R.P.L. Nijssen 摘要 风力涡轮机转子叶片承受大量高度可变的载荷,但寿命预测通常基于恒幅疲劳行为。因此,确定如何根据恒幅疲劳行为估算变幅疲劳下的使用寿命非常重要。寿命预测包含不同的元素:计数方法、描述 S-N 曲线的公式、恒定寿命图和损伤规则。对于损伤描述,研究并比较了两种模型,即 Miner 和法和基于强度的寿命预测。在 Miner 和法中,计数法和恒幅疲劳行为描述的结果被转换为损伤参数“Miner 和”。不考虑载荷顺序的潜在影响,损伤参数的值仅表示是否发生故障:它与物理上可量化的损伤无关。在基于强度的方法中,通过计算每个载荷循环对强度的影响来预测寿命,直到载荷超过剩余强度。这种循环方法的预期优势是可以隐式地包含序列效应。此外,损伤参数始终与物理上可量化的参数(即强度)相关。成功应用基于强度的方法需要描述疲劳后强度,这需要大量的ex
摘要。预测拉伸强度的预测是确定结构性能的关键机械属性,是评估可回收骨料的可行性的组成部分。评估回收骨料的分裂拉伸强度的传统技术依赖于高级和耗时的实验室测试,这对于大规模应用可能是昂贵且效率低下的。这项工作提出了基于机器学习的算法,以预测分裂拉伸强度的性能。在这项研究中,从先前的研究中获得了257项测量,其中包含影响分裂强度的输入变量。使用三种方法来构建不同的预测模型,即支持向量回归,XG增强和随机森林。使用MAE,RMSE,MAPE和MASE等指标评估了各种模型的性能指数,以测量模型的准确性和可靠性。本研究表明,随机森林算法的表现优于其他RMSE值1.76的模型。实施拟议的模型可提高预测的可靠性,使研究人员能够做出有关将再生材料纳入可持续建筑实践中的明智决定,从而有助于减少建筑部门的环境影响。关键字:回收总骨料混凝土(RAC),机器学习,随机森林,XG提升,拉伸强度,支持向量回归
抽象的先前功能磁共振成像(fMRI)研究表明,前运动和顶脑区域的活性具有即将到来的抓地力强度。但是,尚不清楚如何在电动机执行之前最初表示有关预期的握力强度的信息,然后随后将其转换为电机代码。在这项fMRI研究中,我们使用多毒素模式分析(MVPA)来解码有关抓地力强度的信息以及何时在大脑中参数编码的有关抓地力强度的信息。 人类参与者执行了延迟的抓地力任务,其中在工作记忆(WM)中,必须在工作记忆(WM)中维持四个提示的握力强度之一,这是在9-S延迟到达前的电动机执行之前。 使用探照灯方法和支持向量回归的时间分辨MVPA,我们测试了哪些大脑区域显示出预期的握力强度的多元WM代码。 在早期延迟期间,我们观察到在腹侧额叶前皮层(VMPFC)中进行了高度的解码。 在晚期延迟期间,我们发现了一个动作特异性大脑区域的网络,包括双侧腔内沟(IPS),左背前皮层(L-PMD)和补充运动区域。 此外,还采用了交叉回归解码来测试早期和晚期延迟期之间激活模式的时间概括,并在提示表现和电动机执行过程中使用这些分解。 交叉回归解码表明在VMPFC中对提示周期的时间概括以及L-IPS和L-PMD中的运动执行。在这项fMRI研究中,我们使用多毒素模式分析(MVPA)来解码有关抓地力强度的信息以及何时在大脑中参数编码的有关抓地力强度的信息。人类参与者执行了延迟的抓地力任务,其中在工作记忆(WM)中,必须在工作记忆(WM)中维持四个提示的握力强度之一,这是在9-S延迟到达前的电动机执行之前。使用探照灯方法和支持向量回归的时间分辨MVPA,我们测试了哪些大脑区域显示出预期的握力强度的多元WM代码。在早期延迟期间,我们观察到在腹侧额叶前皮层(VMPFC)中进行了高度的解码。在晚期延迟期间,我们发现了一个动作特异性大脑区域的网络,包括双侧腔内沟(IPS),左背前皮层(L-PMD)和补充运动区域。此外,还采用了交叉回归解码来测试早期和晚期延迟期之间激活模式的时间概括,并在提示表现和电动机执行过程中使用这些分解。交叉回归解码表明在VMPFC中对提示周期的时间概括以及L-IPS和L-PMD中的运动执行。一起,这些发现表明,抓地力强度的WM表示会发生转换,其中VMPFC编码有关预期的握力的信息,后来在执行前将其转换为L-PIP和L-PMD中的电机代码。
传统上,船舶纵向强度的评估是通过将甲板或船底的弹性应力与材料屈服强度的分数进行比较来进行的。由于船舶结构中固有的冗余,这会导致高储备能力。剩余强度,即结构损坏后的强度,在设计或维修时很少被考虑。在本报告中,已确定了进行工程分析以评估剩余强度所需的关键要素。重点是评估因“正常操作载荷”而损坏的海洋结构的剩余强度。总结了行业可用于评估断裂和极限强度等损伤的方法。一个示例问题。介绍了一种综合方法在特定船型上对剩余强度评估的应用。