THE NEW CRITERIA OF ELASTIC AND FATIGUE FAILURE IN THE COMPONENT OF COMPLEX STRESS STATES

In this paper, a total criterion on elastic and fatigue failure in complex stress, that is. octahedral stress strength theory on dynamic and static states on the basis of studying modern and classic strength theories. At the same time, an analysis of an independent and fairly comprehensive theoretical system is set up. It gives generalized failure factor by 36 materials and computative theory of the 11 states of complex stresses on a point, and derives the operator equation on generalized allowable strength and a computative method for a total equation can be applied to dynamic and static states. It is illustrated that the method has a good exactness through computation of eight examples of engineering. Therefore, the author suggests applying it to engineering widely.

复杂应力构件弹性失效疲劳失效新判据——动态静态八面体应力强度理论

本文,在研究现代和经典强度理论的基础之上,提出了一个在复杂应力下弹性失效与疲劳失效的总准则,即动态静态八面体应力强度理论,同时建立了并分析了一个独立的比较完整的理论体系,给出了36种材料广义失效系数,和一点复杂应力的11个状态的计算理论,导出了广义允许强度算子方程.给出了总准则能应用到静态、动态的计算方法,通过8个工程实例的计算,表明该方法有很高的精度,因而笔者建议广泛地应用到工程.

基于GM-RBF神经网络组合模型的水泥强度预测方法

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。