螺栓拧紧力矩对复合材料连接强度影响试验研究

螺栓拧紧力矩是影响复合材料连接强度的因素之一,该文就紧固件拧紧力矩对双剪试验件破坏载荷的影响进行了试验研究,给出了同样铺层的碳纤维复合材料在不同拧紧力矩情况下的连接破坏载荷。     

复合材料层合板的强度鲁棒性特征

针对复合材料强度行为的复杂性和准确预测的困难，首次提出复合材料强度鲁棒性的概念，即研究复合材料强度相对各种影响因素的变动所具有的稳定性特征，为复合材料的合理设计与利用提供新的分析思路和手段，通过对CFRP层合板进行试验和数值分析对比研究，讨论了加载方向对初始层失效应力（初始强度）的影响，在确认有限元计算的有效性之后，进一步讨论了加载方向以及单层板弹性常数的小范围变动对强度的影响。结果表明，为了获得较稳定的强度特征，当弹性模量E1较小时，应尽量控制E1本身的变动，而在E1较大的情况，控制加载方向的偏离更为重要。     

层合结构对复合材料层合板最终强度的影响

以碳纤维/环氧树脂层合板为对象,研究了其最终强度与层合结构的关系.对于准各向同性层合板,其弹性性能不随方向变化.在板内发生损伤之后,其各向同性性质不再保留,最终强度将依赖于加载方向以及叠层顺序.拉伸试验和有限元数值分析表明:若板内含有0°层,且该层位于板的表层时,则最终强度最大;若板内既无0°层,又无90°层,则初始层破坏强度较大,而最终强度远小于含有0°层板的最终强度.     

缝纫对复合材料层合板分层屈曲的影响

基于包含若干分层的缝纫复合材料层合板在面内压缩载荷作用下发生屈曲破坏的机理,即厚度方向上的缝纫线被拉断,把缝纫线的极限伸长率作为层合板屈曲破坏的控制参数,采用能量的方法建立了用于预测缝纫复合材料层合板屈曲强度的理论模型.采用最小势能原理计算了缝纫及未缝纫复合材料层合板的屈曲强度.在此基础上,定义一个缝纫增强比,用一个算例证明了缝纫复合材料层合板较未缝纫复合材料层合板有更高的屈曲强度.研究了缝纫参数(包括缝纫线直径,缝纫针距和行距)对缝纫复合材料层合板屈曲强度的影响.     

内部分层对复合材料层合板承载能力的影响

根据含分层损伤复合材料的高阶有限元模型,分析了内部分层对复合材料层合结构的影响。分析表明,内部分层将引起层合板应力分布变化,应力值提高,由此将导致复合材料层合结构承载能力的显著下降。     

复合材料层合板的稳定性分析

本文从适用于几何非线性分析的增量形式的虚功方程出发,建立了有限元计算公式。为保证层合板各层间的变形协调性,采用了离散罚函数方法。运用弧长法在稳定性计算中跟踪平衡过程曲线。进行了后屈曲分析。用有限元程序,计算了几个算例,得到较好的结果。     

撞击物对复合材料层合板冲击损伤特性的影响

针对一种采用预浸料成型工艺制备的复合材料层合板,开展不同撞击物作用下复合材料层合板低能量冲击损伤特性研究. 通过对比相同冲击能量（60 J）下,钢球、铝球和聚合物球撞击复合材料层合板的落锤/气炮冲击试验结果和冲击后含损伤结构的压缩试验结果,研究了不同撞击因素对复合材料低能量冲击损伤面积和剩余压缩强度的影响. 结果表明,相同冲击能量下,同种材质撞击物（不同质量）以不同速度冲击复合材料层合板的损伤特性相似;而不同材质撞击物（不同弹性模量和泊松比）得到的结果差异显著. 结合赫兹接触理论,初步解释了撞击物弹性性能影响接触刚度和冲击损伤程度的规律.      

基于准三维有限元模型的复合材料层合板强度预测

构建能够求解三维应力的准三维有限元模型,进行基于渐进损伤的复合材料层合板强度预测。此方法能够合理地反映铺层次序和层间应力对最终失效强度的影响,形象地展现面内损伤以及层间损伤的产生及其扩展过程。用此方法模拟了多种铺层的无缺口层合板和带孔层合板在面内拉伸载荷作用下的损伤过程,并进行强度预测。计算结果表明,拉伸强度的预测值和实测值吻合较好。     

复合材料层合板的粘弹性有限元分析

用有发元方法进行复合材料层合结构的线性粘弹性分析,以粘弹性材料松弛型积分本构关系为基础,给出了复合材料层合板的有限元控制方程及相应的有限元分析程序,通过关例计算,分析了层合板的粘弹性响应,结果表明,本方法是行之有效的。     

带圆孔复合材料层合板应力集中系数的研究

利用实验和有限元方法研究了带圆孔复合材料层合板的应力集中，分析了铺层方式对孔边应力集中的影响，对实验和有限元方法得出的结果作了比较．     

基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

基于PCA-NARX的锂离子电池剩余使用寿命预测

目前基于数据驱动的锂离子电池RUL预测方法不能较好地适应于同类型不同电池的RUL预测,且预测精度易受健康因子冗余或不足的影响.针对以上问题,提出一种结合主成分分析（PCA）特征融合与非线性自回归（NARX）神经网络的锂离子电池RUL间接预测框架.首先提取多个能反映电池性能退化的可测参数,并将PCA去除冗余后的结果作为预测健康因子;然后利用一组电池的全寿命数据构建基于NARX神经网络的健康因子和容量预测模型,对同类型不同电池预测时将该电池寿命前期健康因子作为输入,即可间接预测出其RUL.最后实验结果表明所提框架在同类型不同电池RUL的预测中精度较高且适应性较强.      

双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法

提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个循环的剩余使用寿命,实现数据重构;引入分段和线性剩余使用寿命衰减模型,并给出了寿命衰减起始点判断方法;将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入。在NASA涡轮风扇发动机仿真数据集（CMAPSS）上测试结果显示,在测试数据范围较大时,该方法相关指标明显优于其他方法,在航空发动机剩余寿命预测上具有显著优势。     

划伤损伤对复合材料层合板承载能力的影响

为了研究划伤对复合材料层合板承载能力的影响,通过对含划伤试件和未损伤试件进行拉伸试验的方法研究了层合板划伤处的损伤类型以及损伤演化过程;同时通过粘贴电阻应变片来分析划伤附近的应变变化规律。结果表明:划伤试件在加载初期主要以基体损伤为主,后期主要以纤维拉伸断裂为主;划伤的存在使得试件的形心与加载中心不重合,使试件在加载后期发生了弯曲变形。可见,划伤明显地降低了试件的承载能力。     

基于劣化数据的综合传动装置剩余寿命预测

研究不确定测量多维劣化监测数据下的综合传动装置剩余寿命预测.采用主元分析与状态空间模型融合得到装置劣化程度指标;根据随机过程首中时间的概念定义了装置的剩余寿命,利用Wiener过程建立了装置劣化过程模型,模型中考虑了装置劣化随机性与监测数据测量不确定性;采用极大似然估计方法估计了模型参数,并利用Kalman滤波技术实现了劣化模型的实时估计与更新,得到了装置的剩余寿命分布.研究结果表明,文中的方法能够客观描述装置性能劣化规律,优于不考虑测量不确定性的方法,能够提高剩余寿命预测的准确性,为装置的视情维护提供指导.      

考虑不完美维护的视情维修和备件订购联合策略优化

针对现有研究多关注维修策略优化而忽略备件采购决策问题,本文对单部件系统提出不完美维护下基于剩余寿命预测的视情维修和备件订购联合策略.采用控制限维修策略判断是否执行最小维修、预防性维护或故障更换,当系统退化达到预防性维护阈值时进行不完美维护,同时预测系统剩余寿命并引入预防性更换阈值和订购阈值,以决定是否执行预防性更换或者订购备件.综合考虑系统退化状态和备件状态,分析可能的更新事件进而计算各事件发生概率,并利用更新报酬理论构建费用-时间率联合决策模型.最后,设计离散事件仿真算法通过算例分析对状态检测周期、预防性维护阈值进行优化,验证模型和算法的有效性.     

基于人工神经网络的沥青路面剩余寿命分析

路面整体结构性能评估是公路养护或重建决策优化的一项重要参考依据，一般情况下，如果路面的服务能力指数降到可接受水平以下，就有必要对当前整体性能(剩余寿命)进行评价，决定是否需要延长寿命或者进行重建设计，因此，利用人工神经网络(ANN)方法建立了沥青路面剩余寿命预测模型，由此程序可以由落锤弯沉仪(FWD)弯沉数据快速预估路面的剩余寿命，这种方法直观、准确，并且不需要反算模量，对于道路工作者的养护和补强罩面工作具有参考价值。     

基于MIC特征提取与BO-CatBoost的航空发动机RUL预测

针对航空发动机传感器监测的退化参数提取困难,易受噪声干扰及发动机剩余使用寿命预测精度不足等问题,利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法,提出了一种新的发动机剩余使用寿命预测模型。首先,为有效解决特征提取不足的问题,对采集的传感器历史监测特征进行最大信息系数相关性计算,提取出对发动机寿命运行周期影响较大的关键退化特征。其次,为解决剩余使用寿命预测中的梯度偏差及预测偏移问题,使用基于贝叶斯优化的类别特征梯度提升方法对航空发动机进行剩余使用寿命预测。最后,在美国航空航天局提供的商用模块化航空推进系统仿真数据集上进行实验,结果表明所提预测方法的性能较好,验证了该方法的有效性。     

改进GA-BP算法的油气管道腐蚀剩余强度预测*

利用人工神经网络能够逼近任意复杂函数的特性,可对在役油气管道的腐蚀剩余强度进行预测,但其缺点在于人工神经网络的权值和阈值的初始化分配具有随机性且只是一种局部优化算法,收敛过程中容易出现局部极小解。引入遗传算法的全局搜索特性和不依赖于梯度信息特性,对采用Levenberg-Marquardt（L-M）算法的BP神经网络的权值和阈值进行优化,并结合由敏感性分析确定的油气管道失效压力的影响因素,建立GA-BP（L-M）网络预测模型。采用Modified ASME B31G计算出的样本数据训练网络并进行预测。预测结果表明,GA-BP（L-M）网络预测模型可以相对更好地预测油气管道的失效压力,在满足工程需要的前提下,是一种更加科学、准确的预测模型。     

基于时间序列与时间卷积网络的滑坡位移预测

滑坡位移预测作为滑坡监测预警的重要组成部分,对滑坡灾害的防治具有重要意义。目前,滑坡位移预测大多集中在循环架构的神经网络模型上,其存在梯度爆炸、消失问题等问题。为此,提出了一种基于时间序列与时间卷积网络(time convolution network, TCN)的滑坡位移预测模型。首先,该模型通过移动平均法将滑坡位移分解为趋势项位移和周期项位移。其次,采用Holt线性趋势模型预测趋势项位移,并建立时间卷积网络预测周期项位移。最后,将趋势项位移和周期项位移叠加,实现滑坡位移的预测。将该模型用于八字门滑坡的观测研究,结果表明：该模型相较于循环架构的神经网络模型能更有效地提取时序特征,预测精度更高。将基于TCN的滑坡位移预测模型应用于滑坡位移预测具有广阔的应用前景。