异形框架柱T形节点抗剪强度非线性有限元分析

利用Ansys计算软件,对T形截面异形柱节点在不同轴压比下进行了非线性有限元分析,研究了轴压比对节点的内力分布、裂缝形成和开展规律以及抗剪承载力影响,以期对今后的异形柱节点系统的试验和研究提供一些参考意见和理论分析基础.     

黄土的结构性试验研究

对兰州原状黄土、重塑黄土进行了室内三轴试验,运用损伤力学的观点引入了结构性损失系数mσ,并根据试验数据,分析了含水量对兰州黄土结构性的影响,得出兰州黄土的结构性损失系数mσ与影响土结构性的因素之间的变化规律,为黄土的结构性研究及实际工程提供了参考数据。     

桩端后压浆施工检测技术

水泥成品仓库,地基不满足承载力要求,通过对桩端持力层灌注水泥浆,提高桩端承载能力。文章就施工和检验进行探讨。     

钢套管混凝土加固RC柱轴压受力全过程分析

对9个钢套管混凝土加固RC方柱和1个RC对比柱进行轴心受压试验,试验结果表明采用钢管混凝土加固后,RC柱的承载力平均提高3.65～5.39倍,破坏形态呈延性破坏,破坏后荷载仍然可以保持在较高水平.基于钢套管混凝土加固RC方柱轴压试验的研究结果,合理选择材料本构关系、钢-混凝土界面接触关系和混凝土单元破坏的准则,采用有限元软件ANSYS建立加固柱轴心受压力学模型,对轴压作用下加固柱的受力全过程进行计算分析.通过对比试验测得的和计算的试件承载力和荷载-纵向变形全过程曲线,发现二者吻合良好,最大误差仅为5%.在此基础上,利用被验证的有限元计算模型,对试件各个组成部分的应力分布和应力发展规律进行分析.结果表明,试件各个组成部分在加载初期持荷比例基本不变;随着荷载的继续增加,钢管对原RC方柱和后浇筑混凝土产生明显的约束作用,使其峰值应力明显超过单轴抗压强度,钢管持荷比例小幅度减小,而混凝土持荷比例小幅度增大;当试件达到承载力之后,由于钢管的硬化和混凝土被压碎,钢管持荷百分比增大.     

不确定性随机系统的输出反馈变结构滑模控制

研究了带有时变不确定性的It型随机系统的输出反馈镇定问题,采用变结构滑模控制(SMC)方法设计了镇定控制器.在系统的不确定性满足一定匹配条件的情况下,构造了对不确定性具有不变性以及参数不含噪声激励的滑模切换流形和变结构滑模控制律,分析和证明了滑模的可达性和闭环系统的稳定性,并给出了滑模控制律的参数选择条件.最后通过示例系统仿真实验证明了文中结果的正确性和有效性.     

网络化控制系统连续动态输出反馈控制器设计

研究一类网络化控制系统的连续动态输出反馈控制器的设计问题.假设网络化控制系统的被控对象为一个定常时滞系统,其网络诱导时滞是随机的且小于一个采样周期的情况下,将此类网络化控制系统模型化为一个混合系统.然后采用李亚普诺夫函数、线性矩阵不等式的方法推导出了该网络化控制系统渐近稳定的充分条件.根据此充分条件,给定一个等式约束,然后通过求解一组线性矩阵不等式,获得了连续动态输出反馈镇定控制器.最后给出一个具体的数值和仿真实例说明了此设计方法是有效的.     

一种基于核主元分析的非参数控制限算法

实际过程中,监控指标值往往不满足确定的概率分布,给控制限的计算带来了困难,现有的计算方法计算复杂、精度差.根据高维空间良好的分类特性,提出一种基于核主元分析(KPCA)的监控指标控制限计算方法,将监控指标值映射到高维空间,再在高维空间中对其映射数据进行监控,实现了控制限的间接求取,避免了复杂的计算.     

浸水条件下高分子材料固化砂土的变形与强度特性研究

首先采用聚氨酯型有机高分子材料固化剂对砂土进行改良,然后通过浸水试验研究了不同固化剂含量的高分子材料固化砂土浸水不同时间后的变形和强度特性.结果显示：在浸水时间相同的情况下,高分子材料固化砂土试样的体积膨胀率随着固化剂含量的增加而增加;随着浸水时间的增加,不同固化剂含量的高分子材料固化砂土试样的体积膨胀率均随之增加,无侧限抗压强度则均随之减小;对于2%、3%和4%固化剂的高分子材料固化砂土试样而言,在相同的浸水时间下,其无侧限抗压强度均随着固化剂含量的增加而增加.将聚氨酯型有机高分子材料固化剂与水混合后形成的乳白色高分子材料固化剂溶液加入砂土中后,其会在砂土颗粒之间形成三维网状固化膜,固化膜可将砂土颗粒锚固连接在一起,使砂土颗粒之间的黏聚力增加,从而可使高分子材料固化砂土试样具有良好的变形和强度特性.     

不同爆炸条件下MFBL型防爆门泄压的模拟研究

为验证瓦斯爆炸冲击波作用下煤矿常用防爆门(MFBL型防爆门)快速开启泄压的效果,利用FLUENT软件对井下瓦斯积聚高度分别为160、100和70 m时MFBL型防爆门快速开启泄压进行模拟研究.结果 表明:MFBL型防爆门的开启高度与时间呈二次多项式关系,开启速度与时间呈一次多项式关系.在相同时刻下,井下瓦斯积聚高度越高...     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比...