为得到大功率拖拉机传动轴在田间作业工况下的载荷谱,该文针对传统传动系载荷谱编制过程中雨流计数及雨流域外推方法的局限性,提出基于POT(peak over threshold)模型的大功率拖拉机传动轴载荷时域外推方法。首先搭建了拖拉机传动轴扭矩...为得到大功率拖拉机传动轴在田间作业工况下的载荷谱,该文针对传统传动系载荷谱编制过程中雨流计数及雨流域外推方法的局限性,提出基于POT(peak over threshold)模型的大功率拖拉机传动轴载荷时域外推方法。首先搭建了拖拉机传动轴扭矩测试系统,利用无线扭矩传感器采集大功率拖拉机传动轴在田间犁耕作业工况下的载荷数据;基于极值理论建立POT模型,利用灰色关联度分析方法选取最优阈值,确定时域载荷数据中上限、下限阈值分别为497和333 N·m。对超越阈值的极值载荷进行提取并利用广义帕累托分布(generalized pareto distribution,GPD)对极值载荷的分布进行拟合,拟合结果与极值载荷样本之间的相关系数均大于0.99,将生成服从GPD的新极值点取代原样本中的极值点从而实现时域载荷数据的外推。结果表明,GPD能够准确描述大功率拖拉机传动轴载荷超越阈值的分布情况,与雨流域外推方法相比,基于POT模型的载荷时域外推方法不仅可以获得任意里程的载荷时域序列,还能够极大程度保留实测载荷循环的次序,为今后大功率拖拉机传动系的室内载荷谱加载试验提供更加真实可靠的数据支持。展开更多
大坝监测效应量作为一种随机变量,采用以极值理论为基础的POT(Peaks over Threshold)模型研究监测效应量的监控指标是合适的,但现有的POT模型的阈值确定以图形法为主,需要人工判断,主观性和随意性较大,且难以实现计算机自动化识别。通...大坝监测效应量作为一种随机变量,采用以极值理论为基础的POT(Peaks over Threshold)模型研究监测效应量的监控指标是合适的,但现有的POT模型的阈值确定以图形法为主,需要人工判断,主观性和随意性较大,且难以实现计算机自动化识别。通过构建阈值递增序列,计算不同阈值Tj条件下相应的监控指标,然后利用概率论中的3σ准则,以监控指标危险值与警戒值的差值△j趋近于测值序列标准差S作为确定最合理阈值的原则,提出了一种改进的阈值确定方法,并给出了一个验证实例。改进方法理论基础明确,有效地克服了图形法的主观性和随机误差,且能采用计算机程序实现最合理阈值的自动识别,增强了POT模型法拟定大坝安全监控指标的实用性。展开更多
文摘大坝监测效应量作为一种随机变量,采用以极值理论为基础的POT(Peaks over Threshold)模型研究监测效应量的监控指标是合适的,但现有的POT模型的阈值确定以图形法为主,需要人工判断,主观性和随意性较大,且难以实现计算机自动化识别。通过构建阈值递增序列,计算不同阈值Tj条件下相应的监控指标,然后利用概率论中的3σ准则,以监控指标危险值与警戒值的差值△j趋近于测值序列标准差S作为确定最合理阈值的原则,提出了一种改进的阈值确定方法,并给出了一个验证实例。改进方法理论基础明确,有效地克服了图形法的主观性和随机误差,且能采用计算机程序实现最合理阈值的自动识别,增强了POT模型法拟定大坝安全监控指标的实用性。
