动响应分析，对比气流力的频谱特征，研究了叶片振动响应的特性。结果表明：在部分进气模式下，高转速涡轮盘叶片所受气流激励可以视为脉冲激励，存在多阶谐波分量；高转速或小进气度都会使得气流力的高阶谐波分量的幅值较大，使得涡轮盘叶片发生高倍频的共振或幅值较大的强迫振动，区别于全周进气的涡轮盘只需避开前6倍频气流力可能引起的共振，部分进气时还需考虑更高倍频气流力的影响。     

生产率差距与产业创新转型的时机选择

随着与世界前沿水平的接近，高中等收入经济体要实现持续增长就必须推进创新战略转型，即从模仿式创新为主转向自主创新为主。以此为基本思路，本文将宏观层面的研究深入到产业层面，构建理论模型，并利用中国与美国1998—2018年工业分行业数据，分析了不同创新战略对生产率的贡献如何随着技术前沿距离变化，并在此基础上探究了创新战略转折点的性质。研究发现：(1)自主创新对劳动生产率的贡献逐渐增加，模仿式创新的贡献趋于下降；(2)当与世界前沿距离达到临界值时，两种技术进步模式对生产率的影响出现转折，利用门槛分析方法作出判断，中国的创新战略转折点应在2005年前后；(3)考虑到产业技术的特性差异，针对技术密集型行业，鼓励自主创新的政策更为有效，而模仿式创新在非技术密集型行业中仍有较大空间。     

BS-矩阵线性互补问题误差界的一个新估计式

根据BS-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了B^S-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.     

西湖凹陷西部斜坡带花港组、平湖组储层裂缝发育特征及有效裂缝测井识别

以西湖凹陷西斜坡花港组、平湖组致密砂岩储层为研究对象,通过录井资料分析及岩心和显微薄片观察,研究裂缝的宏观与微观发育特征及其影响因素.结果显示其主要发育层理缝和构造缝.层理缝主要为水平缝和低角度缝,且已被充填;构造缝主要为垂直缝和高角度缝,充填缝和未充填缝各占一半.裂缝的发育受岩性、单层厚度、断裂及地应力场的综合影响.在交会图法(定性)和概率判别法(半定量)研究的基础上,将岩心观察统计结果与常规测井曲线和成像测井成果相对比,综合预测与评价裂缝发育段,认为有利的裂缝发育层段为花港组下段和平湖组中下段.     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

基于STM32的非侵入式负荷监测系统设计

传统的侵入式负荷监测方法在实际应用中安装复杂,成本高,无法满足日益发展的电力系统需求.为此设计了一种基于STM32的非侵入式负荷监测系统,系统以STM32F103芯片为主控制器,利用AD8629放大器和ADS1256芯片进行高精度电信号采样,通过USB与上位机通信,在Labview界面中进行实时显示,并建立卷积神经网络算法模型进行负荷识别.将嵌入式系统与辨识算法进行结合,通过实验验证了用电负荷监测与识别的可行性,且系统实时性好,测量精度高,成本低,有较强的实用性.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。