负荷度对盾构隧道管片火灾下力学性能影响

针对不同边界条件下的地铁管片建立了热力耦合数值模型,采用顺序耦合热-应力分析方法对不同负荷度下衬砌管片在高温下的变形及内力进行了分析,并基于火灾试验数据进行了验证。研究表明,负荷度是影响管片在火灾高温下变形特性的关键因素。负荷度越大,管片跨中位移在升温阶段发展越充分,下缘混凝土的极限压应力越小。支座边界条件不同时,衬砌管片变形受高温影响的程度也不相同。当衬砌管片两端的水平位移被约束时,由于在升温过程中衬砌管片产生不可忽略的变形,支座反力先增大后减小,最后持续增大直至升温结束。     

基于降维观测器与多胞体方法的执行器故障检测

针对具有执行器故障且状态方程和输出方程同时受到外部扰动影响的离散系统,研究了降维观测器设计方法和基于多胞体理论的区间估计方法,并在此基础上提出了基于区间估计的执行器故障检测方法。首先,通过适当的状态等价变换,将原系统分解成2个降维子系统,使得一个子系统可以直接解耦干扰。然后,在无执行器故障发生的前提下,基于对干扰解耦的子系统,提出了一种降维观测器设计方法,实现了原系统状态的渐近收敛估计。其次,针对具有干扰的子系统,设计了Luenberger型观测器,并结合多胞体理论,提出了一种对可测输出的区间估计方法。之后,基于可测输出的区间估计,提出了一种残差的构造方法,以此提出了一种执行器故障检测新方法。最后,给出了仿真设计和分析,验证了方法的有效性。     

土坯力学性能及受压本构模型研究

为获取传统土坯受压应力-应变特性,确定其数学表达式,针对湿制法和干打法制作的土坯开展了单轴抗压试验和三点抗折试验。分别从抗压、抗折强度、破坏机理以及应力-应变关系等方面分析了两类土坯的力学性能。结果表明,普通砌墙砖的抗压及抗折试验方法均适用于传统土坯,干打土坯的抗压强度为湿制土坯的3倍,抗折强度为湿制土坯的1.3倍,但湿制土坯的断裂能为干打土坯的2.5倍。受压初期,干打土坯的应力-应变曲线存在因土料压密而导致的下凹段,而湿制土坯未表现出该特性。基于两类土坯单轴受压状态下的应力-应变曲线特征,提出了土坯单轴受压本构模型,该本构模型与试验数据吻合较好,可用于土坯砌体结构的数值模拟研究。     

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.     

墩高对不对称高墩连续刚构桥力学特性的影响（英文）

对不同墩高下的不对称高墩连续刚构桥成桥阶段进行了力学特性研究,获得了高墩连续刚构桥在不同墩高下的主梁和桥墩的内力、位移变形特性.研究结果表明,桥墩墩高的变化对主梁内力、主梁竖向位移、墩内力、墩横向位移均产生不同程度的影响,其中对跨中主梁竖向位移和墩顶剪力的影响较大,主梁竖向位移随着墩高的增大而增大,最大位移处平均增幅14.3%,墩顶主梁剪力随着墩高的增大而减小,平均变化率37.1%.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

Influence of bistramide A on the twitch tension in rat atrial heart muscle

Bistramide A, a new toxin isolated from the UrochordateLissoclinum bistratum Sluiter, was applied to rat auricular heart muscle bundles. At a stimulation frequency of 0.2 Hz, the toxin induces a dose-dependent reduction of the stimulated twitch tension force; it decreases and shortens the duration of the plateau and the slow repolarizing phase of the action potential. In the control solution, switching from a stimulation frequency of 0.2 Hz to 1 Hz decreases the force with which a positive potentiation develops either at a maintained high frequency or after switching from 1 Hz to 0.2 Hz. Bistramide A reduces both the force evoked at 1 Hz and the potentiation. The data suggest that Bistramide A blocks Na⁺ conductance; inhibits Ca⁺⁺ channels in a time-and frequency-dependent manner; reduces Na⁺–Ca⁺⁺ exchange activity; but does not modify the ability of the sarcoplasmic reticulum to be refilled although the rate of Ca⁺⁺ accumulation is decreased.     

模型故障诊断中测量点优选的一类期望熵法

基于“第１原理”的诊断方法,给出二个极优的测量点选择方法,其时间复杂性为０,算例表明通用性好,精确性高,与ｄｅ Ｋｌｅｅｒ法不同,文中使用二值的结构模型,用结构信息划分候选诊断。     

MRI表现在脑胶质瘤恶性度诊断中的作用

本文比较了１０７例脑胶质瘤的病理分级与磁共振影像表现,结果显示两者之间有密切的关系（Ｐ＜０００５）。高度恶性胶质瘤中,ＭＲＩ诊断正确率为８８１０％,而低度恶性胶质瘤中为６４６２％（Ｐ＜０００５）。各单项ＭＲＩ表现,如病灶强化程度、瘤周水肿程度、囊变、坏死等在高或低度恶性胶质瘤中出现率无明显差异（Ｐ值均大于００５）。表明ＭＲＩ表现可在很大程度上反映脑胶质瘤的恶性程度,但在低度恶性胶质瘤中,易出现“过诊断现象”。