A柱涡动力学特性随前窗倾角变化研究

采用风洞试验和数值计算的方法,通过Dihedron模型研究了前窗倾角对A柱涡动力学演化的影响.时均阻力和表面压力通过风洞试验获得,采用分离涡模拟(DES)捕捉A柱涡拓扑结构的细节特征.通过风洞试验的结果验证了DES结果的有效性.DES的结果描述了A柱涡涡破裂现象.随着前窗倾角的变化,A柱涡表现为不同的结构形态,这主要是由主涡中涡量平衡决定的.试验和数值结果均表明,随前窗倾角增大,Dihedron模型的阻力增加.讨论了纵向涡的破裂趋势和潜在的减阻方案.最后,强调了模型壁面的动力学特性及其对车内噪声的影响.     

基于柔度曲率曲线拟合的薄板结构损伤识别研究

提出了基于柔度曲率多项式曲线拟合的损伤识别方法,并用该方法对薄板结构进行损伤研究。采用有限元软件ANSYS进行模态分析,得到损伤薄板的模态振型和固有频率,进而得到X方向和Y方向柔度曲率,然后分别在X方向和Y方向进行多项式曲线拟合。基于拟合值与原始值的差值构造新的损伤指标。数值算例的结果表明,基于柔度曲率多项式曲线拟合的方法相比仅采用柔度曲率矩阵的方法能够更好地进行平板损伤定位,同时相比柔度曲率差等需要结构损伤前后模态数据的损伤识别方法,该方法不需要用到结构损伤前的模态数据,可以运用于难以获得健康结构的模态振型数据的结构损伤识别中。     

基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

MLD模型下逆变电路改进型直接功率预测控制

建立了新型逆变电路精确的混合逻辑动态(MLD)模型,并将其作为预测模型,研究了新型逆变电路基于预测直接功率控制(P-DPC)的模型预测控制方法。为了达到航空电源电压输出要求和降低开关损耗,在原来的3+3电压矢量控制序列法的基础上扩充了零矢量进行了改进,形成了一种新的对称的4+4电压矢量序列法,通过对下一时刻输出电压有功和无功分量的预测,在最小化目标函数值的基础上求出每一个电压矢量的作用时间,完成电路的控制。该方法减小了输出电压THD,具有良好动静态特性有一个较为稳定的开关频率,仿真和实验验证了所提方法的可行性和有效性。     

实测高层建筑抗震分析中填充墙刚度的影响

对高层建筑结构进行抗震分析时,结构设计软件PKPM通常以周期折减系数来考虑填充墙对结构刚度的影响.以来宾市高层实测项目中8栋高层为研究对象,对其进行随机振动测试并在有限元软件Sap2000中建模,利用实测数据对有限元分析模型进行校验并比较校验前后的抗震分析结果.在Sap2000中建立高层建筑模型并采用与PKPM软件相同的方式考虑填充墙的影响,计算结果表明2种模型具有可比性.利用壳体模型和斜撑模型分别在Sap2000软件中对填充墙进行模拟,并利用现场实测数据对模型进行校验.用Sap2000模型代替PKPM模型进行小震作用下线弹性阶段的地震反应分析,与PKPM软件的计算结果对比后发现相较于修正后的Sap2000模型计算值,PKPM模型计算的未经折减的层间剪力是Sap2000模型的1/2左右,而水平位移和层间位移角却是Sap2000模型的3~4倍.根据JGJ 3-2010《高层建筑混凝土结构技术规程》建议的周期折减系数为0.7~1.0,设计取值更为保守.     

硬化非高斯结构响应首次穿越的Monte Carlo模拟

在对比分析已有硬化非高斯模型(Winterstein硬化模型、Ding和Chen模型)的基础上,提出了一个基于Zhao和Lu模型的新硬化非高斯模型.新模型预测偏度和峰度的误差比既有硬化模型小,且最大误差分别为0.311和0.479,表明新模型具有良好的精度;同时新模型扩展了Zhao和Lu模型的适用范围.最后运用新硬化模型模拟硬化非高斯过程样本,发展了硬化非高斯结构响应首次穿越的Monte Carlo模拟方法.数值算例验证了本文方法用于硬化非高斯结构响应首次穿越失效概率计算有较高的精度;杭州新火车东站大跨屋盖以及南水北调工程渡槽结构工程实例说明了本文方法的使用过程.     

顶吹搅拌液相流体的水模实验与数值模拟分析

采用水模型和VOF数学模型对浸没式气体顶吹搅拌液相流体分别进行实验与数值模拟,分析在不同喷吹条件下气泡在液相中的形变、运动及液相流体的流场特性。结果表明,随着气流量和喷管浸入液面深度的增加,气-液混合区域分布范围逐渐扩大,液面波动更剧烈;气流量越大、喷管浸入液面越深、液相温度越高,气泡运动对液相流体内部的搅拌作用越强,流体内部扰动越剧烈,液相流场域中的流场速度越大,其中,当气流量为2.0m3/h、喷管浸入液面深度为340mm时,其液相流场速度最大值达到1.18m/s。     

盐岩储库腔底堆积物空隙体积试验与计算

受建库盐层本身地质特点影响,造腔结束后,底部一般会堆积大量不溶物。堆积物的存在既浪费了有效库容体积,又为整体建库施工带来了诸多不利因素。为科学评价该堆积物并进行有效处理或转变利用以增大库容体积,对其分布特征及堆积空隙体积进行了研究。通过室内溶腔实验获取了堆积不溶物样品,采用筛分法实验测定了其颗粒分布,并根据分形分布理论对其粒度分布特征进行了分析,进而基于可压缩堆积模型对堆积空隙体积进行了数值及模型研究。应用实例进行计算并与现场数据进行了对比评价验证,结果表明,在双对数坐标系下,腔底堆积物颗粒尺寸与累积数量呈线性相关,即其粒度分布可用分形分布函数进行表征,且分形维数作为分布特征参量能较好地描述颗粒均匀程度与集中性。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。