地震载荷作用下岸桥结构单参数畸变相似模型研究

据动力相似理论设计合理的缩尺模型,用振动台模型对岸桥结构进行动力学试验分析。设计中的缩尺模型各构件(梁)长度可基于原形尺寸由相似比尺推导获得,而梁截面厚度却不能与长度按同一比尺缩小,致使模型产生畸变。采用有限元预测系数法获得畸变模型的动响应预测系数从而可预测原型的动态特性。为验证用该方法所得预测系数的有效性,以相似理论制作缩尺模型并使截面厚度产生畸变,对畸变模型进行锤击模态及地震振动台试验分析。结果表明,试验结果与有限元计算结果相近,结构发生最大加速度、应变位置相似,表明畸变预测系数合理。     

轮胎式起重机转台结构疲劳寿命分析

通过对轮胎式起重机转台结构有限元建模分析,找出其易产生疲劳裂纹危险部位.根据断裂力学理论,利用损伤容限法对转台进行疲劳分析,得出转台的理论计算寿命以及相关的分析结论,为相应的设计提供参考.     

基于离散元法修正散料垂直螺旋输送运动模型

考虑到散体的流动特性对垂直螺旋输送性能的影响,通过建立散体颗粒垂直输送周期几何模型,运用离散元法模拟分析了散体在输运过程中的运动规律,研究了螺旋输送机不同转速对散体颗粒旋转角速度分布的影响,评估了传统颗粒角速度预测模型的准确性并进行了修正。研究结果表明:颗粒的角速度分布不仅与径向位置有关,还和垂直高度存在着密切的联系,传统预测模型存在明显的缺陷;修正后的预测模型与仿真计算的误差值在7%以内,体现了修正后的预测模型具有较好的适用性。这对进一步准确预测垂直螺旋输送机的性能具有重要意义。     

多层卷绕钢丝绳疲劳磨损试验装置的研制

以起重机械钢丝绳起升、变幅多层卷绕系统为原型,研制了一套能真实模拟钢丝绳实际作业工况的多层卷绕钢丝绳疲劳磨损试验装置,用于多层卷绕钢丝绳的损伤与失效行为研究。该试验装置由试验台架、数据监测系统与电气控制系统等组成,具有钢丝绳线速度、钢丝绳张力可控的功能特点。利用该装置开展了双折线式多层卷绕钢丝绳疲劳磨损试验。试验结果表明:该试验装置能真实反映多层卷绕钢丝绳的损伤与失效行为过程,所得试验数据准确、可靠。     

面向智能制动器的惯性试验台改造方案的研究

针对传统惯性试验台在惯性盘组合转矩的调节与传输方面存在的不足,提出一种改进方法,以使其适应智能制动器的测试。该方法是在传统惯性试验台的基础上,对其控制系统进行改进,利用传感器技术,实现试验台与智能制动器的信息交互。利用变频调速技术,实现惯性盘转矩的无级可调,扩大测试范围。改造后的试验台既保留了传统试验台的功能,又可完成对智能型制动器的测试,具有改造成本小、适应性强等特点。     

快速成型中粗糙STL模型细分算法

快速成型过程中STL模型精度直接影响成型零件的成型精度,当面对粗糙的STL模型并且没有原始模型进行重新生成或者生成精度不高时,以及逆向工程三维重建得到的STL模型精度不能满足要求时,需要对STL模型进行细分以提高其表面精度,进而提高成型零件精度。为此,提出一种新的STL模型面边点拓扑信息结构,解决了两三角形面片共享边空间插值两次带来的精度误差问题;在此基础上,应用Hermite空间插值方法近似表示三角形面片三边所对应的空间曲线段,之后依据设定的规律连接空间曲线段的中点,实现对粗糙STL模型三角形面片的细分。试验结果表明:细分算法适用于形面较为复杂以及大尺寸多三角面片的STL模型,其效率可达4~n(n是细分次数),可以快速提高给定STL三维网格模型的表面精度。     

基于EDEM仿真的桥式链斗卸船机挖掘阻力研究

研究一种桥式卸船机在实际工作过程中,其主要运动参数(料斗运行速度及切入角度)对取料过程的影响,通过不同的参数设置,在EDEM中进行仿真,得到结果如下:料斗运行速度及切入角度对挖掘阻力有较大影响。在实际过程中,应当把料斗切入角度控制在40°~60°之间,当需要以不同的角度挖料时,需要控制料斗运行速度在1.5 m/s^1.8 m/s之内,此时可以获得较高的资源利用率。EDEM具有传统计算不具备的优势,能够研究速度参数对实际取料的影响。     

基于EDEM的木片流动特性分析

国内对木片的巨大需求,带动了相关产业的发展,但随之而来的问题是港口木片卸船设备的作业效率不能满足高效的发展需求。散货木片具有含水量大、流动性差等特点,堵塞、板结是木片卸料过程中最大的问题。为研究漏斗卸料时木片的流动特性,使用离散元分析软件EDEM建立了不同结构形式的漏斗,模拟仿真了漏斗内木片卸料的流动状态。针对木片的物理特性,从漏斗斗壁角度、漏斗栅格尺寸、漏斗栅格形状以及与后续带式输送机带速的配合等方面进行分析,从而选出最优方案,使整个系统合理、可靠、高效。     

基于PCA-ELM算法的注塑成形工艺参数优化

引入了一种特征提取方法——主成分分析法(PCA),通过降维,把高维的决策变量映射到低维空间,得到主成分(主要的决策变量),简化了模型,提高了效率,并结合极限学习机(ELM),使用一种改进的带精英策略的非支配排序遗传算法(NSGAⅡ),对建立的多目标优化模型进行求解,得到Pareto最优解集。     

基于SGPLVM-LSSVM算法的U形折弯件模型参数优化研究

影响高强度U形折弯件回弹的因素众多,比如工件尺寸、力学性能和负载条件等,使得高强度折弯件的弯曲回弹难以控制。把回弹角α和最小弯曲回弹半径R作为双目标函数,首先利用监督学习-高斯过程隐变量模型(SGPLVM)进行变量筛选和降维,构建U形折弯件的最小二乘支持向量机模型(LSSVM);再把SGPLVM-LSSVM实验结果分别与SVM、FEM、实际零件进行比较,验证了此算法模型的可行性。