一种基于碳纳米复合材料的新型传感器及其在基于振动/弹性导波的结构健康监测上的应用

来源 :2015全国结构健康监测技术研讨会暨首届两岸四地结构健康监测发展论坛 | 被引量 : 0次 | 上传用户:gedebao
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
  基于碳纳米复合材料的压阻类传感器由于微观的力学及电学性质复杂,其测量精度及稳定性较低,尤其是在测量结构动态响应时,精度无法达到实际工程应用(如结构健康监测)的要求。该研究选取了几何构型简单的碳黑作为复合材料填充物,同时利用PVDF 聚合物作为基体材料,增加纳米颗粒间隧道电流的强度。
其他文献
Currently,some fault prognosis technology occasionally has relatively unsatisfied performance especially for incipient faults in nonlinear processes duo to their large time delay and complex internal
In this paper,a neural backstepping sliding mode control(NBSMC)scheme is proposed for flexible-joint robotic manipulators.To achieve a high tracking control performance,joint flexibility is taken into
In this paper,a neural networks based adaptive memoryless observer for nonlinear time-delay systems is proposed.The proposed observer is based on nonlinear-in-parameter neural networks which makes it
BSP 模型作为一种广泛使用的计算模型已经被逐渐应用于云计算环境中.BSP 每个超级步中,因该模型未考虑不同任务之间的计算时间差别,致使先完成的任务要等待后完成的任务,从而造成了额外的资源消耗.针对该问题,本文提出一种基于子集同步的改进型BSP 模型.该模型根据所有进程的快慢程度不同而将所有任务进程分成N 个不同的子集.本文采用最小化最大计算时间的目标函数进行建模,并采用粗粒度并行遗传算法求解该模
工业过程的运行控制一般由两层控制系统组成,其中底层由若干控制回路组成以完成相应生产单元的回路跟踪控制,上层为通过优化相关指标(如产品质量,能耗物耗等)以完成为底层控制回路提供设定值的运行控制层。由于实际工业过程中会出现故障和不确定干扰,使得回路控制跟踪性能恶化导致优化目标达不到其预期的要求。
:只有一个轮子与地面直接接触并驱动的独轮机器人具有优越的机动性能,可以在狭窄的空间执行任务。载人独轮车是独轮机器人在交通领域中的具体应用,对于载人独轮车的研究较少,本文通过分析载人独轮车的非完整运动学约束推导出其动力学方程,在此基础上设计了PD 控制器进行控制,文中借助李雅普诺夫稳定性定理分析了系统的稳定性。
电气控制行业对铜排质量的要求越来越高,而铜排在折弯过程中产生回弹是不可避免的现象,减少铜排折弯后的回弹角度可以极大地提高母线产品质量的一致性。本文运用有限元法对铜排的折弯变形及卸载回弹的过程进行了仿真分析,揭示了基于弹塑性弯曲工程理论的两个假设与实际折弯过程不相符,总结了铜排弯曲回弹变化的规律。最后根据校正法,提出了减小铜排回弹角度的结构方案,并通过仿真验证了该方案的可靠性。
为更好地评价增程式电动汽车各项性能指标,针对某款增程式电动汽车进行参数匹配,并以Matlab/Simulink 为平台,在ADVISOR 串联式混合动力电动汽车模型的基础上,对整车动力学模型、发电机模型以及蓄电池模型等进行改进,提出控制策略,在UDDS 循环工况对动力性和经济性进行了研究。
针对织物图像颜色的预处理中随机选取聚类中心和聚类数对聚类结果带来的误差,提出了将RGB 色泽分布中局部极大点位置作为聚类中心、以最优分类准则确定聚类数的方法,通过对k-means 聚类算法的改进,实现了对不同物理形态的织物图像进行颜色聚类。实验表明,用改进的k-means 聚类算法处理后的图像更适合测色。
深度信念网络作为一种新方法最近被应用于化工过程软测量建模中。但是,由于经验式学习率的选择差异,造成了预测不稳定的问题。针对此问题,提出一种自适应学习率的深度信念网络软测量建模方法。在每次更新模型参数前,自适应方法都会完成一次对学习率的训练,以选择当前参数所处位置合适的步长,使收敛速度更快且收敛方向更加趋向于全局最优,较固定的经验式学习率更加智能。