高层建筑地震反应多重TLD控制研究

对高层建筑多模态地震反应进行了多重调谐液体阻尼器（MTLDs)控制研究。由输入不同的地震波,对高层建筑结构第一、第二阶主模态反应施加控制,分析了对结构第一、二阶主模态反应分别设置多重TLD体系对减振效果的影响。     

液压管道中液-固耦合作用的模态综合法

针对液压管道的振动问题提出一种新的建模方法,即先采用左,右复模态分析方法建立管道结构模型和用频率相关摩擦模型建立液体模型,再引入模态综合理论综合结构模型和液体动态模型,在复数域中建立液-固耦合振动模型,且提出模态综合法的要点,由数值例子说明此方法是合理的。     

基于流固耦合理论的混流式叶片动力学分析

为了避免机组发生共振,以某一混流式转轮叶片为对象,提出叶片在空气和在工作流道中的动态特性方程,采用有限元方法建立叶片在空气中和工作流道中的频率计算模型和方法,得出了流体对叶片固有频率的影响系数.结果表明: 叶片在空气中和在水介质中振型基本相似,但随叶片结构及振动形式的改变,叶片固有频率发生变化.该方法对于流体激振力的研究和叶片的疲劳设计校核具有一定的参考意义.     

施工期间斜拉索临时减振措施效果测试

斜拉桥在施工过程中,容易出现斜拉索的风致振动问题,不但影响施工期结构安全,同时也影响施工舒适性和测量。因此,在斜拉桥施工过程中通常采用临时的减振措施,以有效的抑制施工期斜拉索的振动。以某大跨度斜拉桥为工程背景,对采用钢丝绳辅助索以及木垫块等不同的减振措施对斜拉索模态阻尼的影响进行了试验研究,得到的一些结论可以为施工期选...     

桥梁顺风向等效风荷载计算方法及其分布

桥梁等效风荷载一般被分为平均风荷载、等效背景风荷载和惯性风荷载 3部分 ,分别计算后再按一定的方式将其组合为总的等效风荷载 .对于惯性风荷载 ,一般可根据结构随机振动理论采用模态分解的方法计算得到各阶振型对应的惯性力 ,然后采用完全平方组合 (CQC)法或平方和开方 (SRSS)法将它们组合起来成为总的惯性风荷载 .对于背景风荷载 ,目前主要有荷载响应相关 (LRC)法和经典的模态分解法 .前者得到的背景荷载的分布形式与风压和结构响应的影响函数有关 ,而后者得到的分布形式则与惯性荷载相似 ,两者得到的结果可能并不相同 .这里主要研究LRC法和模态分解法 2种桥梁等效风荷载的计算方法 ,对 2种方法的区别和联系进行讨论 ,并给出风荷载 3个部分的组合方式 ,最后还给出了数值算例 ,进一步对不同计算方法和组合方式进行比较     

高超声速飞行器建模研究

该文基于NASPWinged-cone高超声速飞行器模型,研究了高超声速飞行器六自由度模型建立方法,并基于面元法计算的气动力对其纵向模态特性进行了初步研究,了解了高超声速飞行器纵向长短周期特性。该建模方法为初步分析、计算、模拟和表征高超声速飞行器运动规律的研究提供了方法。     

六缸发动机曲轴模态分析

采用CATIA软件建立了六缸发动机曲轴的CAD模型,在有限元分析软件ANSYS中建立曲轴的有限元模型,对曲轴进行了模态分析,得到了曲轴的固有频率和振型,为该曲轴的优化设计提供了依据。     

基于GA-VMD-BiLSTM算法的风电功率预测

针对传统风电功率预测精度低、效果差的问题,设计一种风电功率预测模型.首先,采用密度峰值聚类对实测数据去噪,并结合遗传算法(genetic algorithm, GA)优化变分模态分解(variational mode decomposition, VMD)获取最优分解个数,完成初始信号分解;其次,以双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络为基础建立预测模型,预测分解后的各组数据;最后,对比其他模型验证参数正确性和模型精度.结果表明,遗传算法可获取变分模态分解中的最优分解个数,且BiLSTM网络模型的精度和适应性优于其他模型.     

燃煤颗粒物三模态的有效识别

为有效识别燃煤颗粒物模态, 提出了一种新的基于Al元素粒径分布的识别方法, 结果证明燃煤颗粒物实际上呈三模态分布, 而非传统的双模态分布. 分析表明超细模态产生于无机物的气化-凝结过程, 粗模态主要由熔融矿物的聚合形成, 而中间模态主要由气态组分在细小残灰颗粒上的异相冷凝/反应生成. 对S元素粒径分布的研究进一步证明了Al元素粒径分布在燃煤颗粒物三模态识别中的合理性和有效性. 研究表明利用Al元素粒径分布不仅能有效识别颗粒物三模态, 而且能准确地定义各模态的分界粒径, 比常用的质量或体积等粒径分布具有更大的优越性, 为深入揭示颗粒物的形成机理及其物化特性表征提供了新的研究思路.     

基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。