电子束熔丝增材随行退火系统及均匀面热源扫描

在电子束熔丝沉积增材制造过程中,采用电子束对零件成形区域进行扫描并控制热输入,可以改善零件的温度分布,实现随行退火,达到减小应力和控制变形的目的.采用工控机、波形发生卡、扫描线圈及其驱动电路,以及动态聚焦线圈及其驱动电路搭建了电子束高速扫描系统,实现了电子束高速扫描及动态聚焦等功能.基于LabVIEW开发了随行退火扫描...     

极值搜索算法的研究与进展

回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。通过其应用实例说明,极值搜索算法能够解决航空控制、工业生产中的一些关键技术问题,因而有必要深入研究极值搜索算法。     

保持弱细结构特征的SAR图象模拟退火重构方法

模拟退火 ( SA)算法最先由 White R G.用于合成孔径雷达 ( SAR)图象的降斑处理。该算法在重构均匀区域和强结构区效果有很大提高 ,但也有缺点 ,尤其是过分模糊弱细结构。本文提出了一种改进的方法 ,在 SA算法中融入了边沿检测和增强步骤 ,使弱细结构得以增强并在退火过程中保持。为配合此方法 ,采用平稳下降的指数温度规划取代对数形式。通过仔细调整算法过程 ,可使新方法保留 SAR图象中的很多细小结构 ,而不使其他均匀的和强结构场景性能恶化 ,同时也没有引入其他缺陷。改进的算法更加适于中、低分辨率的 SAR图象降斑处理     

基于探索区域扩张策略的Q-学习算法

针对Q-学习算法中探索与利用之间的平衡问题，在基于Metropolis准则的Q-学习的基础上，提出了基于探索区域扩张策略的Q-学习改进算法。消除了初始时刻在整个环境中加入探索的盲目性。提高了学习效率。通过加入算法的自主学习结束条件，避免了找到最优路径后的重复学习，节省了学习时间。仿真实验证明了该算法的有效性。     

40CrMnSiMoVA钢等温淬火复合组织与韧性

 <正> 合理利用复合组织是实现超高强度钢强韧化的主要途径之一。文献[2]报道了复合组织的冲击韧性α_k随下贝氏体量的增多而升高,但其断裂韧性K_(IC)却比任何一种单一组织都低。超高强度钢的α_k值和K_(IC)值随下贝氏体量增多呈现不同变化的原因,尚未见报道。本文拟通过对40CrMnSiMoVA钢的等温淬火处理,来研究其复合组织与强韧性间的关系。     

模拟退火算法中的退火策略研究

退火策略是模拟退火算法中的重要一环,本文将研究退火策略对模拟退火算法的影响问题,给出了MATLAB语言程序,典型复杂函数优化的仿真表明退火速率应适中。     

遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

基于改进的粒子群优化算法的无人作战飞机航路规划

事先针对敌方防御区内的威胁部署和目标的分布情况,对无人作战飞机的飞行航路进行整体规划设计,可以综合减小被敌方发现和反击的可能性、降低耗油量,从而显著提高UCAV执行对地攻击(或侦察)任务的成功率.在对粒子群优化技术研究的基础上,将一种用于解决TSP的PSO算法加以改进,引入模拟退火的策略思想,借以克服PSO算法易陷局部最优的早熟现象,并在UCAV航路规划中加以运用.仿真实验表明,该算法简易而有效,用其优化出的航路能够满足UCAV飞行任务规划的需要.     

集合划分问题的蚁群算法

集合划分问题是一个典型的NP完全问题,建立了集合划分问题的优化数学模型,采用蚁群算法解决了此问题.对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则.与贪心法作了比较,结果表明该方法比较有效.     

EB-PVD热障涂层等温氧化过程中的界面韧性变化

用压入法测试了电子束物理气相沉积热障涂层在1100℃等温氧化过程中的界面韧性,该热障涂层体系的界面韧性(Гi)在38～45J m2之间。在等温暴露过程中,界面韧性Гi变化较小;但由于TGO增厚引起涂层的弹性应变能(G0)快速增长,使得归一化的界面韧性(Гi G0)随暴露时间而急剧降低,逐渐趋于1。结果表明,粘结层的热生长氧化物(TGO)的增厚是热障涂层失效的一个重要原因。