SHPB装置在动态测试中的推广应用

本文将SHPB装置推广应用于若干工程结构和材料的动态力学性能和参数的实验测试。文中介绍了结构动载荷及载荷作用点位移的测试,测压铜柱动态力学性能的测试以及高g值加速度传感器的标定。并给出了在上述实验测试中应用的测试原理、测试方法和测试结果。     

电力系统短期负荷预计(DFY)

电力系统调度部门,为了经济、可靠和安全供电,一般要进行短期负荷预计.本文介绍一个次日24小时的负荷预计模型和其程序在计算机上的操作过程.负荷模型分为两部分—正常情况和非正常情况下的预计.对湖南电网给出了预计的实际结果.     

部分预应力混凝土延性梁的试验研究

本文介绍了配置有较密箍筋的部分预应力混凝土延性梁在大变形领域的多次重复载荷作用下的试验概要,并对该梁的破坏过程、混凝土受压破坏的几个应变值、荷载一位移滞回曲线的特性、延性、塑性铰区域内外的变形特性等试验结果作了若干讨论。     

均布荷载作用下四边简支、四边固支矩形加肋板的计算

本文讨论了加肋板计并的基本理论,对均布荷载作用下的四边简支、四边固支矩形加肋板进行了计算,并和有限元计算结果进行了比较。分析表明,本文的理论与方法都是正确的。     

渐开线少齿差传动的轮齿载荷研究

与一般齿轮传动不同,在渐开线少齿差传动中存在多齿同时接触现象,因而其载荷分配系数要小得多.本文在对几何关系、轮齿变形和制造误差进行分析的基础上,建立了描述多齿啮合状态的数学模型.计算表明,同时啮合齿对的数目一般不大于5对,载荷分配系数随齿数和载荷集度的增加而减少.本文给出了不同载荷集度、不同传动参数下载荷分配系数的均值和标准差,可用以确定轮齿载荷的分布特征.本文的结论得到光弹性实验的验证.     

试论弧齿锥齿轮和准双曲面齿轮副载荷敏感度概念

通过分析齿轮副支承系统的弹性变形，提出了载荷当量ＶＨＪ的概念，利用这一概念能方便地求得支承系统变形与齿面接触区偏移的关系，进而给出了齿轮副载荷敏感度的概念，找到了影响齿轮副载荷敏感度的两个主要因素：一是齿轮副支承系统的刚性；二是轮齿齿面自身特性。并进一步分析了它与加工刀盘半径的关系。     

时域识别动态载荷的精度问题

已提出的识别动态力时域方法将系统的运动方程作模态坐标转换，认为在离散的 时间间隔中载荷是一个阶跃力．于是非耦合的方程可以逆解出动态载荷的时间历程。 在识别计算的过程中会出现一些问题，如模态截断、测点数少于模态数、识别力数多 于模态数、时间间隔的确定以及采样中的噪声干扰等，这些问题都会影响识别力的 精度。文中探讨了解决这些问题的途径，并以仿真实例加以说明。     

抛物线型单层柱面网壳的非线性稳定性

对抛物线型单层柱面网壳的静力稳定性能进行了研究.比较了抛物线型单层柱面网壳与圆柱面单层柱面网壳和倒悬链线单层柱面网壳的静力稳定性能.对抛物线型单层柱面网壳进行参数分析,并对抛物线型单层柱面网壳进行结构优化.研究表明:与圆柱面网壳相比,抛物线型单层柱面网壳的极限荷载有大幅度增大;长跨比、矢跨比对网壳的极限荷载影响显著;初始几何缺陷对网壳的极限荷载有较大影响;网壳的斜杆相交角在50°左右,网壳的静力稳定性能最好;按等比数列布置拱向网格间距,比值α的取值在0.85到0.95之间时,网壳的静力稳定性能最好.     

求解拱坝极限荷载的增量弹性有限元迭代法

为了克服弹性补偿法每一步计算量太大的问题,结合弹塑性分析法和塑性极限分析法的优点,提出求解复杂结构极限荷载的增量弹性有限元迭代法(IEFEIM)。该方法以荷载因子β为变量,采用自适应增量调整技术,迭代逼近满足平衡条件和屈服条件的最大荷载因子βmax。与弹塑性分析法相比,IEFEIM只需材料的强度准则,不需要材料屈服、破坏后的本构关系;与塑性极限分析法相比,IEFEIM只需增量定向搜索逼近荷载因子最大值,无需开展大范围搜索的规划算法;与弹性补偿法相比,只需形成一次整体刚度矩阵,无需每一步重新形成整体刚度矩阵,可以有效地减少每次迭代的计算量。工程实例表明,IEFEIM可以有效地求得高拱坝的极限荷载,并可以给出临近极限状态时的结构性状。     

自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84%、13.95%和3.24%,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明:AWLS-SVM预测的累积负荷误差为4.56MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。