功能梯度材料是一种特殊的复合材料,在高温下能很好地缓解热应力.由于其材料结构和物理力学性质的特殊性,热冲击下功能梯度梁呈现出较为复杂的热力学行为.B样条物质点法作为一种物质点法的改进算法,已在各类复杂问题中展现了强大的求解...功能梯度材料是一种特殊的复合材料,在高温下能很好地缓解热应力.由于其材料结构和物理力学性质的特殊性,热冲击下功能梯度梁呈现出较为复杂的热力学行为.B样条物质点法作为一种物质点法的改进算法,已在各类复杂问题中展现了强大的求解能力.本文基于傅里叶热传导理论与BSMPM(B-spline Material Point Method)的框架提出了热力耦合方程的离散格式,分析了SiC-Al功能梯度梁的自由振动以及温度荷载作用下的动力响应;同时,基于快速傅里叶变换,研究了SiC-Al功能梯度梁横向振动固有频率随梯度幂律指数的变化规律,并分别与传统物质点法、有限元法和理论解进行了比较分析.结果表明:相较于传统物质点法,B样条物质点法有效改善了应力振荡以及能量耗散.热冲击作用下,B样条物质点法所得功能梯度梁内温度分布与有限元结果吻合较好;B样条物质点法能有效求得一阶横向振动固有频率;随着梯度幂律指数的增加,功能梯度梁固有频率随幂函数变化减小,与理论结果吻合较好.本文验证了热力耦合B样条物质点法的有效性,拓展了B样条物质点法的工程应用,为功能梯度材料在热力耦合作用下的动力响应研究提供了新的计算思路.展开更多
传统离线数据分析方法对于处理即时性高和流量大的数据存在缺陷,而在线检测模型可以满足数据流分析的实时性要求。文中提出了一种基于多阈值模板的在线检测方法。该方法结合多路搜索树突变点检测(Ternary Search Tree and Kolmogorov-Sm...传统离线数据分析方法对于处理即时性高和流量大的数据存在缺陷,而在线检测模型可以满足数据流分析的实时性要求。文中提出了一种基于多阈值模板的在线检测方法。该方法结合多路搜索树突变点检测(Ternary Search Tree and Kolmogorov-Smirnov,TSTKS)算法进行在线检测,基于突变点密度更新窗口长度从而提高了突变点检测精度。采用等量分级策略实现对时序数据的自学习、匹配和分类,进而对大规模病变数据进行状态检测和预测。仿真实验和病变数据的实验结果表明,所提方法具有效果高、分类准确等优点,为大规模时序数据进行快速分类研究提供了新方法。展开更多
文摘为研究初始循环损伤对全级配混凝土断裂损伤特性的影响,对承受不同初始循环损伤的全级配混凝土梁进行三点弯断裂试验研究,并结合声发射(acoustic emission,AE)技术对预损伤后断裂过程进行监测。结果表明:初始循环荷载增幅越大,混凝土梁在初始循环阶段累积的损伤越大,损伤后再加载的峰值荷载越小,脆性特征更明显;对比分析多个AE损伤指数发现,在加载中后期,全级配混凝土的断裂特性受初始循环损伤的影响逐渐变小,此时试件的受损主要受到内部大骨料分布的影响;对预损伤后加载过程中RA-AF值(RA value-average frequency value)分析可知,剪切裂纹占比随加载进程的推进递增,但拉伸裂纹占比始终占主导地位,且随着初始循环增幅越大,破坏时剪切裂纹占比越大。研究成果对预测分析混凝土大坝断裂破坏具有较好的实际应用价值。
文摘功能梯度材料是一种特殊的复合材料,在高温下能很好地缓解热应力.由于其材料结构和物理力学性质的特殊性,热冲击下功能梯度梁呈现出较为复杂的热力学行为.B样条物质点法作为一种物质点法的改进算法,已在各类复杂问题中展现了强大的求解能力.本文基于傅里叶热传导理论与BSMPM(B-spline Material Point Method)的框架提出了热力耦合方程的离散格式,分析了SiC-Al功能梯度梁的自由振动以及温度荷载作用下的动力响应;同时,基于快速傅里叶变换,研究了SiC-Al功能梯度梁横向振动固有频率随梯度幂律指数的变化规律,并分别与传统物质点法、有限元法和理论解进行了比较分析.结果表明:相较于传统物质点法,B样条物质点法有效改善了应力振荡以及能量耗散.热冲击作用下,B样条物质点法所得功能梯度梁内温度分布与有限元结果吻合较好;B样条物质点法能有效求得一阶横向振动固有频率;随着梯度幂律指数的增加,功能梯度梁固有频率随幂函数变化减小,与理论结果吻合较好.本文验证了热力耦合B样条物质点法的有效性,拓展了B样条物质点法的工程应用,为功能梯度材料在热力耦合作用下的动力响应研究提供了新的计算思路.
文摘传统离线数据分析方法对于处理即时性高和流量大的数据存在缺陷,而在线检测模型可以满足数据流分析的实时性要求。文中提出了一种基于多阈值模板的在线检测方法。该方法结合多路搜索树突变点检测(Ternary Search Tree and Kolmogorov-Smirnov,TSTKS)算法进行在线检测,基于突变点密度更新窗口长度从而提高了突变点检测精度。采用等量分级策略实现对时序数据的自学习、匹配和分类,进而对大规模病变数据进行状态检测和预测。仿真实验和病变数据的实验结果表明,所提方法具有效果高、分类准确等优点,为大规模时序数据进行快速分类研究提供了新方法。