一种冲击载荷时间历程重构和定位方法、设备、介质及产品

    公开(公告)号:CN119830433A

    公开(公告)日:2025-04-15

    申请号:CN202411877730.X

    申请日:2024-12-19

    Abstract: 本申请公开了一种冲击载荷时间历程重构和定位方法、设备、介质及产品,涉及冲击载荷识别领域,该方法包括获取冲击载荷作用对象的加速度信号矩阵和动态图结构;根据加速度信号矩阵和动态图结构,利用时间历程重构模型,得到冲击载荷作用对象的重构冲击载荷时间历程;时间历程重构模型是利用第一训练数据集和训练用冲击载荷作用对象的动态图结构对图神经网络模型进行训练得到的;根据加速度信号矩阵的编码距离矩阵,利用冲击定位模型,确定冲击载荷作用对象的冲击位置;冲击定位模型是利用第二训练数据集对全连接神经网络进行训练得到的。本申请能够准确识别载荷作用位置未知时的冲击载荷时间历程和冲击位置。

    纤维增强复合材料疲劳分层特性的概率预测方法及系统

    公开(公告)号:CN115114764B

    公开(公告)日:2024-08-09

    申请号:CN202111072659.4

    申请日:2021-09-14

    Abstract: 本发明公开一种纤维增强复合材料疲劳分层特性的概率预测方法及系统,涉及结构性能预测技术领域,包括构建损伤扩展路径;根据损伤扩展路径判断结构整体是否失效;若否,则继续构建损伤扩展路径;若是,则根据损伤扩展路径确定内聚力单元概率信息的传递路径;根据Paris均值和标准差确定内聚力单元的结构疲劳寿命分布矩阵;根据传递路径确定每一个内聚力单元的失效概率和失效周期数;根据失效概率和失效周期数得到特征矩阵;根据特征矩阵得到有效周期数概率矩阵;根据有效周期数概率矩阵和传递路径得到损伤扩展路径中所有内聚力单元的失效概率。本发明能够预测纤维增强复合材料疲劳分层特性的概率。

    一种复合材料疲劳寿命预测方法及系统

    公开(公告)号:CN115114763B

    公开(公告)日:2024-08-09

    申请号:CN202111072655.6

    申请日:2021-09-14

    Abstract: 本发明涉及一种复合材料疲劳寿命预测方法及系统,属于复合材料疲劳寿命预测领域,方法包括:对复合材料结构进行疲劳拉伸试验,并利用激光超声检测技术采集特定加载循环次数下的Lamb波传播信号;根据Lamb波传播信号,提取Lamb波的对称模态的相速度;利用已有的刚度退化模型,根据相速度计算对应的损伤因子;根据损伤因子建立随机模型;利用贝叶斯理论和MH采样算法,对随机模型进行采样,得到模型参数的采样样本;根据采样样本,确定动态失效阈值的失效系数;根据失效系数计算复合材料结构的失效阈值,并预测相应的疲劳寿命预测结果。该方法可有效提升疲劳寿命预测的准确性和稳定性。

    一种免维护微功率光伏发电板的除尘装置

    公开(公告)号:CN118353355A

    公开(公告)日:2024-07-16

    申请号:CN202410354973.9

    申请日:2024-03-27

    Abstract: 本发明实施例公开了一种免维护微功率光伏发电板的除尘装置,涉及太阳能光伏组件技术领域。本发明中将悬臂梁固定在基座上,钝体与悬臂梁的自由端相连接,限位外壳可固定在悬臂梁的外围,毛刷悬于光伏板的侧上方。通过钝体与悬臂梁相结合,利用风致涡激振动效应除尘。具体包括:光伏板抖动清灰法:光伏板安装在钝体的顶端或者侧面,沉积在光伏板表面的灰尘因抖动而掉落;毛刷除尘法:风致振动使光伏板与毛刷产生相对位移,沉积在表面的灰尘被毛刷除去。本发明有效解决了设置在偏远地区小型太阳能光伏板因缺乏维护而导致灰尘沉积进而影响发电功率的问题。

    一种刚度退化预测模型的训练方法、应用方法及相关装置

    公开(公告)号:CN118332798A

    公开(公告)日:2024-07-12

    申请号:CN202410451016.8

    申请日:2024-04-15

    Abstract: 本发明公开一种刚度退化预测模型的训练方法、应用方法及相关装置,涉及复合材料刚度退化预测技术领域,训练方法包括获取训练集;所述训练集为若干个连续循环加载次数‑归一化刚度数据的集合;将训练集中的当前循环加载次数‑归一化刚度数据输入神经网络模型,得到神经网络模型的预测输出;根据所述神经网络模型的预测输出、训练集中的下一循环加载次数‑归一化刚度数据以及确定的损失函数,确定损失值;根据所述损失值对神经网络模型的网络参数进行优化,得到刚度退化预测模型。本发明通过对神经网络模型的训练,能从大量的复杂疲劳数据中学习并提取特征,更好地预测损伤演化,进而可以提高预测的精度和鲁棒性。

    含缺陷的复合材料胶接修补结构的强度预测方法及系统

    公开(公告)号:CN115017815B

    公开(公告)日:2024-05-14

    申请号:CN202210682720.5

    申请日:2022-06-16

    Abstract: 本发明涉及一种含缺陷的复合材料胶接修补结构的强度预测方法及系统,方法包括基于复合材料胶接修补结构,构建样本数据集;构建神经网络模型,并采用样本数据集对神经网络模型进行训练,得到含缺陷的复合材料胶接修补结构强度预测模型;基于所述含缺陷的复合材料胶接修补结构强度预测模型,得到包含大量样本数据的缺陷‑强度数据集;基于缺陷‑强度数据集和损伤指数,得到各类别的缺陷‑强度叠加图,并基于缺陷‑强度叠加图,得到平均缺陷‑强度叠加图;获取含缺陷的复合材料胶接修补结构中的缺陷特征信息图像,并基于平均缺陷‑强度图对含缺陷的胶接结构的强度快速预测。能够对包含外表不可见脱粘损伤的修补结构进行快速且可视化的强度预测。

    一种用于光伏电池板的超声波自清洁装置

    公开(公告)号:CN116614075A

    公开(公告)日:2023-08-18

    申请号:CN202310646907.4

    申请日:2023-06-02

    Abstract: 本发明实施例公开了一种用于光伏电池板的超声波自清洁装置,涉及超声波清洁技术领域,包括光伏组件及电池板超声波清洗装置,所述超声波清洗装置包括压电元件和控制电路。所述压电元件作为产生超声波的装置,按照特定的阵列粘贴集成在光伏电池板表面,该元件在控制电路作用下将产生大于20kHz的弹性波,利用弹性波的高频振动并结合雨水冲刷进而达到清洁光伏电池板表面的目的。所述阵列排布式压电元件拥有同步异步两种工作方式。本发明中的压电元件直接粘贴集成在光伏板玻璃片上,控制电路通过总线连接器以印刷电路的方式和电池板玻璃片集成,系统结构设计简单、可靠性强、清洗维护成本低。本发明主要用于光伏发电板的除尘和清洁。

    一种结构振动半主动控制装置

    公开(公告)号:CN115328227A

    公开(公告)日:2022-11-11

    申请号:CN202211039198.5

    申请日:2022-08-29

    Abstract: 本发明公开了一种结构振动半主动控制装置,涉及结构振动控制领域。该装置包括依次连接的系统电路、压电单元和控制单元;系统电路包括:反向支路和正向支路;压电单元包括第一压电单元和第二压电单元;第一压电单元用于驱动被控结构移动;第二压电单元用于监测被控结构信号;控制单元包括:极值检测单元和自适应控制单元;极值检测单元根据被控结构的信号,确定极值检测结果并控制各支路中开关的状态;自适应控制单元根据被控结构的振动信号,输出自适应单元调节指令至支路中电压源。本发明通过设计新的系统电路,解决了原先电路中泄露电流导致压电单元两端电压降低导致控制效果变差的问题,对结构振动有效控制。

    一种声学黑洞振动吸收器
    39.
    发明授权

    公开(公告)号:CN108122551B

    公开(公告)日:2021-05-11

    申请号:CN201711382962.8

    申请日:2017-12-20

    Abstract: 本发明公开了一种声学黑洞振动吸收器,所述振动吸收器包括圆盘形结构,所述圆盘形结构的上、下表面的距离由所述圆盘形结构的中轴线向外边缘逐渐减小变化,所述圆盘结构包括黑洞区域,所述黑洞区域的上、下表面之间的距离从外边缘向中轴线方向呈分段函数形式变化,避免声学黑洞结构的厚度变化规律的改变引起的边缘的弯曲波的反射,利用ABH效应和动力吸振的特性,实现宽带振动控制的效果,同时也突破了传统动力吸振单频率有效的局限性,扩宽声学黑洞结构的有效作用频率范围。

    一种电储能聚合物基薄膜的制备方法和应用

    公开(公告)号:CN112239549A

    公开(公告)日:2021-01-19

    申请号:CN201910644231.9

    申请日:2019-07-17

    Abstract: 本发明涉及电储能有机薄膜材料技术领域,尤其涉及一种电储能聚合物基薄膜的制备方法和应用。本发明提供的电储能聚合物基薄膜的制备方法,包括以下步骤:将聚合物与有机溶剂混合后,进行固化,得到初结晶的薄膜;将所述初结晶的薄膜进行轧制,得到电储能聚合物基薄膜。在本发明中,所述轧制过程能够显著提高薄膜的击穿场强,提高薄膜的储能释放密度。根据实施例的记载,电储能聚合物基薄膜的击穿场强最高为380MV/m,相对介电常数最高可达10.2(@1000Hz),可释放储能密度为12.5J/cm3。

Patent Agency Ranking