项目名称: 含片状裂纹焊接钢框架结构损伤诊断及疲劳强度与寿命预测方法研究

项目编号: No.51378079

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 建筑科学

项目作者: 管德清

作者单位: 长沙理工大学

项目金额: 82万元

中文摘要: 研究含片状裂纹焊接钢框架结构损伤诊断及疲劳强度与寿命预测方法,重点研究:(1)用三维有限元理论分析含片状裂纹损伤梁-柱的动力特性,建立损伤梁-柱的模态参数计算模型,研究基于小波分析的含片状裂纹梁-柱的损伤诊断方法;(2)探讨含贯通裂纹梁-柱与含片状裂纹梁-柱模态参数之间的关系,建立用有限元和小波分析相结合的含片状裂纹焊接钢框架结构损伤诊断理论;(3)研究含片状裂纹焊接钢框架结构的疲劳特性,通过对焊接过程中非线性瞬态温度场的三维有限元数值模拟,探讨三维焊接残余应力场的分布规律及其对疲劳性能影响的机理,利用临界距离理论,构造控制焊接钢框架结构疲劳断裂的局部力学参量理论模型,建立含片状裂纹焊接钢框架结构疲劳强度和寿命的预测方法。项目将损伤诊断与疲劳预测相结合,为大型焊接钢结构损伤诊断和疲劳强度与寿命预测问题提供新途径,不仅可以完善结构损伤诊断和疲劳预测理论,而且对于相关工程问题的应用有指导意义。

中文关键词: 焊接钢结构;损伤诊断;小波分析;智能算法;疲劳

英文摘要: Study of sheet crack welded steel frame structure damage diagnosis based on wavelet analysis method and the fatigue strength and life prediction theory, focuses on: (1) using a three-dimensional finite element analysis of sheet crack damage of beam-column

英文关键词: welded steel structure;damage diagnosis;wavelet analysis;Intelligent algorithm;fatigue

成为VIP会员查看完整内容
0

相关内容

时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员