简介:针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。
简介:随着船舶技术的发展,现代船舶对船用隔离器系统提出了越来越高的要求,即船用隔离器系统应同时具备低频减振和高频抗冲击的能力,这是传统的船用减振器系统所无法做到的.为了解决此问题,本文提出了一种新的船用隔离器系统,该系统由钢丝绳弹簧和磁流变阻尼器相并联组成.文中对该船用隔离器系统的减振和抗冲击性能进行了模型试验研究。减振试验的激振力频率为1-15Hz,力幅为2.94.11.76kN;冲击试验的最大冲击输入加速度为20g,脉宽为10ms,减振试验和冲击试验均采用MTS液压加载系统来进行.试验结果表明,该船用隔离器系统具有较好的减振效果,使用了MR阻尼器后系统得共振峰值被明显的削弱;在冲击试验中,冲击响应的衰减速度随着MR阻尼器的阻尼增加而明显加快,但是MR阻尼器再冲击瞬间的出力特性明显与低频振动情况下不同,MR阻尼器的出力表现为受控制电流强度影响不大.
简介:随着船舶技术的发展,现代船舶对船用隔离器系统提出了越来越高的要求,即船用隔离器系统应同时具备低频减振和高频抗冲击的能力,这是传统的船用减振器系统所无法做到的.为了解决此问题,本文提出了一种新的船用隔离器系统,该系统由钢丝绳弹簧和磁流变阻尼器相并联组成.文中对该船用隔离器系统的减振和抗冲击性能进行了模型试验研究。减振试验的激振力频率为1-15Hz,力幅为2.94-11.76kN;冲击试验的最大冲击输入加速度为20g,脉宽为10ms,减振试验和冲击试验均采用MTS液压加载系统来进行.试验结果表明,该船用隔离器系统具有较好的减振效果,使用了MR阻尼器后系统得共振峰值被明显的削弱;在冲击试验中,冲击响应的衰减速度随着MR阻尼器的阻尼增加而明显加快,但是MR阻尼器再冲击瞬间的出力特性明显与低频振动情况下不同,MR阻尼器的出力表现为受控制电流强度影响不大.