飞机结构撞击损伤预测的现状及发展

从弹道极限、剩余速度、剩余质量、未击穿及击穿条件下损伤尺寸预测等方面对飞机结构撞击损伤的预测进行了分析，并对损伤预测的发展趋势进行论述，提出今后损伤预测研究的主要方向和手段。     

应激对机体各器官、系统的损害作用研究初探

应激是指受内外环境剧变的刺激，机体出现包括精神、神经、内分泌和免疫系统等的综合应答状态．其往往对机体产生不利的影响，长时期处于刺激较强的应激环境会引发疾病．应激所诱发的疾病问题越来越受到医学界的关注．本文将应激对机体各器官、系统的损害作用进行概要的总结论述．     

基于作战仿真的毁伤评估系统

为了提高作战仿真系统毁伤评估的精度,实现作战仿真系统的可用性,研究了一种基于作战仿真的战场目标毁伤评估系统.采用组件化软件设计思想,建立了基于分布式仿真平台的系统架构;给出了系统的体系结构、功能组成和毁伤的处理流程.引入基于武器终点效应/目标易损性的毁伤评估方法,将毁伤评估划分成毁伤机理、终点效应两阶段工程建模,而后建立了目标毁伤评估模型;定义了毁伤模型的接口,给出了模型的处理流程.结果表明,目标毁伤评估系统扩展性好、通用性强、建模难度低、结果可信度高,可对作战仿真环境中的目标毁伤仿真与评估提供有力的支撑.     

半刚性基层沥青路面结构特性分析

针对高速公路半刚性基层沥青路面的早期损坏,从路面结构层层间状态、路面抗裂、路面荷载特性、路面耐水性、路面养护特性等5方面分析了半刚性基层沥青路面结构特点,提出防止路面早期损坏的措施。     

棉花种子变温冷害的初步研究

以棉花种子新陆早１号为材料，研究了２０～１２℃、２０～８℃、２０～２℃、１６～８℃、１６～２℃、１２～５℃六种不同变温分别处理１天、２天、３天、４天、５天后的发芽率，初步认清了棉花种子变温与冷害的关系．结果表明，变温的幅度及低温的程度是决定冷害的主要因素，低变温的持续时间也是影响冷害的主要因素．     

基于挠度差值影响线的简支梁桥损伤识别研究

推导了简支梁某一点的挠度随移动荷载位置变化的解析解,在理论上证明了挠度差值影响线对结构损伤识别的可行性.提出用损伤前后一点的挠度差值来识别损伤,为验证该方法的正确性,采用一个单跨简支梁进行有限元模拟.通过有限元计算表明该方法对单损伤简支梁的损伤位置和损伤程度具有准确的识别能力.     

复合材料层压板疲劳寿命预测方法

测定了碳纤维／树脂基T300／QY8911复合材料的3组典型单轴循环应力下的S-N曲线．基于试验数据，建立了多轴循环应力作用下单向板的寿命模型，并通过整合平面应力分析、失效分析和材料性质退化模块模拟多向层压板的疲劳失效过程．这种方法试图基于单向板在确定应力比下的疲劳试验结果，预测同种材料体系的任意铺层形式的多向层压板在复杂循环应力作用下的疲劳寿命．对于以分层破坏为主控因素的层压板，基于层间应力的计算结果，用计算面内累计损伤的方法计算分层损伤，层压板的寿命等于分层扩展寿命和分层后子层板剩余寿命之和．考虑分层扩展后，层压板的寿命预测结果得到明显改善．     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。     

HR3C奥氏体耐热钢晶界蠕变损伤的电子背散射衍射分析

对不同条件下的HR3C奥氏体耐热钢蠕变试样进行性能测试和微观结构观察,研究奥氏体耐热不锈钢蠕变沿晶破坏行为和损伤特征。电子背散射衍射（EBSD）分析结果表明,不同蠕变速度下材料的晶粒尺寸基本不变,未产生择优取向,但高蠕变速度条件下部分孪晶界演变成一般晶界,而低蠕变速度下原始孪晶结构基本保持不变。EBSD分析结果清楚地反映了微观蠕变应变的不均匀性。沿晶微裂纹和蠕变空洞的产生和扩展是最显著的损伤特征,这些损伤现象与不同蠕变速度下的蠕变机制及晶界性质密切相关。     

基于卷积神经网络的新奇检测技术在结构损伤识别中的应用

针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入到新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。