【摘 要】
：
吸能结构广泛应用各种运载工具中,它能在碰撞事件中保护乘员和货物安全。如何提高吸能结构的耐撞性一直是碰撞安全领域中的热点问题之一。自然界中的生物经过优胜劣汰的自然选择,其组织结构通常具有优良的机械性能,这为新型吸能结构的设计提供了一种全新思路。本文参考了自然界中的三周期极小曲面（TPMS）结构和芦苇茎杆结构,将两种结构特征应用到薄壁多孔结构的设计中以提高结构的耐撞性。本文主要研究内容包括以下三个方面
论文部分内容阅读
吸能结构广泛应用各种运载工具中,它能在碰撞事件中保护乘员和货物安全。如何提高吸能结构的耐撞性一直是碰撞安全领域中的热点问题之一。自然界中的生物经过优胜劣汰的自然选择,其组织结构通常具有优良的机械性能,这为新型吸能结构的设计提供了一种全新思路。本文参考了自然界中的三周期极小曲面（TPMS）结构和芦苇茎杆结构,将两种结构特征应用到薄壁多孔结构的设计中以提高结构的耐撞性。本文主要研究内容包括以下三个方面:（1）研究了一种新型曲面多孔结构,即三周期极小曲面（TPMS）多孔结构。通过实验和有限元仿真研究了四种不同构型的曲面多孔结构,分析了冲击速度、曲面厚度t和水平集常数C对耐撞性的影响,在此基础上应用代理模型和NSGA-II算法实现了对四种TPMS曲面多孔结构的耐撞性优化设计。此外还分析了四种TPMS曲面多孔结构的变形模式,发现其变形模式仅与TPMS单元构型有关,而与曲面厚度t和C值无关。（2）研究了芦苇茎杆截面的微观结构特征,在此基础上设计了一种仿芦苇茎多孔结构。通过有限元仿真分析了该仿生结构在三点弯曲工况和横向冲击工况下的耐撞性,并与传统薄壁管和其他仿生结构进行了比较分析。结果表明,仿芦苇茎多孔结构具有比传统薄壁管和其他仿生结构更好的侧向耐撞性和抗弯性能。此外,还分析了不同设计参数（单元划分角度α、间隔板距离l和壁厚t）对耐撞性的影响,借助COPRAS评价方法对结果进行了综合评价。评价结果表明,α=6°、l=6 mm的仿芦苇茎多孔结构具有最佳侧向耐撞性。（3）通过将仿芦苇茎多孔结构中的二维六边形单元用三维TPMS单元代替,设计了一种基于TPMS的新型仿芦苇茎多孔结构。利用单元映射的方法建立了六种不同构型的TPMS-芦苇茎仿生结构的几何模型。通过有限元仿真分析了TPMS-芦苇茎仿生结构在横向冲击工况下的耐撞性。结果表明,FRD构型的TPMS-D型仿芦苇茎结构拥有最佳耐撞性,其单位质量吸能是原仿芦苇茎多孔结构（α=6°,l=6 mm）的2.9倍。本文研究结果表明,基于TPMS和芦苇茎杆结构特征的仿生设计能大大提高薄壁结构的耐撞性。TPMS曲面多孔结构和仿芦苇茎多孔结构拥有比传统结构更好的综合耐撞性能,在未来的工程领域中具有良好的应用前景。
其他文献
激光增材制造技术是使用高能激光把基体表面和粉末材料一起熔化,然后凝固,使基体表面与粉末聚积在一起的特殊制造技术。与传统制造技术相比,增材制造技术实现了零件“自由制造”,具有性能好、不需要模具、加工周期短、不受零件材料和结构限制等一些优点,已经广泛应用于航天航空、汽车、军工、医疗等许多领域。激光增材制造技术主要用于涂层加工、堆积成形、零件制造和修复等方面,近年来相关技术的发展使其应用到了更加广泛的地
国家电网当前正推行电能替代方略,旨在利用电能替代燃煤、燃油等能源,减少气体污染,使清洁的电能覆盖面更广。但是在以往电能替代市场开拓过程中,主要由客户服务人员上门进行电能替代营销推广工作,凭借经验评估用户的替代潜力,使得分析筛选不全面、不专业,无法进行标准化和规模化操作,导致排查费时费力且评估精准度不高;并且随着电力用户数量的增加,用于支撑数据的存储与处理的传统服务器不足以满足日益增长的需求;在用户
在发动机搭载整车后的实际运行过程中,其瞬态工况下的性能与台架标定过程的稳态工况性能不匹配。因此,实现发动机瞬态工况下的精准控制,提高瞬态工况下车用发动机的燃油经济性,能够有效缓解能源枯竭与环境污染问题。发动机瞬态工况下进气流量的在线测量,对于发动机瞬态工况下的精准控制具有重要的作用。但是目前对于车用发动机的整车在线检测及根据偏差在线控制还存在问题:一方面,现有的传感器的检测速度以及精度无法实现连续
钢筋混凝土结构作为目前最常见的一种建筑结构形式,随着使用年限的增加,由于外荷载和环境的影响结构逐渐老化,均会出现不同程度的损伤甚至破坏,导致混凝土结构的安全性和耐久性严重降低。超高性能混凝土（UHPC）具有抗拉和抗压强度高、极低的渗透性、耐久性强等特点,适用于损伤普通混凝土（NSC）结构的修复与加固,UHPC与NSC之间良好的抗剪粘接性能是确保UHPC层与混凝土结构共同承受荷载的关键。本文通过大量
在当下万物互联的时代潮流下,利用人工智能实现人体动作识别这项技术得到了迅速发展。尽管市面上的很多人体动作识别技术是相当成熟的,包括相机和一些可穿戴式传感器设备,但因本身存在的一些使用环境限制和相关设备高昂的成本阻碍了其实际应用。另一方面,鉴于WiFi信号在日常生活中随处可及且设备成本低廉的原因,学者们开始研究如何利用WiFi信号中的信道状态信息（Channel State Information,
得益于科技的日益创新与进步,人们愈发愈能感受到智能机器人给生活带来的便利。实时定位与地图构建（SLAM）作为机器人导航功能的基石,在移动机器人、无人驾驶领域扮演了重要角色。在过去的20年里,使用单传感器在具有挑战性的环境中进行实时状态估计取得了杰出的成果,然而单一传感器天然存在局限性,难以适应复杂多变的环境,例如视觉传感器对光照变化敏感、激光传感器在无结构特征的环境中会退化。本文以乘用车平台为载体
随着我国科学技术的快速发展,无人车导航与定位技术成了现在最热门的研究方向。无人车自主导航与定位的核心技术是同时定位与建图（Simultaneous Localization And Mapping,SLAM）技术。目前,由于激光传感器有着较高的精度且不受天气条件影响,可以全天候工作的特点,激光SLAM成为了现在主流的研究方向。基于以上背景,本文主要采用多线激光雷达传感器、轮式里程计和IMU获取数据
近年来,随着矿产资源需求的增加,矿井的二次开采成为业内的研究热点。由于采矿和选矿的设备及技术的限制,许多矿井仍有丰富的矿藏,但该类矿井年代久远、内部环境未知,有甚者可能伴随着有毒气体、缺氧等极端情况,不宜直接进行复采。针对这一特殊环境,同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术可实现载体定位和矿井地图构建,为矿井的二次开采提供保障
随着社会文明的发展、科学技术的高速进步,人类探索太空、建设太空的行为越发频繁。作为人类探索太空、建设太空的重要帮手,空间机器人一直发挥着巨大的作用。目前,越来越多的航天大国和知名商业公司都投身于空间机器人的研制之中。为满足未来空间作业需求,越来越多的空间机器人被开发、应用于各种不同的工作场合。为降低发射成本,空间机器人的轻型化已成为当前空间技术发展的一大趋势。不过值得一提的是机器人中各类轻型复合材
经历了多年的发展,深度神经网络针对不同的任务需求演化出多种独特的结构。卷积神经网络（CNN）由于在计算机视觉、语音识别和自然语言处理等领域的出色表现引起了研究人员的广泛关注。然而,随着CNN的功能不断加强,其网络模型体积也越来越大,训练更加耗时,对硬件要求苛刻等一系列问题制约着CNN的发展。因此,对CNN模型进行压缩加速成为了研究重点。针对上述问题,本文提出了一种基于K-means算法的CNN模型