锂离子电池单离子导体聚合物电解质研究进展

锂离子电池在3C电子产品和动力汽车电池行业广泛应用,在航天电源领域也展现出一定的前景。单离子导体是基本仅由参与电化学反应的锂离子迁移的电解质体系,解决传统锂离子电池液态电解质存在的副反应和阴离子的浓差极化等问题,改善电池的库伦效率和循环寿命。研究者们发展了多种类型的单离子导体电解质。本文总结了近5年来不同阴离子类型的单离子导体聚合物电解质合成策略以及分子动力学模拟计算的最新进展。     

内连导线线宽对沿晶微裂纹演化的影响

基于应力诱发表面扩散的经典理论,用有限元法模拟了线宽对铜内连导线中沿晶微裂纹演化的影响。数值模拟结果表明:随着线宽的减小,椭圆形沿晶微裂纹存在分节与不分节两种演化分叉趋势,且演化分节存在临界线宽珔hc;当珔h≤珔hc时,沿晶微裂纹分节成3个新的沿晶微裂纹;当珔h珔hc时,沿晶微裂纹圆柱化。沿晶微裂纹分节时间^tf随线宽的减小而减小,即减小线宽会加速微裂纹分节。临界外载珋σc与临界形态比βc随线宽的减小而减小,即减小线宽有利于沿晶微裂纹分节。临界外载和临界形态比随晶界能与表面能比值的增大而减小,且沿晶微裂纹比晶内微裂纹更易发生分节。     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。     

树脂基复合材料增韧的新途径——相迁移增韧技术

对复合材料常用增韧技术的特点进行了综合分析,在此基础上提出了一种全新的树脂基复合材料增韧技术——相迁移增韧,在大幅提高复合材料韧性的同时,又保持了预浸料良好的工艺性,经在环氧和双马复合材料体系中的工程化应用,表明相迁移增韧技术是树脂基复合材料增韧的一个有效途径。     

热斑迁移路径分析方法

首先进行了带进口热斑的涡轮级S₁流面非定常计算.在此基础上,通过一些假设条件,提出分段计算和积分计算两种简化的热斑迁移路径分析方法.与非定常计算结果的对比表明:这两种方法在预测热斑迁移路径上具有较高的精度,对热斑通过涡轮级的周向偏移量计算偏差在1°以内.      

地面数字电视基带调制器芯片电源网络设计

对IR-drop和EM现象进行了解释和分析,结合地面数字电视基带调制器芯片的设计,将标准单元区域简化为电源电阻网络进行建模,根据模型计算出最大电压降,在保证最大电压降区域能够正常工作的基础上,简单有效地设计了标准单元模块区域的电源网络,最后在考虑到宏模块电源环压降的前提下,将宏模块区域转化成标准单元区域进行建模,完成了整个芯片的电源网络设计.此方法运用于早期布局,确保电源分配的可靠性,提高设计效率,通过地面数字电视多媒体广播的全模式发射端芯片的流片成功和功能的实现,证明了该方法的实用性和有效性.     

针对超临界翼型气动修型策略的强化学习

强化学习是一类用于学习策略的机器学习方法,通过模拟人的学习过程,与所处环境不断交互来学习动作策略,用以获得最大累积回报。以设计师在翼型气动设计中的增量修型过程为例,给出强化学习在气动优化设计中的要素定义和具体算法的实现。研究了预训练中选择不同示例对预训练和强化学习结果的影响,并将强化学习得到的策略模型在其他环境中进行了迁移测试验证。结果表明,合理的预训练能够有效提高强化学习的效率和最终策略的鲁棒性,且所形成的策略模型具有较好的迁移能力。     

控制器故障下的软件定义机载网络数据平面迁移策略

软件定义网络（SDN）为突破机载网络功能僵化所造成的瓶颈提供了新的契机。针对软件定义机载网络控制域内控制节点故障问题,提出一种基于时延和负载均衡的传输节点迁移策略,将故障控制节点所管控数据平面中的传输节点迁移至其他正常控制节点,恢复网络的正常管控。以迁移时延和负载均衡率为目标,建立迁移优化模型,提出基于时延和负载均衡的传输节点迁移算法,指导数据平面中的迁移动作,最终对两个性能目标进行综合权衡。实验结果表明,与距离就近迁移（DCM）策略和分布式逐跳（DHA）策略相比,所提策略在迁移时延和负载均衡率2个方面进行了合适的折中,避免出现迁移时延过大或控制节点负载失衡的情况,有效解决机载网络故障恢复问题。     

基于轻量级卷积神经网络的人证比对

在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。     

微重力池沸腾中的气泡和传热行为数值模拟

基于标准动量传输方程、连续性方程以及能量方程,建立了单个气泡的二维数值模型,考察了微重力过冷核态池内沸腾中的气泡动力学和传热行为.在动量传输方程中耦合了表面张力和Marangoni力,连续性方程和能量方程中耦合了相变效应,考虑了加热面上过热液体层的影响,并引入相场函数捕捉气液界面的动态变化.结果表明:气泡在生长过程中,形状由最初的半球形变为椭球形,最后变为脱附时的梨形;气泡在加热面上自由迁移,呈非轴对称结构,并且气泡上部的温度场呈现为蘑菇云状;气泡的脱附直径正比于g-0.488,脱附周期正比于g-1.113,加热面上的平均热通量正比于g0.229.