隧道爆破振动影响因素的灰色关联分析

为优化隧道爆破方案,降低爆破振动危害,采用灰色关联分析法(GRA)对爆破振动的影响因素进行分析。首先确定振动速度、主振频率和振动持续时间作为系统特征变量,确定总药量、最大段药量、掏槽孔最大段药量、雷管段数、爆心距、最小延期间隔时间、临空面数等作为相关因素变量;再结合厦门某隧道爆破实测数据,进行灰色关联计算;然后对计算结果进行排序和优势分析,得到爆破振动影响因素的主次顺序,其中准优因素为爆心距,可控准优因素为雷管段数和掏槽眼最大段药量;最后对隧道爆破参数进行优化,测点爆破振速由1.2 cm/s减小到0.74 cm/s,降振率达38.3%。结果表明,采用GRA确定爆破振动主要影响因素,为有效控制爆破振动提供理论依据。     

内流激发垂直悬臂管振动失稳特性实验研究

目的 研究管道内部流速和浸没深度对细长柔性悬臂管道振动特性的影响规律。方法 通过位移传感器采集管道振动位移时程,计算管道振幅、时频特性、相位变迁和振动频率,分析内流在输流过程中所激发的管道振动失稳特性。结果 随着内流流速的增加,垂直悬臂管会经历静态、前失稳和后失稳3个不同状态。管道振幅随内流流速的增加而明显增大,但振动频率只是缓慢上升。随着管道浸没深度的增加,管道振动失稳整体减弱。结论 内流流速和浸没深度均是影响管道振动失稳特性的关键因素。     

汽车NVH测试评价方法

本文针对汽车NVH测试评价,分别从汽车NVH关注点、评价要求和条件做了介绍,并就汽车车内噪声、动力总成悬置隔振和支架共振频率、悬挂隔振特性等方面进行了较详细的实例评价.     

军用物资集装箱运输机械环境条件及防护要求

分析集装箱运输军用物资的机械环境,通过测试给出了集装箱装卸冲击特性、运输振动冲击特性等环境量值,并结合机械环境对军用物资的影响．提出安全防护的几点要求。     

振动法测试预应力拉杆工作内力

预应力拉杆弯曲刚度较小,其振动频率近似于绳索,故可借用绳索振动原理对拉杆轴力进行测定.以某游泳馆拱下预应力拉杆检测为例,应用振动法测试拉杆的工作内力.     

随机振动加速度响应谱及与冲击等效性分析

目的 获得随机振动的加速度响应谱,提升随机振动与冲击的等效性分析精度。方法 首先,基于维纳-辛钦定理,推导单自由度系统在随机振动基础激励作用下加速度响应均方值的通用表达式;其次,分别推导单自由度系统在理想白噪声和限带非均匀谱随机振动基础激励作用下的加速度响应均方值;再次,基于3σ准则,推导限带非均匀谱随机振动的3σ加速度响应谱;最后,基于加速度响应等效,通过将装备随机振动条件的3σ加速度响应谱与冲击条件的冲击响应谱进行等效性分析,对GJB 150.18A—2009中的冲击试验剪裁条件进行精细优化。结果 精细优化后,可有效改善冲击试验剪裁条件的工程实施精度。结论 获得了限带非均匀谱随机振动的3σ加速度响应谱,并基于此对GJB 150.18A—2009中的冲击试验剪裁条件进行了精细优化,对于装备合理剪裁冲击试验具有借鉴意义。     

列车运行监控装置主机的超高斯加速振动试验研究

目的 解决LKJ主机的超高斯振动试验问题。方法 基于LKJ主机的实测振动环境数据,提出一种超高斯振动数据归纳方法,并应用该方法归纳出LKJ主机x、y、z向的实测PSD,同时按5.66的加速因子构建出超高斯加速振动试验剖面,其中x、y、z向PSD的RMS分别为3.34、6.28、3.85 m/s²,峰度分别为6.48、6.58、6.81,频率范围均为2～350 Hz。最后,采用超高斯加速试验剖面分别对2个LKJ主机进行超高斯振动试验验证。结果 试验共激发出7类故障模式,这与特定线路运行LKJ主机现场故障模式高度吻合。结论 该试验方法验证了LKJ主机超高斯加速振动试验的有效性。     

基于PANDA平台的飞行器脉动压力激励随机振动响应分析

目的 形成自主再入飞行数值模拟预测技术.方法 采用模态叠加法开展自由结构的多点脉动压力激励随机振动响应分析,基于PANDA高性能力学分析平台进行并行实现研究,构建相应的求解模块.针对飞行器再入过程,基于自主研发的软件模块,分析飞行器自由状态的模态特性及其在实测脉动压力载荷下的振动响应,并与商业软件分析结果 进行比对.结...     

内燃机曲轴系振动响应的多体系统动力学分析方法

介绍了运用多体系统动力学进行内燃机曲轴系振动响应分析的方法.通过综合运用CAD建模、有限元分析以及机械系统仿真等技术,可以建立包括曲轴柔性体以及随曲轴一起转动的零件刚性体在内的整个曲轴系的模型,计算零件间的相互作用,分析曲轴的动态变形.建立了某车用内燃机曲轴系的多体系统动力学模型,并对其振动响应进行了计算.     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.