振动建筑中人的烦恼率

现有的结构振动舒适度验算方法的最大问题是无法定量知道实际设计效果，针对这个问题，本文首先从心理物理学的角度研究了人对振动主观反应的模糊性和随机性，结合国内外有关实验研究，给出了上述不确定性的模糊属度函数和概率分布形式；然后把心理物理学对烦恼率的计算方法移植到结构振动舒适性设计中去，建立了相应的烦恼率计算模型；最后，结合高层建筑风振舒适度问题对该模型的合理性和有效性进行了研究，并把计算结果与实测结果与实测数据以及ISO标准进行了比较，结果表明用烦恼率方法最大的优点是能够非常准确地预测出因风振舒适度导致的不满人数的比例，而且与ISO标准具有很好的一致性。     

氮气介质下铣削钛合金时的刀具磨损

钛合金铣削加工中的一个突出问题是刀具寿命短，容易出现缺口，崩刃和剥落等现象，因而限制了它的进一步推广和使用。目前，为了提高刀具寿命，人们主要利用切削液来减小铣削过程中的摩擦和热量。然而，由于切削液会对环境造成污染，不符合绿色制造先进理念的要求。本通过大量的试验，对氮气介质下铣削钛合金时的刀具寿命和磨损特征进行了分析和研究，从而得出了在氮气介质下铣削钛合金比干铣 具有明显优势的理论，探讨了氮气介质下铣削钛合金时的刀具磨损机理，得出了高速钢刀具在氮气介质下铣削和干铣削钛合金时刀具寿命的泰勒公式。     

电解催化氧化法处理L—乳酸精制残留液的初步研究

电解催化氧化法能很好地降解高浓度有机废水中的有机污染物 ,是一种高级氧化技术。针对L—乳酸精制残留液CODcr值约高达 14 0 0 0 0mg L的特点 ,本文对电解催化氧化处理L—乳酸精制残留液进行了初步研究。结果表明 ,在直流电解电流密度为 2 80A m2 时 ,电解 12小时 ,并消解 5天 ,CODcr的去除率为 98.5 7% ,脱色率为 5 2 .77%。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

一种宽频带模态识别算法的快速实现

多参考点最小二乘复频域法(p-LSCF)是近几年来提出的宽频带模态参数识别算法,该方法在抗干扰能力、识别密集模态以及处理大阻尼复杂结构方面具有非常好的特性。为了提高模态参数的识别速度,采用FFT运算实现了该识别方法的快速计算。最后通过仿真算例与实测算例进行验证。结果表明:在不损失精度的情况下,能够提高参数识别速度。     

轴向运动悬臂梁横向振动的磁力控制

研究了使用永磁铁对铁质轴向运动悬臂梁进行横向振动的主动控制;建立了自由端带有集中质量的轴向运动悬臂梁的振动理论模型,并通过振动实验进行了修正.通过理论分析和实验研究,得到了非接触磁力对铁质悬臂梁的作用规律,建立了使用非接触磁力进行横向振动控制方法.对上述控制方法进行了模拟计算和实际实验,结果表明,模拟计算与实验完全吻合,梁的振动得到了有效抑制.     

机身整体壁板在轴压载荷下后屈曲计算及结构优化

以民机机身组装壁板为基准,设计了等重量的整体壁板结构,并分别建立了两种壁板的有限元模型.通过组装壁板轴压试验结果与非线性、大变形的有限元计算结果比较,对有限元模型进行了验证,两者结果吻合很好.在此基础上,有限元计算分析得出了组装壁板与整体壁板在轴压载荷下的破坏形式与承载能力的差异.结果表明,整体壁板承载能力比现有的组装壁板承载能力提高了18.4%.最后基于有限元模型与二次响应面模型对整体壁板尺寸进行优化,优化后壁板轴压承载能力不变,结构重量减轻了8.7%, 故为整体壁板设计提供了很好的依据.     

运用激光全息术和PDPA测量喷射燃料粒子场

为了获得发动机燃料喷射雾化特性,运用PDPA和激光全息术对喷嘴的燃料雾化粒子场进行测量.简要介绍了两种测量方法的原理和应用条件,对两种方法的测量结果进行了对比,验证了激光全息术测量结果的精度.最后在风洞实验条件下进行了喷射燃料粒子场测量.     

采用TLC方法的超机动飞行控制系统设计

基于轨迹线性化控制(Trajectory linearization control,TLC)方法,研究了超机动飞机飞行控制系统的设计问题。首先简要介绍了TLC方法的设计思想;然后根据奇异摄动理论,将超机动飞行控制系统分成快慢两个回路,并为其分别设计了轨迹线性化控制器;最后分别用所设计的控制器和已有的动态逆控制器对某型歼击机进行了赫布斯特机动仿真。仿真结果和对比分析表明,所设计的TLC控制器是有效的,且比动态逆控制器具有更好的控制跟踪性能。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.