简介:采用Timoshenko梁修正理论研究了有梯度界面层双材料梁的振动问题,利用静力方程确定了有梯度界面层双材料梁的中性轴位置,在此基础上应用Timoshenko梁修正理论建立了有梯度界面层双材料梁的振动方程,求得其自振频率表达式及其在简谐荷载作用下强迫振动的解析解.讨论分析了梯度界面层高度等因素对有梯度界面层双材料梁的振动影响,并用有限元法验证了Timoshenko梁修正理论.通过实例计算,得到了梯度界面层高度等因素对有梯度界面层双材料梁振动特性有较大影响的结论.
简介:考虑水平轴风力发电机组齿轮箱弹性支撑的柔性连接特性,基于集中质量思想和拉格朗日方法,建立风力发电机传动系统多体动力学模型,研究了齿轮箱弹性支撑对传动系统结构动力学特性的影响.利用动力学模型和模态分析方法,得到了由弹性支撑耦合到系统后的模态频率,并获取了在该模态激励下的模态动能分布.采用变参数方法进行传动系统模态对齿轮箱弹性支撑刚度变化的敏感性分析,利用模态叠加法进行齿轮箱体的动响应分析.数值求解结果和分析表明,考虑齿轮箱弹性支撑的传动系统某阶固有频率即为弹性支撑下齿轮箱体振动主模态;弹性支撑线刚度对传动系统低频率固有模态存在一定影响;齿轮箱体振动分析时应考虑1阶和2阶的低频模态较为合理.本研究工作对传动链系统方案可靠性设计和抑制传动链振动的加阻控制提供了一定理论基础.
简介:研究了粘弹性夹层圆板的自由振动特性.基于经典弹性薄板理论和Kelvin-Voigt粘弹性本构方程,建立了粘弹性夹层圆板振动控制方程.采用分离变量法导出了粘弹性夹层圆板的自然频率及振型解析表达式,计算了固支和简支粘弹性夹层圆板的自然频率,并与有限元计算结果进行比较;讨论了粘弹性夹层圆板的夹心层比率对自然频率及衰减系数的影响.研究表明:(1)随着夹心层厚度的增大,系统频率先增大后减小,高阶时该趋势表现更为明显;(2)随着夹心层厚度的增大,衰减系数一直增大,高阶时该趋势表现更为明显.
简介:以灰色预测控制理论为基础,采用现代控制理论中的二次型优化原理,以控制力和响应加权最小为目标函数,设计了两种基于灰色预测理论的转子系统振动主动控制方案--灰色GM(1,1)预测优化控制方案和灰色Verhuslt预测优化控制方案.并将该两种方案分别应用于带电磁阻尼器转子轴承系统的转子振动主动控制中,通过数值仿真验证了两种控制方法的有效性,并对两种方法的控振效果进行了比较.
简介:利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.
简介:非线性输出频率响应函数是由Volterra级数发展而来的频域概念,可方便在频域对非线性系统进行分析,它是频率的一维函数.本文主要介绍了利用NARMAX模型以及NOFRF对结构进行损伤检测的方法,并利用实验研究证实了该损伤检测方法的可行性.另外,由于系统非线性特性可用来做结构损伤检测,且具有对系统状态比较敏感的优点,而基于NOFRF的损伤检测方法是利用非线性方法来分析系统的状态,该方法提取出的特征属于非线性特征,所以该损伤检测方法可以用来做结构损伤检测,且具有对系统状态比较敏感的优点.
简介:提出了基于模糊逻辑控制扭矩分配策略,建立了各功能组件模型.并利用ADVISOR2002仿真平台。完成了该模糊逻辑扭矩控制策略和电气辅助控制策略仿真比较.结果表明,本文提出的模糊逻辑控制策略对提高混合动力汽车的动力性和燃油经济性。改善尾气的排放有明显的作用.
简介:运用Bell多项式定理研究了一个(2+1)维AKNS方程的可积性,得到双线性方程、Backlund变换以及运用Backlund变换求得其孤子解,最后运用Bell多项式得出Lax对.
简介:在外弹道数据处理中,奇异点处理、特征点求取与随机误差削弱都是精度估计的关键环节.本文首先利用小波变换在处理奇异点、特征点、噪声消除方面的优势,对观测数据进行基于小波变换的分解、融合、重构处理,剔除奇异点,查找特征点,削弱随机误差.其次利用节点自由分布B样条描述导弹运动轨迹,使该弹道确定方法转化为关于求解导弹轨道样条表示参数和测量系统误差的多模融合的非线性优化问题,采用非线性最优化方法,进而得到待估参数的最优估计,完成弹道的最佳逼近.仿真结果表明,该技术应用在奇异点处理、特征点提取与随机误差削弱方面效果较好,多模融合算法能减少计算量,且能切实提高参数估计精度.