-
题名形状记忆合金对纤维增强聚合物梁驱动效应的分析
被引量：2
- 1
-
-
作者
邓宗才
-
机构
北京工业大学建筑工程学院
-
出处
《公路交通科技》
CAS
CSCD
北大核心
2005年第10期71-74,共4页
-
基金
国家自然科学基金资助项目(50378006)
-
文摘
着重研究了形状记忆合金偏心埋置于树脂复合材料梁/板后,合金在逆相变过程中对梁弯曲变形的驱动效应。试验结果表明:合金在逆相变过程中能对树脂基复合材料梁产生很大的驱动力,可以按需要主动控制复合材料梁、柱的变形;合金的预应变值因素对于合金的驱动效应有较大影响,合金可以进行多次激励。
-
关键词
形状记忆合金
纤维增强复合材料梁
智能材料与结构
复合材料
-
Keywords
Shape memory alloy
Deflection
Fiber reinforced polymer beam
Smart materials and structures
Composite materials
-
分类号
U416.216
[交通运输工程—道路与铁道工程]
-
-
题名纤维增强复合材料梁的分层损伤识别
被引量：2
- 2
-
-
作者
詹超
马晓静
张芝芳
-
机构
广州大学-淡江大学工程结构灾害与控制联合研究中心
广东工商职业学院
-
出处
《玻璃钢／复合材料》
CSCD
北大核心
2017年第9期5-12,共8页
-
基金
广东省自然科学基金项目(2016A030310261)
广东省科技计划项目(2016B050501004)
广州市属高校科技计划项目(1201431041)
-
文摘
通过损伤发生前后结构频率的变化来检测和评估纤维增强复合材料(FRP)层合梁中的分层损伤。利用FRP层合梁在分层发生前后的一系列频率变化值,通过构建直观图像法和人工神经网络两种逆向算法反推出梁中分层损伤的三个参数,即分层所在的界面、位置和尺寸。为检验两种算法的有效性和识别精度,分别进行了理论和实验双重验证。理论验证结果表明,两种逆向检测算法都可以有效预测出分层损伤的三个参数,其中直观图像法相比人工神经网络预测精度更高。而实验验证采用文献中报道的实测频率,结果表明:直观图像法对于测量数据误差有更高的包容性,可以较为准确地预测出分层在FRP梁试件中的位置和大小;而人工神经网络对于实验误差相对敏感,对FRP梁试件中的分层损伤预测不够准确。综上认为,相较于人工神经网络,直观图像法具有更好的鲁棒性,应被优先选择应用于FRP梁的分层损伤识别。
-
关键词
纤维增强复合材料梁
分层
损伤识别
直观图像法
人工神经网络
-
Keywords
FRP beam
delamination
damage detection
graphical technique
artificial neural network
-
分类号
TB332
[一般工业技术—材料科学与工程]
-
