预应力砼梁截面的配筋与延性分析

讨论合理配筋的方法,使部分预应力砼梁既满足裂缝控制和承载能力的要求,又具有接过普通砼梁的延性,提出适用于钢筋砼或预应力砼的梁或柱矩形截面的弯矩－轴力－曲率的计算方法;又提出了适用于钢筋砼,部分预应力砼,预应力砼截面曲率延笥的统一计算方法。     

配置钢筋对高水固结充填体的影响

从高水固结充填体与钢筋的粘结入手,导出了两者之间粘结力的计算公式,建立了模拟模型．应用该模型分别模拟了配置钢筋充填体和无钢筋充填体的情况,揭示了配置钢筋对高水固结充填体的破坏机理,最后提出了有效的改进措施．     

巷道锚杆各向异性作用效果的数值分析

将巷道围岩锚固区视为宏观上的各向异性连续介质,由锚杆支护参数确定其等效力学参数,利用快速拉格朗日元法 Ｆ Ｌ Ａ Ｃ 程序,分析了等效模型与实际模型的巷道变形特点。结果表明,等价效果主要依赖于锚杆的支护密度,密度越大,二者越接近;反之,误差增大。此外,锚杆长度对等价效果的影响很小。     

LCAS SiC_w ZrO_2复合材料的力学性能及其微观结构

研究了ＬＣＡＳＳｉＣｗＺｒＯ２ 复合材料的力学性能及其微观结构．力学性能分析表明：ＳｉＣｗ 增韧和ＺｒＯ２ 相变增韧的加和性不是简单地叠加,ＳｉＣｗ 增韧提高了ＺｒＯ２ 相变增韧效果．体积分数分别为５５ ％ ,３０％ ,１５％ 的ＬＣＡＳ,ＳｉＣｗ ,ＺｒＯ２ 复合材料的断裂韧性Ｋ１Ｃ和抗弯强度σｂ 达到６－４ ＭＰａ·ｍ１／２ 和３３１－７ ＭＰａ．透射电镜（ＴＥＭ） 图象表明：复合材料中ＺｒＯ２ 起了应力诱导相变增韧作用;ＬＣＡＳ／ＳｉＣｗ 界面较清晰,其宽度约１５ ｎｍ ;搭在ＬＣＡＳ／ＳｉＣｗ 界面两侧的杆状ＴｉＣ 颗粒增加了界面结合强度     

钢-混凝土组合梁纵向抗剪非线性分析

在钢-混凝土组合梁中,栓钉传递的剪力作用在混凝土板上,当横向钢筋配筋率低于一定值时,混凝土板会发生纵向剪切破坏,从而会导致组合梁的极限承载力降低,不能充分发挥组合梁的优势.采用了ANSYS软件对组合梁进行了非线性有限元分析,并结合试验结果探讨了横向钢筋对组合梁极限受弯承载力的影响,同时对组合梁的挠度及滑移进行了分析.计算结果表明,为保证组合梁混凝土板不发生纵向抗剪破坏,横向钢筋配筋率应不小于0.6%,利用给出的模型可反映出栓钉对混凝土板的作用.     

含孔复合材料层合板孔口缝合补强的层间应力分析

使用有限元模拟计算了含孔复合材料层合板开口缝合补强结构。研究了含孔复合材料层合板在轴向拉伸载荷作用下孔边各个铺层的层间应力分布情况,并将缝合后的层间应力值与缝合前的相关数值进行了比较,主要研究了不同缝合参数对孔边层间应力的影响。通过有限元模拟计算可得,层合板缝合补强后,孔边的层间应力比未缝合前显著减小,孔边附近层间应力的分布与相邻铺层的铺层角有关,不同铺层之间的层间应力沿孔边区域存在应力的转换点,并且存在显著差别。     

孔口缝合补强复合材料层合板的刚度退化及失效分析

本文通过对含孔复合材料层合板进行分析,提出一种有限元模型,并通过对材料进行轴向拉伸加载,通过考虑一种刚度退化理论,对复合材料的孔边强度失效进行分析研究。研究了未缝合的情况下的加上Hashin准则下的失效破坏分析,以及位层合板位移随载荷的变化情况。结果表明,在未缝合的情况下对材料进行加载,复合材料的孔边单元首先发生破坏,并随着载荷的加大不断扩展,最终导致材料完全失效。层合板的位移随载荷呈非线性变化。     

选择性加强结构在飞机结构设计中的应用

针对如何满足民用飞机高寿命低重量的设计指标问题,引入一种在原铝合金飞机结构上固化GLARE条带的新型结构,以提高疲劳和损伤容限性能。并对其疲劳和损伤容限性能以及湿热环境敏感性进行阐述,提出适航符合性思路。     

混合动力汽车深度强化学习分层能量管理策略

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。