钢管混凝土桁架焊接T型管节点热点应力集中系数研究

运用有限元软件ANSYS建立钢管混凝土桁架焊接T型管节点模型,进行支管轴向拉力作用下管节点热点应力集中系数(Stress Concentration Factor,SCF)研究。结果表明:T型管节点的主管冠点处SCF与管径比、径厚比和壁厚比均成正相关,而主管鞍点处SCF虽与径厚比和壁厚比成正相关,但与管径比呈负相关;相比于主管,支管SCF整体水平较低,且随几何参数变化幅度较小;主管SCF沿管节点相贯线的分布模式与管径比、径厚比相关,但受壁厚比的影响很小;管节点SCF最大值与径厚比、壁厚比成正相关,随管径比的变化规律与径厚比的取值有关;基于有限元计算结果,可推导出钢管混凝土桁架焊接T型管节点SCF最大值计算式。

基于VMD的噪声信号去噪源分离

针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的欠定去噪源分离方法(QVMD-PCA-DSS)。所提方法首先通过第一次VMD分解得到窄带本征模态分量(Band-Limited Intrinsic Mode Function,BIMF),根据BIMF分量的PCA特征值梯度获得最优VMD分解参数,解决VMD参数选择问题,故称作二次估计型可变微分模态(Quadratic-estimates Variational Mode Decomposition,QVMD),然后使用基于QVMD分解得到的BIMF分量来解决盲源分离中源信号数据不足的问题,再根据PCA特征值选择模型估计源信号数量,最后应用DSS进行源信号估计。数据仿真证明,所提QVMD-PCA-DSS方法可以准确估计源信号,与传统方法相比,基于新方法所得估计源信号与源信号更为接近。将该方法应用于内燃机车司机室噪声测试分析中。结果表明,该方法可以自适应解决欠定盲源去噪问题,对降噪分析与噪声分析具有重要的工程意义。

集群智能算法综述

集群智能领域的研究正呈爆炸趋势增长,每年都有无数新的集群智能算法以及改进算法被提出,这些算法在各自的领域内都扮演着相当重要的角色。从集群智能算法的特点与待解决问题出发,首先介绍集群智能算法的概念及部分经典算法,重点介绍粒子群算法与蚁群优化算法的主要思想;然后根据不同集群智能算法在不同应用问题的差异表现,对当下的几个热点问题如Ad Hoc网络、大数据与机器学习、智能电网与智慧交通等领域的集群智能算法作了简单介绍;其次是关于集群智能算法领域理论研究的讨论,主要针对集群智能算法智能行为的产生机制、不同集群智能算法在面对同一问题的性能表现不同的原因、场景选定后集群智能算法性能最优的设计方法等问题展开,并给出了这些研究具有代表性的工作及未来的研究方向;最后对集群智能算法研究尤其是基础理论研究的发展方向进行了展望。

高温超导无绝缘线圈励磁电压特性研究

本文通过实验研究了焊锡浸渍、励磁电流PI控制、励磁速率以及励磁幅值对高温超导无绝缘线圈励磁电压特性的影响。实验结果表明:高温超导无绝缘线圈励磁电压具有时延特性,焊锡浸渍、励磁电流PI控制分别会增大和减小时延特性,而励磁速率和励磁幅值不会影响时延特性;励磁电压幅值随励磁速率增大而增大;焊锡浸渍可降低励磁电压幅值,而励磁电流控制对励磁电压幅值影响不明显。