【摘 要】
：
光学测量平台在航空运输的过程中会受到各种类型的振动载荷,若不进行一定的保护会导致设备失效,因此在设备运输前要对其进行各种振动环境的模拟考核试验。基于模型修正理论,首先建立了与模态试验结果保持一致的有限元模型;然后计算了平台在正弦和随机振动载荷下的加速度响应,平台在两种载荷作用下加速度响应较小。最后,参考喷气式运输机的宽带随机振动功率谱在振动台上进行振动试验,得到了设备关键部位在该载荷下的加速度响应。通过对比,仿真分析结果和振动台试验结果基本保持一致,验证了设备在该载荷下运输的可能性。
【机 构】
：
中国科学院长春光学精密机械与物理研究所,中国科学院大学
【基金项目】
：
吉林省科技厅重点科技研发项目(20180201118GX)。
论文部分内容阅读
光学测量平台在航空运输的过程中会受到各种类型的振动载荷,若不进行一定的保护会导致设备失效,因此在设备运输前要对其进行各种振动环境的模拟考核试验。基于模型修正理论,首先建立了与模态试验结果保持一致的有限元模型;然后计算了平台在正弦和随机振动载荷下的加速度响应,平台在两种载荷作用下加速度响应较小。最后,参考喷气式运输机的宽带随机振动功率谱在振动台上进行振动试验,得到了设备关键部位在该载荷下的加速度响应。通过对比,仿真分析结果和振动台试验结果基本保持一致,验证了设备在该载荷下运输的可能性。
其他文献
通过观测水体中海藻的种类和数量对水质的影响,达到预防藻类污染和检测水质好坏的目的。基于改进卷积神经网络与深度学习目标检测模型相结合的方法对藻类图像的大小、形态等特征进行提取与训练,实现藻类图像的识别分类。实验结果表明,运用改进的卷积神经网络和目标检测模型使得藻类识别的平均准确率达到95%以上,有效避免了过拟合的现象。该方法用于水质检测可以有效地解决由于人工识别分类带来的误差,减少人力输出,提高效率
在多年冻土地区,路基工程的修筑将对下伏多年冻土的热力稳定性产生显著的影响.为保护多年冻土,保证路基的长期稳定性,通风管作为一种对流换热类主动冷却降温措施被广泛应用.
骨髓间充质干细胞(BMSCs)是一种能分化成骨、成软骨等多种骨基质细胞的多能干细胞,可为股骨头塌陷坏死部分提供结构支撑,同时分泌多种生长因子促进成骨形成,为股骨头保髋治疗提供了新的思路.大豆异黄酮对BMSCs的分化具有调节作用,可以通过多种信号通路对BMSCs分化进行调节.本研究主要探讨大豆异黄酮对BMSCs的成骨细胞分化的影响,从而为治疗激素性股骨头坏死(SONFH)提供参考.
利用唐古拉站2004—2012年气象观测资料,基于KNN算法,结合机器学习思想,建立了一个气象回归模型,模拟了2005年唐古拉地区表层土壤水热变化趋势,结合实测数据,将模拟值与观测值进行对比,并对模型模拟效果进行了评估。结果表明:KNN模型能够较好地模拟活动层表层土壤水热状况,各层土壤温度的模拟值与观测值的相关系数均在0.99以上,均方根误差在1.25℃以内;不同深度土壤水分的模拟值与观测值的相关
推算气温变化时不同深度地层的地温变化幅度,进而计算其引起钢管基岩标石的线性胀缩量,结果表明:温度变化对钢管基岩标石的高程和钢管基岩标石间高差的影响量是水准成果应用中必须加以考虑和排除的。
双阳地震台DSQ型水管倾斜仪NS分量自2019年10月以来出现加速S倾打破年变形态的异常变化情况。为此对该测项仪器观测状态、观测环境变化、观测台站附近干扰等因素进行科学合理的分析研究,综合分析认为双阳台水管倾斜仪NS分量S倾加速变化为前兆异常。
利用1951—2016年努尔苏丹和乌鲁木齐的逐日最低气温资料,以当年7月到翌年6月为统计年,对比分析了中亚地区的努尔苏丹与乌鲁木齐的寒潮、强寒潮和超强寒潮过程频数气候变化特
震源机制解与构造应力场有着密切的联系。通过收集整理并使用格点尝试法求取到1971至2020年辽宁及邻区2.5～7.3级地震的震源机制解共计319个。据此使用MSATSI软件包反演计算辽宁地区1°×1°精细度的构造应力场。结果显示,辽宁地区最大主压应力轴最优解的优势方位为NEE向,不确定范围相对较稳定。最小主压应力轴最优解以NNW向为主,在辽西地区为近NS向。大多数网格的应力场结果属于走滑类型,且应
精密光学测量平台在车载运输过程中会受到振动与冲击,振动量级直接影响测量平台的精度与可靠性。因此有必要对光学测量平台进行运输隔振设计。首先基于单质体多自由度振动理论对光学测量平台动力学模型进行简化分析,提出了一种光学测量平台的被动隔振方案。然后利用典型工况的路谱作为激励进行随机振动分析并预估振动量级,最后依据实际工程经验进行路面运输试验。试验结果表明,在二级公路以60 km/h匀速行驶的工况下,平台上精密光学元件安装处的垂向振动传递率为0.26,且高频激励(20~250 Hz)有显著衰减,验证了光学测量平台
在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合深层特征与浅层特征,得到乳房分割和腺体分割结果.同时,基于nnU-Net策略,所使用的模型能根据图像参数自动进行预处理和数据扩增,并动态调整网络结构和参数