基于ABAQUS的疲劳裂纹扩展程序二次开发及应用

基于ABAQUS有限元软件平台,应用它的脚本接口二次开发出一套可以用于自动计算疲劳裂纹扩展的程序包。该程序包可以实现参数化有限元建模、访问输出数据库及进行其他后处理,从而避免重复建模及分析结果,显著提高分析效率。最后,运用该程序包模拟了飞机中常用的整体壁板疲劳裂纹扩展轨迹并分析了筋条刚度对裂纹扩展速率的影响。     

基于遗传算法的云协同异构服务动态适配研究

在分析传统网络中心战的概念和特点的基础上,阐述了网络中心战的协同作战过程,借鉴云计算技术的基础架构管理方法,为了保证时间、空间上都具有异构性的不同作战资源,能够有效地分配到战场上的作战目标,通过深入分析军事组织协同作战理论,提出了基于遗传算法的云协同异构服务动态适配模型,通过具体的算法案例分析,验证了算法的有效性。     

飞行员头部特征分析及头型分类方法研究

通过对飞行员进行实地调查,发现目前装备的飞行头盔舒适度并不理想。由此,本文介绍了一种新的头部分析方案,借助光栅投影图像测量技术构建的飞行员头部三维模型,通过数值拟合方法分析获得飞行员的头部特征外形参数。同时按照统计学原理,根据头高、头宽、头长尺寸对飞行员的头型进行了科学地分类。本文描述的外形参数分析方法和头型分类方法可以用在今后大规模飞行员头部特征测量分析以及改进头盔设计的工作中。相关标准对今后头盔设计的改进工作有参考意义。     

基于PATRAN/NASTRAN的复合材料结构铺层的分级优化设计方法

提出了一种用于复合材料结构铺层分级优化设计的有效方法,探讨了在当前载荷和边界条件下应变能与铺层厚度和结构质量之间的关系。在PATRAN/NASTRAN的基础上,采用直接搜索法与正交试验法相结合的优化方法,建立了一套实用的优化系统。该系统可适用于对称/非对称层合板、蜂窝夹层结构及多部件组合结构等多种结构类型;可解决多约束问题,约束条件考虑了应力、应变、最大位移、固有频率及结构屈曲失稳等多种因素。通过典型算例及工程应用,证明该系统能够取得优于其它同类算法的优化结果。     

有限元建模专家系统FEMES

FEMES是用于支撑航空结构有限元建模和分析的智能化软件。在视窗(WINDOWS)支持下采用C~( )/C语言,按面向对象的设计方法编程。它考虑了结构中带受力或部分受力口盖的开口、加强筋、偏心等结构异型以及弹塑性、稳定性等非线性效应影响,通过迭代自适应地修改模型;能定量化地输出NASTRAN程序使用的模型数据,并可通过解释推理过程对分析人员进行建模知识的培训。FEMES系统在××机的机翼和中机身有限元模型中进行了建模和修模的测试应用,结果表明,FEMES的应用提高了实际结构计算结果与试验结果的相符程度。     

基于ABAQUS复合材料双搭接钉载均匀化分析

利用ABAQUS6.8软件建立复合材料单排三钉双搭接三维有限元模型,通过施加螺栓载荷模拟螺钉预紧力,考虑钉板间非线性接触以及接触部分的弯曲变形,选择使用八节点非协调实体单元对钉载进行模拟计算。结果与试验基本一致,验证了该三维有限元模型的有效性。基于该模型通过在大载荷孔上使用间隙配合,小载荷孔上施加干涉配合,使各钉载荷分配均匀化。     

利用遗传算法和神经网络响应面来实现复合材料结构优化设计

运用正交试验设计选择设计样本，建立神经网络响应面，以代替复合材料结构优化中的大量的有限元分析；将神经网络响应面作为目标函数或者约束条件，加上其他常规约束条件进行优化模型的建立，再应用遗传算法（GA）进行优化，这可以实现设计分析与设计优化的分离。以复合材料帽型加筋板的重量优化问题为例，建立了重量响应面目标函数、强度和翘曲稳定性响应面约束条件；并通过NASTRAN进行有限元计算，以获取用于响应面训练的样本点数据。研究表明，该方法能以较少的结构分析次数，取得高精度的响应面近似模型，从而使优化效率大为提高。神经网络响应面能够获得与传统响应面同等，甚至更好的精度。     

舰载机着舰拦阻建模仿真研究

仿真计算分析了舰载机拦阻着舰性能.为进行计算机仿真,首先建立了舰载机拦阻的数学模型,考虑飞机的横向运动,建立了飞机六自由度动力学方程.其中,拦阻系统以美国先进液压拦阻系统为原型,根据液压传动理论建立其数学模型;起落架动态数学模型考虑了起落架轮胎和缓冲器的可压缩性.本文通过MATLAB/Simulink来搭建仿真模块,结构清晰明了,并选取了一种着舰情况进行了仿真计算分析.     

基于能量法的舰载机拦阻着舰动力学分析及建模仿真

针对舰载机拦阻着舰过程,采用能量法分析了任意着舰姿态和位置下的拦阻力响应,建立了全机六自由度动力学模型,考虑了航母甲板风的影响以及航母纵摇和升沉运动。通过MATLAB／SIMULINK建立数学模型,并以一种偏心非垂直着舰拦阻状态为算例进行了仿真分析。     

实例推理中遗传训练算法用于机械失效模式识别的研究

采用实例推理和遗传算法相结合的方法，研究了航空机械零部件失效模式识别的问题。对用于识别的失效属性的选择、检索相似度计算、训练用遗传算法的适应度函数设计以及训练策略的影响进行了较为详细的描述。应用测试表明，对包含分布均衡的3种模式的情况取得了高于74．67％的识别率，所获得的最佳权值向量对另外2种模式具有很好的识别精度（大于73．3％），对混合多模式情况也具有较好的推广能力。验证了该方法对航空零部件失效模式的识别是可行的。