疲劳可靠性二维统计Miner准则

首先建立了等幅疲劳中值Sa-Sm-(?)c曲面方程和变幅加载下疲劳可靠性二维统计Miner准则。其次,重点分析了国外船舶与海洋工程领域广泛采用的疲劳可靠性Wirsching模型,发现其在理论上存在不自洽性,并基于二维统计Miner准则建立了改进的Wirsching模型。最后,给出了一个具体应用实例。表明本文建立的二维统计Miner准则具有较好的工程实用价值。     

二维概率MINER准则的试验数据验证

由二级和二维随机变幅疲劳试验数据，对二维概率ＭＩＳＥＲ准则进行了验证，表明了二维概率ＭＩＳＮＥＲ准则能较确地进行变幅疲劳寿命的可靠性预测，有较好的工程应用价值。     

二级低高和高低加载下疲劳寿命可靠性预测

基于二维频率ＭＩＮＥＲ准则，本文建立了在二级变幅加载下进行疲劳寿命可靠性预测的系统方法，并用八组较大子样的二级低高和高低加勒下的试验数据进行了验证，验证结果表明，本文方法对疲劳寿命的预测值与试验值吻合良好，具有较好的准确性，简便性和实用性。     

可靠性分析在边坡稳定性中的应用

本文以一个简单的均质边坡作为计算模型,使用蒙特卡洛法,以粘聚力、摩擦角、岩体密度和潜水面为随机变量,以简化的Bishop法为边坡稳定计算方法,采用SLIDE软件计算了考虑随机变量的可靠性分析在边坡稳定性中的应用.从计算结果可以看出,常规的确定性计算结果对人们往往产生一定的误导,即使满足规范中安全系数要求的边坡工程,它依...     

微织构光固化填充h-BN的巴氏合金表面摩擦学性能

为了提高巴氏合金在油润滑条件下的摩擦学性能,在巴氏合金表面加工凹坑微织构并利用光固化填充方法填充六方氮化硼(h-BN)固体润滑剂,制备出h-BN与表面微织构相结合的复合润滑结构。研究复合润滑结构在油润滑条件下的摩擦学性能及其减摩润滑机制。结果表明：复合润滑结构的摩擦学性能远高于未织构面和纯织构面;当凹坑微织构直径较小时,织构密度为10%～20%时,复合润滑结构摩擦因数较小,而凹坑直径较大时,随着织构密度的增加,复合润滑结构摩擦因数逐渐减小;当织构密度小于20%时,凹坑直径较小的复合润滑结构摩擦因数小,当织构密度达到30%时,随着凹坑直径的增加,复合润滑结构摩擦因数减小。复合润滑结构能够改善巴氏合金表面摩擦学性能,是因为h-BN固体润滑剂的释放在巴氏合金表面形成了固体润滑薄膜,避免了润滑油膜较薄处的巴氏合金表面直接与45钢表面接触,且释放h-BN固体润滑剂后的微织构凹坑可以起到收集磨粒,储存润滑油的作用。     

人工智能助推乡村教育振兴的技术框架及模型

本文从实现教育公平的需求着手,对当前乡村教育的现状进行了分析;指出乡村教育存在的突出问题,针对问题理清解决思路;阐明如何利用人工智能技术助推乡村教育振兴的策略,并构建了基本应用模型。     

二维统计Miner准则及其应用

首先由等幅疲劳中值 Sa- Nc曲线与中值等寿命曲线 ,建立了等幅中值 Sa- Sm- Nc曲面方程。然后建立了变幅加载下疲劳可靠性二维统计准则。最后给出了一个具体应用实例 ,表明当随机变量α的概率分布已知时 ,可由二维统计 Miner准则十分方便地进行疲劳寿命可靠性预测     

等幅疲劳三参数P—S—N曲线最优拟合法

等幅疲劳P－S－N曲线采用三参数幂函数方程形式。通过对线性拟合相关系数最优化来确定其中的三个参数,并采用割线法进行迭代求解。具有迭代收敛快、拟合精度高的特点。     

基于线阵CCD光谱测量的尿液信息采集系统研制

针对目前尿液检测试纸的特点,提出一种基于CCD图像传感器的尿液信息数据采集系统。系统应用CCD图像传感器检测多波长LED照射尿液检测试纸后的反射光强度。采用CPLD芯片EPM7064s产生驱动信号控制CCD芯片TCD1209D,用ARM芯片STM32采集CCD输出的模拟信号。经测试,该数据采集系统可准确采集到尿液试纸反射光的光强变化,输出数据稳定可靠。     

基于音频特征的交流接触器电寿命预测方法

该文基于音频特征的交流接触器电寿命预测方法,采用快速傅里叶变换法分析交流接触器线圈工作电压异常、触头磨损和壳体松动三种状态下接触器合闸时的音频特征,分别与正常的交流接触器音频特征进行对比.对比结果发现,非正常状态的交流接触器合闸时其音频特征与正常状态时明显不同.为进一步研究接触器合闸时的振动发声机理,基于振动方程和声压波动方程建立接触器合闸时的声场模型,仿真结果表明,该声场模型产生的音频频谱幅值随线圈工作电压的增大而变大、频谱分布随触头形貌改变而变化.分别运用BP神经网络和卷积神经网络(CNN)构建交流接触器合闸音频特征与电寿命的关联模型,对比了L-M算法、拟牛顿法、动量BP法和自适应梯度下降法四种BP网络学习算法,建立电寿命验证平台.实验结果表明,L-M算法性能最优,预测误差小于10％;CNN可以在线学习和提取音频特征,但其预测误差超过20％.