摘要：为了消除超声缓冲杆中尾随噪声对超声回波信号的影响,提出了一种复杂结构的缓冲杆,可有效提高超声回波信号的信噪比。采用超声数值仿真方法,分析了缓冲杆外轮廓形状、周期数变化对回波信号信噪比的影响,发现正弦曲面缓冲杆比常规的圆柱及圆锥杆具有更高的信噪比,可为超声缓冲杆的优化设计提供理论指导。

摘要：突发灾害作用后的桥梁快速修复技术中美研讨会于2007年9月在同济大学土木工程学院桥梁系举行。参加本次会议代表60多名，其中美国代表11名。随着我国路桥建设的发展，桥梁破坏的问题也变得越来越突出。最近国内外发生的几起桥梁断裂坍塌事件不仅严重影响道路安全，更造成不必要的人员伤亡，引起了业界的广泛关注。因此桥梁的设计、施工、管养、修复等问题成为了土木工程领域的研究热点。

摘要：对一类典型的Yaw-Pitch结构导引头控制回路中被控系统的动力学特性及内环回路的设计进行了研究。建立了描述结构动力学特性的微分方程组,讨论了基座角振动和结构耦合等因素对多自由度框架结构运动-动力学特性的影响。分析了模型中非线性因素和结构参数摄动导致的稳定性问题,给出了内环回路状态反馈校正的保守鲁棒稳定域。

摘要：轮轨力是轨道结构乃至基础设施设计和研究过程中的重要参数,轮轨力衍生出的脱轨系数等安全性参数也是列车运营状态的重要评估指标,现有基于地面测试的轮轨力数据采集和分析主要以人工方式开展。基于轮轨力的标准测试方法,应用现代传感技术、虚拟仪器技术、嵌入式技术、网络技术和通信技术,提出基于云平台的高速铁路轮轨力智能监测系统技术方案,实现高速铁路轮轨力自动采集、自动处理、自动分析和分发,为高速铁路信息化水平提升提供技术支撑。

摘要：近年来,国际局势动荡不安,世界百年未有之大变局加速演进,为应对时代大变局,以适应不断变化的战争环境和新型威胁,我国“十四五”规划中明确提出“加速武器装备升级换代”,并在《国防科技发展报告》中提出高端国防装备的轻量化需求.

摘要：在某乘用车的开发过程中,工程样车出现了加速噪声不达标的问题。为解决问题以保证不影响项目时间节点,敏感位置和原因需要快速确定。CAE方法是目前行业中解决工程问题最有效和常用的手段,本文即采用CAE方法对问题进行分析诊断和结构优化,首先进行整车有限元建模,整个模型包括车身声腔、内饰车身、底盘结构件、动力传动系统结构件、模态轮胎等,各零部件之间利用刚性单元或者弹性单元连接和组装。载荷为悬置被动端的加速度激励,输出的监测点为车内噪声和座椅导轨的振动水平。在加速噪声结果峰值附近进行节点贡献量分析,针对贡献量大的位置提出了优化方案。对比优化前后的车内加速噪声结果,表明优化改进后加速噪声明显降低,达成了整车NVH目标。该工作体现了利用整车CAE仿真分析进行问题诊断和设计优化,可以极大地提高问题解决效率,降低试验成本,有利于缩短开发周期。

摘要：提出了一种基于多像素光子计数器的三维成像方法。利用高重频脉冲激光作为光源,振镜作为扫描装置,多像素光子计数器作为探测器,可编程程门控阵列作为总控制器,设计了一种基于多像素光子计数器的三维成像系统,通过光度立体算法实现对物体的三维成像。实验研究结果表明:所提方法可以实现弱光条件下对复杂物体的快速高分辨率三维成像,成像分辨率为512像素×512像素,数据采集时间小于6.7 s。所提成像方法可以应用弱光条件下的远距离快速三维成像,并具有往远距离抗湍流成像,非直视成像的潜力。

摘要：我国高速铁路总运营已突破3.9万公里,超过世界其他地区高铁总和,京沪、武广等高铁已建成通车十余年,高铁不仅为人们构筑起生活新时空,更成为经济社会发展的强大推动力。轨道是保障高速列车运行安全、稳定和平顺的核心技术之一。轨道结构面临着极端气候(跨越不同温度带,气候条件极端:年温差达90℃)与复杂线下基础(山区、河流、岩溶、黄土、软土、地震带、干旱荒漠等地质地形条件复杂)双重挑战。高速铁路轨道因层间耦合关系复杂,外部环境荷载多样,力学行为复杂,状态演变具有经时性和突发性,钢轨断裂、轨道板上拱等突发事件一旦发生若难于及时处置,将会直接影响高铁安全运营。

摘要：研制了一种多参数监测智能轴承。该智能轴承对轴承实际工况中的振动加速度、转速和温度进行实时监测,并将测量数据传递给云端数据管控平台,实现对轴承运转状态的监控与故障预警,重点研究了轴承振动加速度的测量方式,通过对轴承工况下振动特性的研究与轴承内部结构的分析,选择采用三轴振动加速度计作为研究基础进行测量;通过对轴承内圈结构的改造,采用霍尔传感器与磁编码体相结合的方式测量轴承转速;采用温度传感器测量轴承内圈的温度。通过将该智能轴承与传统轴承座监测系统的对比,可知研发的智能轴承性能相较于传统轴承监测系统有显著的提升,其中振动加速度的监测信号幅值达到了传统轴承监测系统的3倍以上,能更好地判断轴承的运转状态,具有优秀的故障预测预警能力。

摘要：针对飞行器设计过程中对流固耦合系统快速预测的需求,探索基于数据驱动的非定常流场建模策略,缩短流场演化求解耗时,从而加快流固耦合系统模拟速度。流固耦合系统中流场演化求解部分等价于含运动边界的非定常流场演化。本文提出了一种基于神经网络的流场预测模型,来学习并预测运动边界附近的非定常流场演化过程。此神经网络可以基于当前流场状态及边界运动信息预测出下一个时刻的流场状态。通过不同振动频率及振幅下的运动圆柱绕流问题,测试了本文提出的神经网络模型的预测精度及泛化能力。神经网络的预测结果和计算流体力学仿真结果中流场结构吻合度较高,且通过对预测的流场数据中边界上的压力积分得到的气动力也具有较高的精度。测试结果展示了该神经网络模型具有良好的预测性能,因此该方法可以用于快速、准确获得运动边界周围非定常流场状态。