高功率密度磁悬浮高速电机转子动力学建模与分析

与传统电机相比,高功率密度磁悬浮高速电机的运用范围越来越大。但由于转速的提高,转子在加速或减速过程中跨越临界转速会导致共振现象,因此为避免共振带来的问题,需对转子进行动力学建模及分析。以12.3 kW高功率密度磁悬浮高速电机转子系统为研究对象,建立基于有限元法的动力学模型,并对其进行模态计算,使用Ansys Workbench进行模态仿真。通过B&K敲击试验对高功率密度磁悬浮高速电机转子进行模态分析,与基于有限元法的模态计算结果和Ansys Workbench模态仿真结果进行对比。结果表明:3种方法数据较为吻合,其建立的动力学模型有足够的准确性。

大型飞机多支柱交联式起落架一体化载荷校准及建模研究

针对某大型飞机多支柱交联式起落架结构受力及传力特点,首次采用一体校准、独立建模的载荷试验方法,三支柱起落架侧挂正向一体安装、一体加载,解决了多支柱之间的载荷影响问题。根据交联式多支柱结构受力及传力特点,进行应变电桥及载荷工况设计,载荷工况既包括常规的单支柱加载,还包括满足多支柱影响的两支柱及三支柱组合加载工况。提出了多支柱广义响应系数概念,并通过广义响应系数对支柱之间的影响效果进行分析,显示支柱载荷向前单向传递,后支柱影响紧邻前支柱,前支柱不影响后支柱。据此提出了支柱独立建模、载荷逐次迭代、基于广义响应系数的支柱消扰载荷建模方法,获得了满足精度要求的载荷模型。

桥梁健康监测数据的质量评估方法研究

桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。

大跨度斜拉桥模态参数长期追踪及其变异性分析

为了丰富大跨度斜拉桥模态参数的实测数据库,依托苏通大桥结构健康监测系统采集的数据,采用所建立的模态自动识别和追踪方法,获取了2010年期间该桥的模态参数值,并据此分析了在温度和风速作用下桥梁模态参数的变异性。研究结果表明,大桥主梁模态频率的变化受温度和风速共同影响,随着温度的升高而降低,随着风速的升高而增加。大桥主梁模态阻尼比的变异性显著大于模态频率,低风速下主梁一阶侧弯阻尼比在0.5%~15%之间波动,风速大于9 m/s时逐渐降低并稳定在2%左右。大桥主梁前四阶竖弯阻尼比受气动阻尼的影响较大,在风速较小时随着风速的增加略有增加。研究结果可为大桥的服役性能评估与运营管理提供参考。

水中旋转圆盘振动阻尼测量与模拟

为了研究模态做功法在计算旋转式机械水力阻尼时的适用性和准确性,利用旋转圆盘阻尼测量系统的实验数据对该方法做了评估.研究表明,圆盘的水力阻尼值随转速的增加呈现下降的趋势;利用模态做功法计算水力阻尼值时必须考虑旋转效应带来的影响,如果直接使用静止条件下的模态结果,水力阻尼随转速的变化规律将完全和实验结果相反;在考虑旋转的条件下,计算精度有所提高,但整体呈现过预测的问题,该方法对旋转结构阻尼特性的预测精度还有待提高.

结构动力学应用中若干基本概念的研究

结构动力特性被广泛应用于结构振动控制、结构可靠性设计和健康监测,由此涉及到一些动力学基本概念的理解问题尚待深入探讨。采用一简支梁横向振动算例以及分别通过模态位移法和模态加速度法对多自由度系统的响应振幅进行分析计算,探讨结构位移响应与第一阶固有频率的关系、结构各阶位移模态的贡献与模态应变能的关系。基于模态正交性,通过分析多自由度振动系统的位移响应,论述了系统共振的必要条件,即在保证系统振动频率(某阶固有频率)等于激励频率的同时,其位移响应还应呈现出相应模态的形态;实现多自由度系统纯模态共振,可用于精确识别结构的模态参数。

面向机器智能的情感分析

大模型的兴起,尤其是以大模型为基础的人工智能技术的发展与应用引起了全社会对人工智能技术的广泛关注。人工智能技术已经在很多方面达到甚至超越人类,可以替代人工完成一些技艺要求较高的工作。不过,在人工智能迈向人类智慧的道路上,仍然有许多难题亟待克服与解决,其中一个重要的问题就是情感分析与理解问题,如让机器准确理解人类的情感。针对该问题,文章从情感的定义与分类入手,对情感分析研究需要解决的问题,研究方向、研究现状、面临的挑战、应用前景与展望等进行了讨论。

车身模态及接附点动刚度分析

为在新车研发阶段预测车辆的噪声、振动与声振粗糙(NVH)性能,以某电动汽车车身为研究对象,建立其有限元模型,求取车身在频率为0~100 Hz内的自由模态及16处接附点的动刚度,以前副车架左前、右前接附点为例进行动刚度分析,并结合车身模态确定测点加速度响应出现峰值的原因。研究结果表明:两测点的加速度导纳(IPI)曲线在27 Hz和83 Hz频率下出现峰值的原因是产生了共振,在35、54、62、78 Hz频率下产生峰值的原因是接附点处动刚度不足。

某钢筋混凝土栈桥的异常振动成因分析

为研究栈桥异常振动原因并对结构进行安全性评估,在缺失结构异常振动期间观测数据的情况下,基于现场检测、动力测试及数值仿真3种方式相结合,将导致异常振动的内因和外因逐一排查,筛选高可能性因素进行异常振动成因分析。研究表明,栈桥的异常振动是由水平承载系统的第2阶自振频率与激振频率共振以及托辊转速较小差异导致的“拍现象”综合导致。其中,托辊对栈桥产生的拉扯激振是导致其异常振动的主要因素。该研究成果可为类似水运工程结构的异常振动成因分析提供参考价值。

基于跨模态交叉注意力网络的多模态情感分析方法

挖掘不同模态内信息和模态间信息有助于提升多模态情感分析的性能,本文为此提出一种基于跨模态交叉注意力网络的多模态情感分析方法。首先,利用VGG-16网络将多模态数据映射到全局特征空间;同时,利用Swin Transformer网络将多模态数据映射到局部特征空间;其次,构造模态内自注意力和模态间交叉注意力特征;然后,设计一种跨模态交叉注意力融合模块实现不同模态内和模态间特征的深度融合,提升多模态特征表达的可靠性;最后,通过Softmax获得最终预测结果。在2个开源数据集CMU-MOSI和CMU-MSOEI上进行测试,本文模型在七分类任务上获得45.9%和54.1%的准确率,相比当前MCGMF模型,提升了0.66%和2.46%,综合性能提升显著。

基于多尺度分量特征学习的用户级超短期负荷预测

针对用户级负荷波动性强,一步分解后数据维度增加导致运行效率降低以及精度提升有限等问题,该文提出一种新的多尺度分量特征学习框架,用于用户级超短期负荷预测。构建基于自适应噪声的完整经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)以及变分模态分解(variational mode decomposition,VMD)的自适应二次模态分解框架,捕捉周期性等时序特征,并降低其非平稳特性;采用多维特征融合的方式挖掘各本征模态函数之间的耦合关系,丰富特征信息;利用改进的多尺度空间注意力(multiscale spatial attention,MSA)模块沿时间、空间以及通道等多尺度提取时空特征及多分量间耦合关系,进而便于卷积神经网络(convolutional neural network,CNN)学习多分量特征。基于江苏省南京市房地产业、教育业以及商务服务业共12位用户的实际负荷数据进行算例分析,各行业平均绝对百分误差分别为5.82%、4.54%以及8.78%,与效果最好的对照模型相比,分别降低了10.46%、6%以及7.48%,验证了该文模型具有较高的预测精度和良好的泛化性能。

桅杆结构有限元模型修正与参数敏感性研究

基于台风“圆规”激励下的实测加速度响应识别了深圳356 m高气象梯度观测塔的模态参数,结合带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)对气象塔有限元模型进行修正。结果表明:气象塔模态非常密集,且纤绳模态的参与程度较为显著。气象塔X向和Y向的基频分别为0.614 Hz和0.603 Hz,其前3阶弯曲模态阻尼比在1%~2%之间。塔身密度、纤绳弹模对塔身模态频率和振型有显著影响,高层纤绳的线质量和塔身弹模对其也有一定影响,但纤绳张力的影响较低。气象塔有限元模型修正后的风致响应高于修正前,并更接近实测结果,验证了修正模型的准确性。

基于PSO-BP神经网络的磨机传动系统模型修正

针对磨机传动系统结构的复杂性、部件间约束条件的不确定性以及非线性等因素,提出了一种基于PSO-BP神经网络的有限元模型修正方法。通过改进BP神经网络逼近设计参数和特征量间的非线性映射关系,结合实际结构响应,利用神经网络的泛化特性,得到了模型设计参数值。修正后频率误差从最高18%降到4%左右,修正系数误差范围均在0.5%以内,明显提高了有限元模型精度;同时,又不需要大量迭代求解步骤,避开了传统反问题模型修正法的复杂非线性优化过程,提升了效率,验证了PSO-BP神经网络法应用于大型磨机传动系统上的可行性,为后续传动系统整体分析奠定了基础。

基于振动速度与噪音的横梁动态特性优化

针对某型小五轴高精密数控机床加工精度不高的问题,对其横梁的动态性能进行研究.采用锤击模态测试实验与有限元模拟计算相结合的方法,对横梁的固有频率进行研究;测量主轴不同转速下的振动速度和振动噪音,通过赋权处理,建立振动评价指标方程,得到优化目标;对所研究横梁进行形状优化.试验与仿真所得固有频率最大误差为5.76%;基于主轴振动情况确定83~117 Hz的频率范围,作为横梁设计时需要避开的低阶固有频率范围.经过形状优化后,横梁的一阶固有频率为139 Hz,相较于原横梁增加了约20.870%,横梁的动态性能得到改善.

一种轻量级多模态车辆轨迹预测算法

针对自动驾驶汽车车载嵌入式计算平台存储和计算资源有限、车辆未来轨迹具有不确定性、周围环境信息复杂多变的问题,提出了一种基于MobileNeXt搭建的轻量级多模态车辆轨迹预测算法(CAM-MobileNeXt)。首先,利用MobileNeXt轻量级框架,构建了参数量和计算量均较少的车辆轨迹预测模型;其次,通过将单模态轨迹预测调整为多模态轨迹预测,以预测目标车辆可能存在的多条未来轨迹;最后,引入注意力机制,使其具备从众多输入信息中筛选出重要信息的能力,从而高效分配有限的存储和计算资源。在L5级别自动驾驶车辆轨迹数据集Lyft上开展轨迹预测实验,结果表明:所提算法具备较低的参数量和计算量,预测性能优于Lyft基线方法ResNet50;与MobileNeXt相比,所提算法在Lyft数据集上的损失值降低了11.9%,最终位移误差降低了7.4%,平均位移误差降低了11.4%。所提算法适合部署在自动驾驶汽车的车载嵌入式计算平台上,在对自动驾驶汽车的周围车辆进行准确多模态轨迹预测,以保证自动驾驶汽车安全行驶方面具有良好的应用前景。

一种基于残差MLP的多模态点云分类网络

针对PCT等先进点云算法存在模态单一、特征提取器复杂、参数量大、计算效率低等问题,提出一种精简快速的多模态点云分类网络Res-CLIP。将ResMLP-PC与CLIP结合,通过学习多模态信息提高主干网络性能和迁移学习能力,使用残差MLP提高算法效率;将仿射变换模块融入主干网络提高算法精度。排水管道缺陷数据集实验结果表明:与PCT等算法相比,ResMLP-PC算法的精确率、召回率均有提升,且参数量减少近50%,检测速度提升23%。Zero Shot实验结果表明:与现有多模态点云网络相比,Res-CLIP算法在2类公开数据集上的Zero Shot精度均较优,比ULIP相比分别提升4.6%、0.5%。

MMCSC:一种跨模态的假新闻检测方法

目前基于新闻内容的假新闻检测方法没有考虑到不同模态更高层的语义关联,缺少可以依据的信息对新闻进行判断,从而缺乏对有重要辨别特征的新闻的社交网络信息进行有效使用.针对这个问题,提出了基于新闻内容的假新闻检测方法,通过提取文本、图像和视频等多模态新闻的高层语义特征,分析不同模态高层语义信息,设计跨模态主题一致性和跨模态情感一致性计算方法.在此基础上,设计了一种跨模态内容语义一致性的假新闻检测模型MMCSC(multi-modal feature content semantic consistency).实验证明,相比于传统方法,所提出的MMCSC有较好的检测效果.

线上线下双模式教育的应用——以机械电子工程专业必修课《热力学与传热学基础》为例

后疫情时代,为适应教学要求,逐渐衍生出线上线下双模式的教学方式。本文以机械电子工程专业的必修课《热力学与传热学基础》为例介绍了线上线下双模式教育在教学中的应用。首先介绍了《热力学与传热学基础》这门专业必修课的主要授课内容、学习目标和考核标准,其次以理想气体基本热力学过程的p-v图和T-s图为例,说明了双模式教育的应用为教学带来的好处。

带“得”动补式中“能够/能/可能”的位序变化

带“得”动补式中“能够”“能”通常表达根情态。结果补语结构中它们的位序由句子的语义决定,理论上不可改变;描写补语结构中,若非辖域因素影响,它们的位序可变,但实例中基本都位于“得”前。带“得”动补式中“可能”表达认识情态,若非辖域因素影响,其在“得”前后的位序变化自由。一些带“得”动补式中“能够”“能”“可能”在“得”前后的位序可变是因为,第一,带“得”动补式成分项之间的关系是既有一定的并立性,也有一定的非并立性;第二,“得”标明了主动词事件和补动词事件之间有蕴涵关系;第三,此时,“得”后成分为焦点所在。

自适应特征融合的多模态实体对齐研究

多模态数据间交互式任务的兴起对于综合利用不同模态的知识提出了更高的要求,因此融合不同模态知识的多模态知识图谱应运而生.然而,现有多模态知识图谱存在图谱知识不完整的问题,严重阻碍对信息的有效利用.缓解此问题的有效方法是通过实体对齐进行知识图谱补全.当前多模态实体对齐方法以固定权重融合多种模态信息,在融合过程中忽略不同模态信息贡献的差异性.为解决上述问题,设计一套自适应特征融合机制,根据不同模态数据质量动态融合实体结构信息和视觉信息.此外,考虑到视觉信息质量不高、知识图谱之间的结构差异也影响实体对齐的效果,本文分别设计提升视觉信息有效利用率的视觉特征处理模块以及缓和结构差异性的三元组筛选模块.在多模态实体对齐任务上的实验结果表明,提出的多模态实体对齐方法的性能优于当前最好的方法.