基于有限元法的脉冲负载下高弹联轴器轴向力计算方法

以应用于脉冲柴油机发电机组中的高弹联轴器为研究对象,利用CATIA建立高弹联轴器的三维模型导入到Hyper Mesh中进行有限元网格划分,再将其有限元模型导入ANSYS中进行仿真分析,模拟其橡胶块在脉冲负载作用下的动态性能,对高弹联轴器在柴油机输出扭矩和脉冲负载同时作用时产生的轴向力进行仿真计算。结果表明:高弹联轴器在该工况下产生的轴向力较大,并且橡胶块在受交变应力作用时产生多应力集中点。仿真结果与Rivlin经典理论计算结果有较好的一致性,可为消磁舰船动力装置、消磁电站发电机组等场合下的弹性联轴器的选型设计提供参考。     

逆边界无网格法声源识别的理论与实验

针对逆向求解声源识别中的声辐射传输建模问题,采用无网格法将Kirchhoff- Helmholtz边界积分方程离散为受边界条件约束的有限维线性方程组,通过分块矩阵法对该约束方程组进行求解,得到了离散后声辐射传输模型的数值表达式.在此基础上,进一步研究了逆向求解声源识别问题的基本原理及其不适定性.为克服其不适定性,采用Tikhonov正则化和L曲线正则化参数选取方法,从而确立了有效的逆向求解方法.此外,还进行了扬声器阵列声源识别实验,实验结果验证了逆边界无网格声源识别理论和方法的可行性及可靠性.     

基于PCA与FCM的入侵检测样本数据压缩方法

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊C-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊C-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD CUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。     

高硬再制造表面强化层的加热切削研究

应用高性能硬质合金、陶瓷刀具和CBN刀具对常温条件下难以加工的高硬堆焊材料进行加热切削试验。试验结果表明：尽管加热条件下冲击效应降低,但CBN刀具仍然破损严重;陶瓷刀具虽然也无法实现理想的切削,但切削过程中刀具破损模式从崩碎式失效转变为磨损失效;3种刀具中高性能硬质合金应用效果最佳,其最佳参数条件下,一个切削里程后刀面VB值仅为0．3mm,试验过程中,刀具磨损随表面加热温度、切削速度、切削深度的提高而增大,但随进给量取值的增大而减小,其中切削速度对刀具VB值的影响最大,而进给量和削切深度对刀具VB值的影响较小。综合分析还表明：试验中刀具磨损速率仍然受刀具红硬性极限的限制。     

南宋钓鱼城城池防御初探

针对古代战争研究与当今国防建设缺乏关联的问题,首次就钓鱼城保卫战经典战例对我国现代国防建设的启示意义作了研究。分析钓鱼城城池选址"独"与"险"的地理关系、筑城布局内容和多层综合防御体系这三者对战争胜利的关键影响,提出在当前国防工程规划与建设中借鉴其成功经验的观点,并从工程宏观选址、多城池防御的联防体系及军民联合的防御模式等三方面就其经验和启示意义进行归纳与总结。     

遥控武器站总体结构参数优化研究

为减小遥控武器站炮口扰动以提高射击精度,建立了遥控武器站部分机构参数化三维模型、有限元模型和刚柔耦合动力学模型。基于多学科集成优化软件ModelCenter进行了系统集成,以减小炮口扰动为目标,建立了遥控武器站总体结构参数优化模型。采用多目标遗传算法对总体结构参数进行了优化,优化后炮口振动状况明显改善,与位移相关的起始撼动和与速度相关的起始扰动分别较原方案降低了17.05%和19.04%。     

迈克尔逊干涉仪调节白光干涉条纹的实验研究

在应用迈克尔逊干涉仪所做的一些精密测量中,对动镜M1进行精确定位是非常重要的。实验室中通常选用白光干涉条纹的零光程差位置作为测量的参照点,但由于白光相干长度很短,条纹随光程差变化的范围很小,而且受仪器精密度的局限,所以用迈克尔逊干涉仪调出清晰的白光干涉条纹一直是实验的难点。实验证明借助透射光栅和毛玻璃片能够顺利地调节出清晰的白光干涉条纹,并在分析实验现象的基础上,提出以透射光栅补偿后产生的零光程差位置为参照点,能够更加精确定位实际测量中动镜M1的位置,从而提高相关测量的精确度。     

复杂条件下岩质边坡施工过程数值模拟

为研究基坑开挖时的变形、稳定性及对坡顶建筑物的影响,以实际工程为例,运用数值模拟分析方法,对含有软弱夹层的顺层岩质基坑边坡在直立开挖与支护过程中的位移场、应力场及对坡顶建筑物影响进行了动态模拟分析。研究结果表明:开挖过程中,岩体卸荷引起变形,支护结构可以限制变形的发展,开挖面处岩体失去原有限制发生卸荷回弹,使得边坡顶部和靠近开挖面处出现拉应力集中区,层状岩体的软弱夹层处会产生较大的剪应力,并随着开挖加深而增大;开挖后边坡顶部已建挡墙附近应力消散,坡顶产生不均匀沉降。     

一种基于流形与特征融合的说话人识别方法

MFCC参数是说话人识别常用的特征参数,但单独使用MFCC参数,系统性能难以进一步提高。文章提出了一种MFCC和语谱图特征相融合的说话人识别方法。针对语谱图特征空间维数高、数据量大的问题,采用流形学习中的LLE算法对语谱图信息进行压缩,并根据样本点每一维所代表的不同特性信息改进了LLE算法。以SRMC汉语语音数据库为测试语音,与传统PCA算法以及单独使用MFCC参数进行对比实验,在识别人数为100人时,识别率分别提高了2.5%和3%,验证了所提方法的有效性。     

压缩感知新技术专题讲座(三) 第5讲 压缩感知理论中的信号重构算法研究

信号重构作为压缩感知理论的核心之一,是指从长度为m的测量向量Y重构长度为n(m n)的稀疏信号Θ的过程。由于测量次数远小于原始信号维度,信号重构成为欠定方程求解问题,一般没有确定解。然而,若Θ满足一定的稀疏性条件,问题有确定解。文章首先从解析几何角度出发,分析了压缩感知中稀疏信号重构的原理,并对已有的两大类重构算法分别进行介绍:一类是针对l0范数最小化的一系列贪婪算法,一类是针对l1范数最小化的凸优化算法。对前一类算法,选取了代表性的OMP、ROMP、CoSaMP和SAMP算法进行研究,并分析了它们的优缺点;对后一类算法,着重阐述了将BP问题转换为LP问题的推导过程,并介绍了两类经典的凸优化算法:BP-Simplex和BP-Interior。最后,展望了信号重构算法的研究前景。