公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

考虑温度效应的泡沫铝静态压缩本构模型被引量：7: 2013年; 为探讨泡沫铝在静态压缩时的温度效应，开展了-50℃～300℃范围内不同温度下的泡沫铝静态压缩实验，分析了泡沫铝在不同温度下的力学性能，测得不同温度下泡沫铝的单轴压缩应力应变关系。通过分析Liu和Subhash的六参数本构模型的特点，提出将其简化为五参数模型。并应用五参数模型对不同温度下的实验数据拟合，拟合效果很好。分析和确定了模型中五参数随温度变化的函数，并代入五参数模型，从而建立了考虑温度效应的泡沫铝静态压缩本构模型。对该理论模型进行外推，可以得到更高温度下的泡沫铝应力应变关系，揭示随着温度升高，泡沫铝屈服后依次存在“无密实”、“完全流动”和“软化”等不同的状态。; 习会峰刘逸平汤立群刘泽佳穆建春杨宝; 关键词：泡沫铝温度效应本构模型

基于组合荷载响应特征融合的桥梁结构智能损伤识别方法被引量：3: 2023年; 桥梁在运营过程中面临着组合荷载的复杂环境,因此发展组合荷载下的损伤识别方法具有重要意义。本文提出了一种基于组合荷载响应特征融合的桥梁结构智能损伤识别方法,基于移动主成分分析对自重静载、温度准静态荷载、动态荷载下的结构响应数据分别进行特征挖掘,并将不同荷载下第一特征向量的组合作为机器学习模型的输入,建立结构的损伤识别方法。最后,以双跨连续梁的仿真模型进行了验证,研究结果表明,即使在大噪声水平下,以组合荷载特征向量进行损伤定位和定量的准确率分别可达91.65%和97.22%,比传统的单荷载下的准确率最高分别提升了32.40%和18.00%,表现出优异的损伤检测性能和抗噪性。; 钟玉琪张红张舸周立成周立成刘逸平刘泽佳刘逸平蒋震宇; 关键词：结构健康监测损伤识别组合荷载

冲击条件下泡沫铝的细观变形特征分析被引量：9: 2012年; 利用SHPB-高速摄影机系统,拍摄到了泡沫铝细观结构在SHPB冲击过程中的变形,分析了试件的应变分布及破坏模式。研究表明,泡沫铝试件在SHPB冲击过程中应变分布是不均匀的,试件两端的应变和应变率远大于中间部分的应变和应变率,即在SHPB实验过程中泡沫铝试件不能严格满足均匀性变形假定。因此,需要考虑对用SHPB方法测量泡沫金属动态力学性能方法进行必要的修正。; 杨宝汤立群刘逸平黄小清刘泽佳张纯禹魏志强; 关键词：高速摄影机闭孔泡沫铝 SHPB

基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法: 2023年; 近年来,机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明,设计良好的输入特征能够适应多种算法,从而减少调参时间和计算成本,并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入,使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明,良好的特征向量组合对损伤更加敏感,不仅有助于识别在传感器周围发生的损伤,而且能有效地定位结构边缘和远离传感器位置处的损伤,从而提高算法的损伤识别效果。此外,多种噪声强度下的实验表明,组合特征具有良好的鲁棒性,能较好地适应外界环境的变化。; 魏能周立成张舸刘泽佳刘泽佳刘逸平蒋震宇汤立群; 关键词：损伤识别

在役桥梁中混凝土材料的徐变监测与分析被引量：4: 2008年; 在一个某大桥的长期健康监测系统支持下,以长达1 000多天的大量监测数据为基础,系统地综合分析活载、温度分别等情况,从中遴选出可以同于分析桥梁徐变应变的初始监测数据。通过对遴选的有效监测数据的分析,成功地获得在役混凝土桥梁的混凝土徐变,并且实测值和理论分析的结果比较吻合。进而基于徐变分析,本文推断桥梁跨中挠度的变化趋势,有限元模型的分析很好地证实本文的推测。通过徐变监测分析,不仅直接得到了在役桥梁混凝土徐变随外加荷载的变化规律,有助于从监测应变推断桥梁的变形趋势。; 刘泽佳李保木杨宝汤立群; 关键词：混凝土徐变在役桥梁健康监测

应用高速摄影机对泡沫铝在SHPB实验过程的变形跟踪与分析被引量：6: 2011年; SHPB技术虽然能方便地得出材料的动态应力应变关系,但却不能直观地揭示材料在经受冲击荷载时的变形特征,而这恰恰是泡沫金属力学性能研究的重要方面。为此,本文设计了一套SHPB-高速摄影机系统,借此系统对SHPB实验中的泡沫铝试件进行了实时的变形跟踪拍摄,然后应用图像处理软件对泡沫铝试件的动态变形进行分析并提取了位移信息,得出了泡沫铝试件的变形历时曲线。此外也通过SHPB后处理得到了试件变形信息,最后对比了这两种方法得到的变形信息,发现用这两种方法得出的数据能较好地吻合在一起。这表明,本文设计的实验方法能对泡沫铝试件在SHPB实验过程中的变形进行有效跟踪。; 魏志强黄小清杨宝汤立群和郁伟; 关键词：高速摄影系统泡沫铝

基于移动主成分分析与集成学习的结构损伤识别方法: 2023年; 为了提高结构损伤定量和定位的准确率,提出基于移动主成分分析与集成学习的结构损伤识别方法;利用移动主成分分析对原始应变响应数据进行特征分析,得到包含损伤信息的第一、第二特征向量,将两者相结合所得的组合特征向量作为损伤指标输入集成学习模型,进行结构损伤程度和损伤位置预测;采用双跨平面梁的仿真应变监测数据,对所提出的结构损伤识别方法的有效性进行验证,对比分别以第一、第二、组合特征向量作为输入的分类模型的损伤定量和定位的准确率。结果表明:在一定强度的噪声条件下,组合特征向量能同时具备第一、第二特征向量的优点,并且能克服单个特征向量的局限,获得优异的损伤识别性能和抗噪性;在信噪比为40 dB的弱噪声情况下,将组合特征向量输入集成学习模型进行损伤定量和定位,准确率分别可达98.9%、99.0%,在信噪比为10 dB的强噪声情况下准确率仍分别可达82.3%、73.2%。; 周颖刘泽佳张舸周立成刘逸平汤立群蒋震宇杨宝; 关键词：结构健康监测损伤识别

全选清除导出

共1页<1>

杨宝