音乐,不仅仅是音乐--陈涤访谈录

剪不剪掉我披肩的长发这个问题我想了十年．可剪掉它只用了一分钟．生活有时就是这样．这就叫过程！我喜欢过程。[编按]     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

复合材料疲劳分层扩展数值仿真分析研究

疲劳分层是导致复合材料结构失效的主要原因，建立有效的数值仿真分析方法，实现对疲劳分层的准确预测，对复合材料结构设计分析具有重要意义。本文针对复合材料Ⅰ型疲劳分层扩展问题，参考相关文献已有研究，将Paris分层扩展准则与内聚力模型相结合，建立了疲劳分层扩展内聚力本构关系；并通过ABAQUS材料用户子程序二次开发，建立了疲劳分层扩展数值仿真分析模型，实现了对不同应力比下分层扩展行为的有效预测。研究表明，疲劳分层扩展速率随应力比的升高而上升；数值仿真结果与试验结果吻合很好，验证了本文所建立的数值仿真分析模型的有效性。