摘要：
穿越分析的基本结论 正穿越 \(y=a\)的平均频率一般公式为： \[\nu_a^+ = \int_0^\infty p(a,\dot y)\dot y\,d\dot y \]对高斯过程，代入联合密度后得： \[\nu_a^+ = \frac{1}{2\pi}\frac{\sigma_{\dot y 阅读全文
posted @ 2026-11-04 00:39
redufa
阅读(2)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'Arial Unicode MS', 'DejaVu Sans'] 阅读全文
posted @ 2026-11-02 23:36
redufa
阅读(3)
评论(0)
推荐(0)
摘要：
 阅读全文
posted @ 2026-10-29 00:23
redufa
阅读(2)
评论(0)
推荐(0)
摘要：
CPU 核心/线程 基频/睿频 TDP CBR23单核 CBR23多核 双路 E5-2699 v4 44C88T 2.2G / 3.6G 290W 870~910 32000~34800 双路 E5-2696 v4 (OEM) 44C88T 2.2G / 3.6G 290W 870~910 3180 阅读全文
posted @ 2026-10-29 00:21
redufa
阅读(9)
评论(0)
推荐(0)
摘要：
频域疲劳（五）：穿越分析 穿越分析的基本结论 正穿越 \(y=a\) 的平均频率一般公式为： \[\nu_a^+ = \int_0^\infty p(a,\dot y)\dot y\,d\dot y \]对高斯过程，代入联合密度后得： \[\nu_a^+ = \frac{1}{2\pi}\frac{ 阅读全文
posted @ 2026-10-25 16:45
redufa
阅读(4)
评论(0)
推荐(0)
摘要：
2.1总体概述 频域疲劳分析是随机振动载荷下结构疲劳寿命评估的主流方法。其核心思想是：将随机载荷的功率谱密度（PSD）转化为应力 PSD，提取谱矩，利用统计分布模型估计应力幅值的概率密度，最后结合 S-N 曲线和 Miner 线性累积损伤法则计算疲劳寿命。 相比时域雨流计数，频域法计算量小、效率高， 阅读全文
posted @ 2026-10-21 20:05
redufa
阅读(6)
评论(0)
推荐(0)
摘要：
1. 米勒法则 (Miner's Rule) 米勒法则的物理核心是“线性累积损伤”。假设一个零件承受了多种不同大小的交变应力(\(S_{a1}, S_{a2}, S_{a3}...\)) ，每种应力作用的次数分别是 \(n_1, n_2, n_3...\)，对应这种应力下材料能撑住的极限寿命是 \( 阅读全文
posted @ 2026-10-21 16:31
redufa
阅读(12)
评论(0)
推荐(0)
摘要：
这两个总公式如下（注意：两者的数学结构完全一样，区别仅在于 \(p(S_a)\) 的获取方式和 \(T\) 的物理意义）： 1. 时域总疲劳损伤： \[D = \nu T \int_0^\infty \frac{S_a^b}{C} p(S_a) \mathrm{d}S_a \](其中 \(\nu T 阅读全文
posted @ 2026-10-20 02:02
redufa
阅读(10)
评论(0)
推荐(0)
摘要：
高斯分布笔记：Rice向上穿越率 → 瑞利分布 核心结论：窄带零均值高斯随机过程，由Rice向上穿越率可直接导出包络（峰值）服从瑞利分布。 一、两列对比表（高斯部分） 前提：\(\boldsymbol{p(a,\dot y)=p(a)\cdot p(\dot y)}\)；窄带高斯过程，\(y(t)\ 阅读全文
posted @ 2026-10-20 01:24
redufa
阅读(7)
评论(0)
推荐(0)
摘要：
下面，我们补全最后这块拼图，一步步纯数学推导到最终的积分公式。 完整推导过程：从时间微元到积分项 第一步：设定极小的时间微元\(\Delta t\) 在时刻\(t\) 到\(t + \Delta t\) 之间，系统要向上穿越阈值\(a\)。根据泰勒展开，此时的系统状态必须满足： \[a - \dot 阅读全文
posted @ 2026-10-17 20:54
redufa
阅读(11)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Rectangle # 设置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Ari 阅读全文
posted @ 2026-10-17 20:51
redufa
阅读(7)
评论(0)
推荐(0)
摘要：
用泰勒展开（Taylor Expansion）来推导这个结果，是一个极其巧妙且能直击物理本质的方法。它能够完美解释“为什么概率密度乘以速度就变成了频率”，并且整个过程不需要用到复杂的联合概率密度函数。 为了推导，我们需要引入一个非常关键的概念：时间微元\(\Delta t\)。 推导前的物理设定 假 阅读全文
posted @ 2026-10-17 02:29
redufa
阅读(12)
评论(0)
推荐(0)
摘要：
import matplotlib.pyplot as plt import numpy as np # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_ 阅读全文
posted @ 2026-10-15 22:14
redufa
阅读(4)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.gridspec import GridSpec from scipy import signal from scipy.special import gamma a 阅读全文
posted @ 2026-10-15 18:07
redufa
阅读(5)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from scipy.signal import hilbert # 设置中文字体，避免中文显示为方块 plt.rcParams['font.sans-serif'] = ['SimHei'] pl 阅读全文
posted @ 2026-10-13 11:14
redufa
阅读(5)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from scipy.stats import rayleigh from scipy.signal import hilbert plt.rcParams['font.sans-serif'] = 阅读全文
posted @ 2026-10-13 11:01
redufa
阅读(6)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt # 解决中文显示为方框（豆腐块）的问题：使用 Windows 自带中文字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei 阅读全文
posted @ 2026-10-13 00:43
redufa
阅读(5)
评论(0)
推荐(0)
摘要：
要将我们之前所有的讨论——从数学公式的笔误，到傅里叶变换，再到费曼式的能量守恒——浓缩成一个直观的、可视化的总结，最好的方式是在复平面上画出“能量直角三角形”的旋转。 下面我用文字为你构建一幅“动态可视化图景”，并附上核心总结。 🎨 可视化核心：能量守恒的“旋转直角三角形” 想象一个在复平面上逆时 阅读全文
posted @ 2026-10-12 23:30
redufa
阅读(18)
评论(0)
推荐(0)
摘要：
宽带高斯过程：时间轴上“几乎没有固定节奏”，相邻过零点间隔非常随机、非常短。 窄带高斯过程：时间轴上“有近似固定的节奏”，相邻过零点间隔虽然仍有随机性，但平均值接近一个固定周期 import numpy as np import matplotlib.pyplot as plt from scipy 阅读全文
posted @ 2026-10-12 21:35
redufa
阅读(5)
评论(0)
推荐(0)
摘要：
一、起点：窄带过程是怎么来的？ 结论1：宽带随机激励 \(x(t)\)经过共振系统 \(H(\omega)\)后，输出 \(y(t)\)的谱密度被限制在共振频率 \(\omega_0\)附近的一个窄频带 \(\Delta\omega\)内，形成窄带随机过程。 典型样本像“振幅和相位随机变化的正弦波” 阅读全文
posted @ 2026-10-12 11:28
redufa
阅读(12)
评论(0)
推荐(0)
摘要：
import matplotlib.pyplot as plt import numpy as np # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_ 阅读全文
posted @ 2026-10-10 23:34
redufa
阅读(6)
评论(0)
推荐(0)
摘要：
import matplotlib.pyplot as plt import numpy as np # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_ 阅读全文
posted @ 2026-10-10 23:02
redufa
阅读(5)
评论(0)
推荐(0)
摘要：
import matplotlib.pyplot as plt import numpy as np # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_ 阅读全文
posted @ 2026-10-10 22:24
redufa
阅读(7)
评论(0)
推荐(0)
摘要：
频域疲劳计算（Dirlik 法）——完整技术总结 一、总体概述 频域疲劳分析是随机振动载荷下结构疲劳寿命评估的主流方法。其核心思想是：将随机载荷的功率谱密度（PSD）转化为应力 PSD，提取谱矩，利用统计分布模型估计应力幅值的概率密度，最后结合 S-N 曲线和 Miner 线性累积损伤法则计算疲劳寿 阅读全文
posted @ 2026-10-10 21:17
redufa
阅读(25)
评论(0)
推荐(0)
摘要：
平稳高斯随机过程：Rice 水平穿越 + 峰值期望全套推导 适用：随机振动、汽车耐久载荷谱、疲劳极值预估；所有变量沿用前文定义 \(\(X(t)\)\)：零均值平稳高斯过程；\(\dot \(X(t)\)=\frac{dX}{dt}\)；\(\ddot \(X(t)\)=\frac{d^2X}{dt 阅读全文
posted @ 2026-10-09 21:36
redufa
阅读(15)
评论(0)
推荐(0)
摘要：
频域疲劳计算（Dirlik 法）完整公式推导过程 一、输入与应力响应 PSD 1.1 输入载荷 PSD 设输入随机载荷的功率谱密度为： \[S_x(f), \quad f \in [0, \infty) \]1.2 频响传递函数 通过有限元频响分析，得到危险点的应力传递函数： \[H(f) \]1. 阅读全文
posted @ 2026-10-09 11:19
redufa
阅读(13)
评论(0)
推荐(0)
摘要：
疲劳损伤分析：从离散米勒法则到连续积分模型的可视化报告 1. 引言 在材料疲劳与结构可靠性分析中，评估变幅载荷下的累积损伤是核心问题。本文基于线性累积损伤理论（米勒法则，Miner's Rule），探讨离散载荷谱下的损伤求和，并将其推广至连续载荷谱下的积分模型。通过 Python 可视化技术，直观展 阅读全文
posted @ 2026-10-09 11:09
redufa
阅读(9)
评论(0)
推荐(0)
摘要：
最后怎么和 Miner 法则结合的？ 这是频域疲劳计算最核心的一步：把 Dirlik 得到的应力幅值分布，和 S-N 曲线、Miner 法则结合起来，算出总损伤和寿命。下面从逻辑、数学、代码、直观理解四个层面讲清楚。 一、Miner 法则的本质 Miner 线性累积损伤法则说： 如果材料在应力幅值 阅读全文
posted @ 2026-10-09 09:33
redufa
阅读(11)
评论(0)
推荐(0)
摘要：
频域疲劳计算（Dirlik 法）完整技术文档 目录 引言 频域疲劳计算总体流程 随机过程与谱矩基础 穿越理论详细推导（Rice 公式） Dirlik 法理论基础 S-N 曲线与 Miner 损伤 Python 代码实现 代码逐行数学解释 数值保护与稳定性 常见问题 关键注意事项 总结 1. 引言 频 阅读全文
posted @ 2026-10-09 09:28
redufa
阅读(25)
评论(0)
推荐(0)
摘要：
3.4 机械振动 相对于在更复杂的机械系统中发生的振动，连接在弹簧上的质量块的运动可以作为振动的一个相对简单的例子。对于许多这样的系统，对这些振动的分析是一个求解常系数线性微分方程的问题。 如图3.4.1所示，我们考虑一个质量为\(m\)的物体附着在一根普通弹簧的一端，弹簧既能抵抗压缩也能抵抗拉伸， 阅读全文
posted @ 2026-07-28 00:18
redufa
阅读(35)
评论(0)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcP 阅读全文
posted @ 2026-07-27 16:04
redufa
阅读(26)
评论(0)
推荐(0)
摘要：
工程师适用外文微分方程书籍汇总表（含中译本、适配方向、核心亮点） 一、常微分方程 ODE 汇总表 序号 英文书名 作者 主流版本 中文译名 出版社 适配工程师领域 核心特点 1 Elementary Differential Equations and Boundary Value Problems 阅读全文
posted @ 2026-07-27 01:31
redufa
阅读(91)
评论(0)
推荐(0)
摘要：
第七节 常系数齐次线性微分方程 先讨论二阶常系数齐次线性微分方程的解法，再把二阶方程的解法推广到\(n\)阶方程。 在二阶齐次线性微分方程 \[y''+P(x)y'+Q(x)y=0 \tag{7-1} \]中，如果\(y',y\)的系数\(P(x),Q(x)\)均为常数，即\((7-1)\)式成为 阅读全文
posted @ 2026-07-26 17:10
redufa
阅读(40)
评论(0)
推荐(0)
摘要：
有阻尼单自由度系统的自由振动 目录有阻尼单自由度系统的自由振动1.过阻尼情况（\(\boldsymbol{\zeta>1}\)）2.临界阻尼情况（\(\boldsymbol{\zeta=1}\)）3.欠阻尼情况（\(\boldsymbol{0<\zeta<1}\)）附录附录1 过阻尼下公式说明附录2 阅读全文
posted @ 2026-07-25 17:54
redufa
阅读(52)
评论(0)
推荐(0)
摘要：
无阻尼单自由度系统的自由振动 无阻尼系统的自由振动微分方程为 \[m\ddot{x}(t)+kx(t)=0 \tag{1} \]设其解具有如下形式 \[x(t)=\bar{x}e^{st} \tag{2} \]其中\(\bar{x}\)和\(s\)为常量。将上式代入方程(1)得 \[(ms^2+k) 阅读全文
posted @ 2026-07-25 17:49
redufa
阅读(35)
评论(0)
推荐(0)
摘要：
LMS Test.Lab Signature 5种稳态频域平均方式汇总表 平均方式 计算逻辑 核心特点 工程适用场景 优缺点 线性平均（复数平均） 对每帧复数FFT \(X(f)\) 实部、虚部直接算术平均：\(\bar{X}(f)=\frac{1}{N}\sum_{i=1}^N X_i(f)\)平 阅读全文
posted @ 2026-07-08 14:26
redufa
阅读(57)
评论(0)
推荐(0)
摘要：
一、符号前置统一约定 \(x(t)\)：时域单通道信号；\(X(f)\)：FFT复数频谱（双边），\(X^*(f)\) 为共轭 \(N\)：采样点数，\(T\)：总采样时长，\(\Delta f=\displaystyle\frac{1}{T}\)：频率分辨率 \(E[\cdot]\)：系综平均（多 阅读全文
posted @ 2026-07-08 14:02
redufa
阅读(44)
评论(0)
推荐(0)
摘要：
\(x(t)\)：单通道时域响应；\(X(f)\)：信号单边/双边频谱（FFT结果）；\(E[\cdot]\)：数学期望；\(*\)：共轭；\(\Delta f\)：频率分辨率；\(T\)：采样时长；\(S_{xx}\)自谱；\(S_{xy}\)互谱 谱名称 英文缩写 核心定义 核心计算公式 工程用 阅读全文
posted @ 2026-07-08 13:54
redufa
阅读(71)
评论(0)
推荐(0)
摘要：
单自由度系统 z域 LSCF 拟合完整求解过程 完全对应你图中 \(j\omega\) 域的求解逻辑，将自变量从 \(j\omega\) 映射到单位圆 \(z\) 域，走完「频响生成→线性残差→最小二乘→极点反推」全流程。 前置：z域映射参数计算 沿用算例设定： 分析频带：\(\omega \in 阅读全文
posted @ 2026-07-05 04:09
redufa
阅读(23)
评论(0)
推荐(0)
摘要：
一、频点映射数值对照表 基于单自由度系统算例：分析频带 \(\boldsymbol{\omega\in[0,10]\ \mathrm{rad/s}}\)，等效映射步长 \(\boldsymbol{\Delta t=\dfrac{\pi}{10}\approx0.31416\ \mathrm{s}}\ 阅读全文
posted @ 2026-07-05 03:52
redufa
阅读(32)
评论(0)
推荐(0)
浙公网安备 33010602011771号