为研究钢丝绳在提升重物时的应力分布规律及其在此工况下的疲劳寿命。首先在Solid Works中建立了某种起重机所采用的6×36+WS结构右交互捻圆股钢丝绳的三维实体模型,然后将其导入ABAQUS中,建立有限元模型,进行有限元分析,得到钢丝绳在千分之二轴向变形时的应力分布规律。最后联合FE-SAFE对钢丝绳进行疲劳分析,得出其疲劳分布情况。结果表明:钢丝绳应力呈空间螺旋状分布,股芯钢丝与内侧钢丝接触处Von-Mises等效应力最大,且此处疲劳寿命值最小,若能提高股芯钢丝性能,将显著提高钢丝绳寿命。
2022-09-02 18:50:28
1.03MB
1
锂离子电池寿命预测原理讲解
锂离子电池寿命预测完整代码
锂离子电池寿命预测电池数据集
锂离子电池运行原理
2022-07-13 13:12:29
242.67MB
1
【Python项目实战】基于时间卷积网络(Temporal Convolution Network ,TCN)的发动机剩余寿命预测
航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL)。针对此问题,采用时间卷积网络(Temporal Convolution Network ,TCN)作为一种最新出现的序列神经网络,被证明在序列数据预测上有良好的效果。采用TCN实现对发动机剩余寿命进行预测,预测过程通过建立退化模型,给每个训练样本添加RUL标签;将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,,结果表明采用TCN算法拥有更高的精度。
2022-07-12 22:05:10
6.55MB
1
matlab代码循环运行预测电池寿命
注意：请与Richard
Braatz教授联系，以访问与Nature
Energy论文相关联的代码存储库（具有学术许可）。
该存储库与《自然能源》论文无关。
该存储库包含有关我们的电池寿命早期预测工作的代码。
功能是在MATLAB中生成的，而机器学习是在python中执行的。
请参阅参考资料，以获得该分析的最新版本。
我们的关键脚本和功能总结如下：
MATLAB代码：
featuregeneration.m
：生成从电池数据集中提取的大量特征，并将其导出到csvs。
此功能以10为增量循环20至100。
Python代码：
ElasticNet.py
：使用scikit-learn中的ElasticNetCV模块来训练弹性网络模型。
该模块自动执行5倍交叉验证，以选择alpha和l-1比率超参数的最佳值。
对于每个使用的初始周期数（20到100，以10为步长），分别对超参数进行了优化。
保存经过训练的模型，以便将其用于测试。
RandomForest.py
：使用scikit-learn中的RandomForestRegressor模块。
对于每个
2022-07-07 19:30:35
53.21MB
1
人工智人-家居设计-动力调谐陀螺寿命试验智能控制系统的设计与研究.pdf
2022-07-06 22:03:29
1.68MB