Computational Studies of Porous Head Protection Structures for Human Cranium under Impact Loading

来源 :固体力学学报(英文版) | 被引量 : 0次 | 上传用户:youjia88
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
This paper looks into the effects of various porous structures used in the construc-tion of the shell of a protective helmet on the energy absorption capacity and their efficacy in protecting the head/skull against impact force.It is well known that porous structures are very effective for energy absorption;hence,they have been widely used to reduce the negative effects of impact and explosion loads on the human skull.Porous shell structures,made from titanium alloy(Ti-6Al-4V)and,comprised of several periodic topological configurations,namely the more common rectangle and hexagonal honeycomb,as well as those having auxetic prop-erties,namely the concave honeycomb and double-arrow,are studied by means of numerical modeling.The reliability of the numerical model is validated with the published experimental results.For the double-arrow configurations,the study involves three different densities,and the structural energy absorption capacity of the double-arrow shells increases with density.For the same density,the energy absorption capacity of the rectangular shell is the best,and that of the honeycomb is the worst.The superior performance of the rectangular configuration is partly derived from the fact that the orientation of the struts in this structure is aligned along the direc-tion of the impact force.Further comparison of energy absorption capacity is made between the porous shell and a shell having a traditional titanium monolayer.The severe plastic deformation in the solid titanium shell(traditional monolayer shell)is detrimental to the overall effectiveness of head protection gear.Apart from this,compared with the Kevlar composite laminated shell of the same mass,both the solid and porous titanium shells provide considerable protection to the human head.The comprehensive comparisons show that the porous design on the titanium shell is beneficial for mitigating the risks of traumatic brain injuries(TBIs).
其他文献
高光谱与全色影像融合旨在通过融合高空间分辨率的全色影像与低空间分辨率的高光谱影像来获得高空间分辨率的高光谱影像。基于深度卷积神经网络(CNN),提出了一种遥感影像融合方法,利用两个独立的分支网络逐级从高光谱和全色影像中提取光谱和空间特征。该融合网络由两个分支网络和一个主线网络组成,利用两个分支网络分别从高光谱与全色影像中提取空谱特征,主线网络基于分支网络提取的特征,重建得到最终融合的高空间分辨率的
提出了一种基于短光纤循环延迟自外差技术测量亚千赫兹激光器线宽的方法.采用延迟长度仅为2 km的循环延迟自外差干涉仪,实现了一系列不同延迟时间拍频信号的同时测量.通过仿真拟合了多组高阶拍频信号的功率谱,获得激光器的平均线宽为944 Hz,该结果与传统拍频法测得的激光线宽基本一致.所提方法不仅可以避免单次测量误差,而且能有效减小1/f频率噪声引起的频谱加宽,可精密测量窄线宽激光器的线宽.
对太阳进行光谱成像观测是太阳物理和空间天气研究的重要数据来源.在极紫外波段对动态的太阳大气进行光谱成像观测面临着严峻挑战.传统的狭缝式成像光谱仪受瞬时视场的限制,必须通过耗时的推扫才能获取二维日面图像,系统不具有高时间分辨率,无法捕获太阳过渡区域和日冕的快速演化过程.尽管极紫外成像仪能够实现大二维视场和高时间分辨率的观测,但却无法获取光谱分辨率信息.本文基于像差校正的椭球面变线距光栅,提出了一款新型无狭缝成像光谱仪,该系统同时工作在三个光栅衍射级次(m =-1,0,1)上,这样的新颖设计不需要任何元件的机
为了减小手持双目望远系统的体积与质量,在单片多表面光学系统原理的基础上,建立了单片多表面望远系统的模型,构建了中心厚度与遮拦比的关系表达式,通过计算得到了系统的初始结构,并进一步优化出一款便携多表面反射式望远系统.该望远系统由单片透镜组成,光线在透镜中发生4次反射,各反射面均为偶次非球面.系统的工作波段为可见光,放大倍率为5×,透镜的基底为聚甲基丙烯酸甲酯,直径为15 mm,总长为5 mm,全视场为1.15°.优化后的镜头全视场波像差满足使用要求,光学传递函数(MTF)曲线平滑,在60 lp/mm处大于0
磁控溅射系统中薄膜厚度的均匀性是关键指标之一.通过分析磁场强度、靶材与基板的距离和气体压强对Si3N4和SiO2两种薄膜厚度均匀性的影响,借助Langmuir探针分析等离子体的密度,并采用二进制阶梯式充气方式调整纵向的均匀性.通过对靶材加载正弦半波电压并使用MATLAB软件确定振幅及相位参数,从而调整横向的均匀性.实验结果表明,对于Si3N4膜层,其在横向上、中和下的均匀性分别为±1.27%、±0.62%和±1.33%,纵向的均匀性为±0.33%;对于SiO2膜层,其在横向上、中和下的均匀性分别为±1.1
光学相控阵是激光雷达中实现非机械光束偏转的一种技术方案,针对现有光学相控阵存在的尺寸大、二维集成困难等问题,提出了一种可实现二维光束偏转的新型二维光学相控阵反射镜.该反射镜采用易于集成的面阵结构,同时利用Gires-Tournois谐振腔在谐振波长附近的色散特性放大相移.仿真结果表明,该结构在谐振波长附近具有较高的相移效率,为实现二维光束偏转提供了一种新的解决方案.
高光谱图像包含着丰富的光谱信息,单幅RGB重建高光谱图像在军事目标识别和医学诊断领域具有重要价值。传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,本文提出了一种基于改进残差密集网络的重建算法。首先,将改进的残差密集块作为残差密集网络的基本模块,使用自适应权重模块对特征通道进行特征重标定,使高光谱重建精度得到了提高。其次,用特征变换层替代原来网络的空间变换层,将解决图像超分辨率问题转
由于大气中气溶胶垂直分布复杂,常用的梯度法和小波协方差变换法在边界层高度自动连续识别方面仍具有较大的不确定性。选取在浙江金华两个时间段内观测得到的双波长激光雷达数据,将二维矩阵方法应用于复杂大气垂直分布情况下边界层高度的反演,从距离和时间两个维度优化边界层高度的反演结果。研究结果表明,在气溶胶垂直分布出现多层结构的情况下,小波协方差变换法反演的边界层高度有较大的误差,而二维矩阵方法具有一定的优势。
针对合成孔径雷达图像与光学遥感图像模式差异大、相互转换困难的问题,基于现有空间分离图像转换框架,提出了一种基于空间分离表征的循环一致性生成对抗网络(GAN)。以更深的网络层和跳跃连接完成图像风格和内容分离,通过学习内容映射关系,完成内容特征转换,而后组合目标风格特性实现图像转换。利用PatchGAN判别器,强化模型的图像细节信息生成能力,并新增目标误差损失和生成重建损失将转换任务限制为一对一映射,
当前基于深度学习的遥感图像目标检测方法因模型复杂、计算量大,难以部署在计算资源受限的卫星上进行实时在轨检测。针对该问题,提出一种基于嵌入式的轻量化遥感目标实时检测方法。该方法以YOLOv3-tiny为基础网络,首先通过精简网络与改进多尺度预测对网络结构进行优化,其次引入空间注意力模块以增强遥感目标的特征。实验结果表明,在608×608的输入尺寸下,所提方法的平均准确率均值、召回率、F1值分别达到了