28、负泊松比材料的可变刚度实现方法探索

负泊松比材料的可变刚度实现方法探索

1. 研究背景与初步观察

在相关研究中,手性设计中始终观察到刚度现象。研究推测,未观察到堵塞现象可能是因为测试对加载几何形状和制造精度非常敏感,而在初步研究中这些因素的控制不够精确。尽管在测试时尽量确保试件处于中心位置,但在施加拉伸力时,试件位置仍可能发生变化。此外,当对聚乙烯醇(PVA)材料进行6mm伸长测试时,发现其结果存在较大差异,这可能是因为PVA材料在伸长6mm时已超过弹性阶段,进入塑性阶段,从而产生裂纹。

负泊松比(NPR)材料因其超材料结构而具有独特的特性,通过精确设计和调整其结构,可以满足刚度调节的需求。

2. 剪纸(Kirigami)方法

近年来,一种名为剪纸(Kirigami)的二维材料制造工艺受到关注,它类似于剪纸艺术,具有快速且经济的特点。在本研究中,借助Silhouette Curio这种DIY切割机来实现该工艺。像旋转多边形这样的拉胀结构非常适合通过这种工艺制造,其拉胀行为源于刚性多边形绕铰链的旋转。

为了探索这种特性,研究使用了三种不同的基底材料:硅橡胶片、高密度泡沫片和硬纸板。以下是对每种材料的详细测试情况:
|材料|特性|测试结果|
| ---- | ---- | ---- |
|硬纸板|相较于普通纸张,具有更高的结构完整性,有助于承载能力| - 切割出由15mm正方形组成的4×12矩形矩阵,其泊松比在两个拉伸方向均为 -1,单位厚度正方形的杨氏模量为(E1 = E2 = \frac{Kh}{8l^2} * \frac{1}{1 - sinθ}),其中(K_h)是铰链的刚度常数,(θ)是正方形之间的角度,(l)是正方形的长度。

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值