不同分级循环加卸载模式下岩石能量 演化规律研究

为了深入分析循环加卸载过程中岩样能量演化规律,设计了3种不同的单轴循环加卸载试验,详细分析了不同分级循环加卸载模式下的总吸收能、弹性应变能、耗散能、塑性变形能等参数的演化特征及其相互关系,建立了耗散能与循环应力等级、循环加卸载次数变化的演化方程。结果表明:1)随着循环加卸载应力等级的提高,耗散能Use和塑性变形能Ue呈现非线性增加的趋势;2)岩样在第3种循环加卸载模式下,整体上耗散能Use和塑性变形能Ue表现出"U"形变化的规律,在第Ⅰ级和第Ⅱ级循环荷载下强化效应突出,而在第Ⅲ级和第Ⅳ级循环荷载下扰动效应突出;3)循环加卸载上限应力不变,下限应力减小时,循环荷载对岩样的损伤效应比其强化效应明显;4)循环加卸载作用下岩样的耗散能Use与循环荷载应力等级、循环次数相关,可以采用非线性曲面较好的拟合,这为采用耗散能Use来定量分析循环加卸载过程中岩样的损伤奠定了较好的基础。     

采煤机截割部齿轮箱体疲劳失效机理研究

针对采煤机截割部齿轮箱体在使用过程中出现的疲劳断裂问题,考虑由齿轮啮合引起的高频内部激励和由截割煤岩体引起的低频外部激励,进行疲劳失效机理分析。基于箱体力学模型,分析外部激励作用下箱体应力集中部位及应力峰值,并用有限元计算结果验证;力学模型考虑了由齿轮啮合产生的扭矩M_p及轴向力偏心L_0,分析了不同摇臂摆角下M_p和L_0对应力峰值的影响规律;基于采煤机截割实验,分析内部激励作用下箱体局部共振特性;将实测振动信号进行功率谱分析,得到局部共振频率并验证其为箱体固有频率;通过箱体应变模态分析,得到局部共振频率对应振型的应变分布特征并与应力集中部位进行比较。结果表明:M_p和L_0会增加箱体危险截面弯曲拉应力峰值;应力集中部位与局部共振振型应变集中部位基本一致;内部激励激发了箱体15,23和27阶振型的局部共振,拍振现象的产生加剧了箱体疲劳破坏;采煤机截割部齿轮箱体疲劳断裂是由外部激励引起的应力集中和内部激励引起的局部共振共同造成。     

基于迭代计算的汽车散热器性能分析方法研究

运用CFD方法对某型汽车管带式百叶窗散热器进行性能分析,采用局部迭代法,计算出整体散热器的换热性能。同时利用多孔介质代替散热带的方法,模拟计算出散热器的阻力特性。研究结果表明:运用数个局部模型的计算结果可以估算出整条散热带的仿真散热量,将散热器总质量流量的平均值作为每个扁管入口质量流量估算散热器的仿真散热量是可行的。局部迭代法和多孔介质模型模拟计算的结果与试验结果吻合,为整体散热器的性能分析提供了新思路。     

基于梯度分布调节策略的Xgboost算法优化

为了解决集成学习模型Xgboost在二分类问题中少数类检出率低的问题，提出了基于梯度分布调节策略的改进的Xgboost算法——LCGHA-Xgboost。首先，通过定义损失贡献（LC）来模拟Xgboost算法中样本个体的损失量；而后，通过定义损失贡献密度（LCD）来衡量Xgboost算法中样本被正确分类的难易程度；最后，提出了梯度分布调节算法LCGHA，依据LCD动态调整样本个体的一阶梯度分布，间接地增大难分样本（主要存在于少数类中）的损失量，减小易分样本（主要存在于多数类中）的损失量，使Xgboost算法偏向对难分样本的学习。实验结果表明,与Xgboost、GBDT、随机森林（Random_Forest）这三大集成学习算法相比，LCGHA-Xgboost算法在多个UCI数据集上的召回率（Recall）值有5.4%~16.7%的提高，AUC值有0.94%~7.41%的提高；在垃圾网页数据集WebSpam-UK2007和DC2010数据集上所提算法的Recall值更是有44.4%~383.3%的提高，AUC值有5.8%~35.6%的提高。LCGHA-Xgboost算法可以有效提高对少数类的分类检出能力，减小少数类的分类错误率。     

微纳振动能量收集器研究现状与展望

振动能量广泛分布在我们周围的环境中,比如人体运动、机器振动、微风吹动、水纹波动、声音振动等,收集环境中的振动能量对未来电子器件的自驱动化具有十分重要的意义。阐述了电磁、压电、摩擦电三种微纳振动能量收集器的工作机理和最新研究进展。对三种微纳振动能量收集器的特点和面临的挑战做出了归纳与概括。最后,对微纳振动能量收集器的发展趋势做出了展望。