基于多线性本构与损伤耦合的叠层陶瓷基复合材料数值预测方法

本文提出一种用于预测复杂应力状态下叠层C/SiC损伤破坏的有限元渐进损伤方法（FE-PDM），并提出与试验载荷—位移曲线、损伤等进行对比、迭代并最终确定模型参数的反演方法。FE-PDM方法包括基于应变控制的3D失效准则，正交各向异性多线性本构关系，基于刚度矩阵的损伤因子耦合方法，以及预测分层的内聚力方法。通过2D叠层C/SiC的面内拉伸、面内剪切、三点弯曲试验分别验证了FE-PDM方法，并分别采用扫描电子显微镜及X射线技术对试样断口形貌和内部损伤进行了分析。结果表明，通过较少的控制参数，FE-PDM方法可精确地预测2D叠层C/SiC各阶段的应力—应变曲线拐点、损伤起始与演化过程及载荷—位移响应曲线等，并与试验结果吻合良好。     

基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷，本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法，更加符合局部未知环境下无人机路径规划的要求，并针对复杂未知场景中无人机避障问题，提出了基于A^*算法和改进VFH算法的避障算法。首先，无人机根据全局已知障碍物信息，基于A^*算法构建目标航路点；其次，在目标航路点不可达的情况下，无人机根据运动状态与激光雷达探测到的地形信息，基于改进向量场直方图算法进行局部规划。在局部规划中，针对传统VFH算法存在的缺陷进行了改进：针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱，本文提出陷阱检测机制的VFH算法，动态选择历史信息增强向量场直方图算法的记忆性，无人机可自主检测陷阱并及时跳出；针对向量场直方图算法的阈值敏感性问题，设计了动态阈值更新策略，使得无人机能够在复杂或稀疏的障碍物环境中，动态平衡避障安全性和抵达目标的时效性。最后，通过对比仿真验证了算法的有效性，为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

先进复合材料将成为卫星结构的主要材料

本文介绍了卫星结构材料的基本要求,对先进复合材料在卫星结构中的应用概况作了简述,指出今后一段时间里,卫星结构材料主要是高模量碳纤维复合材料。与此同时,对本单位复合材料研究与应用概况作了简介。