公共文化服务平台

共 9 条记录，以下是 1-6

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

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

用于软材料的中应变率LSHPB系统及应用: 2025年; 生物软材料大多是高含水率的超软材料,其力学性能在宽应变率范围内随着应变率的提高而非线性增强。然而由于实验条件的限制,在中应变率下对超软材料进行大变形测试显得比较困难。设计并建造了长15 m的双子弹电磁驱动长分离式霍普金森压杆(long split Hopkinson pressure bar,LSHPB)系统,可用于超软材料的大变形中应变率测试。使用该LSHPB系统和高速SHPB系统分别对硅橡胶进行了测试,比较两者的实验结果,验证了系统的可靠性。应用LSHPB系统测量了聚乙烯醇(polyvinyl alcohols,PVA)水凝胶在中应变率下的力学性能,并且结合已有的低和高应变率的数据分析,说明了中应变率动态性能测试的必要性。; 徐沛栋倪萍杨宝蒋震宇刘逸平刘泽佳周立成汤立群

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

基于移动主成分分析敏感特征的智能损伤识别方法: 2024年; 为了提高现有方法对结构微小损伤的识别准确率,本文基于移动主成分分析(Moving Principal Component Analysis, MPCA)方法提出了一种新型损伤敏感特征——多阶PCA(Principal Component Analysis, PCA)损伤敏感特征。本文将这一新型敏感特征作为机器学习的输入,预测受损位置和损伤程度。首先,对监测数据做MPCA分析,并基于方差累积率确定特征向量阶数;其次,通过对各阶特征向量进行内积运算,获得多阶敏感特征(Multi-Order Sensitive Features, MOSF);最后,将多阶敏感特征作为机器学习算法的输入,对结构开展损伤位置和损伤程度的损伤识别研究。基于双跨连续梁的数值实验结果发现:相比于直接采用传统的PCA特征向量作为损伤特征,本文所提出的新型敏感特征对损伤具有更好的灵敏度。结合新型敏感特征与机器学习的损伤识别方法,在损伤位置和损伤程度任务中均具备较高的准确率和稳健的鲁棒性。即使在信噪比为10dB的高强度噪声环境下,本文所提出的损伤识别方法在损伤位置和损伤程度识别任务中也具备高于80%的预测准确率。; 李超周立成刘泽佳刘泽佳张红刘逸平蒋震宇刘逸平蒋震宇; 关键词：结构健康监测损伤识别

基于移动主成分分析与集成学习的结构损伤识别方法被引量：2: 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