无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

Crystal orientation and morphology of a lamellae in wrought titanium alloys: On the role of microstructure evolution in b processing

To obtain high-quality aviation forgings of titanium alloys, b forging is an essential processing step which must be considered throughout a production process. In this work, the effect of b forging on the crystal orientation and morphology of lamellar a was experimentally investigated in a two-phase titanium alloy. Strong dynamic recovery during b working resulted in the formation of low-angle grain boundary(LAGBb) inside b grains. The lamellar a can penetrate through the LAGBb, leading to similar intra a LAGBs on subgrain boundaries. Deformation banding occurs at high strain rates, and both diffusive and sharp boundaries of deformation bands can be observed.A continuous change of the b orientation in diffusive boundaries results in the formation of fine and disordered a lamellae without intra-lamellar boundary to hold the Burgers orientation relationship(OR). On sharp boundaries, it is prone to producing continuous grain boundary a(aGB) with a highly similar orientation along the boundaries. Meanwhile, there may exist several lower-angle boundaries within the grain boundary a for a smoother orientation change on the b grain boundary.     

表面组装生产线的最优配置

在电子产品高速发展的时代,表面组装行业显得尤为重要,表面组装生产线的配置情况与产品的生产效率息息相关。在对表面组装生产线进行配置时需要考虑到诸多因素,包括设备的类型、组线方式及采用的工作方式等。要想实现高效生产就必须对这些因素进行系统的优化配置。     

Lorentz力的大小和作用位置对翼型绕流及升力和阻力的影响

分布在弱电介质溶液中的电磁力(Lorentz力),可以有效地控制边界层的流动,且Lorentz力的大小、方向以及作用位置可根据实际需要来调整。在转动水槽中,通过示踪粒子流场显示以及升力和阻力的测试,对Lorentz力对翼型绕流以及升力和阻力的影响进行了实验研究,并利用拟压缩方法数值求解贴体坐标中的控制方程,对实验中的相应问题进行数值研究。基于实验和计算结果,对电磁力控制时的Lorentz力的大小以及作用位置对翼型绕流和升、阻力的影响及其内在原因进行了讨论。     

流场可压缩性对涡相互作用影响的数值研究

涡相互作用作为冲压发动机喷注装置的典型抽象流动现象,研究其可压缩性影响对于认识包含化学反应的真实燃料喷射场具有一定基础理论价值。基于经过数值验证的可压缩Navier-Stokes算法与压力泊松方程初始条件设置方法研究流场可压缩性对涡相互作用演化过程的影响。结果表明,以较高涡旋马赫数表征的可压缩性在改变涡对形态的同时,具有延缓涡旋相互靠近,迟滞融合进程的作用。关于涡对系统开始融合的临界条件,可压缩相互作用开始的临界展弦比与无量纲时间相比于低速涡对明显提高。为在无量纲时间意义下统一不同马赫数涡对相互作用的进程,从涡心密度随时间变化规律出发在不可压涡对特征时间的基础上,初步构建了考虑可压缩性的时间尺度修正关系。     

基于PIV技术的单圆孔脉冲射流流场特征

对稳态射流及脉冲射流冲击靶板时的流场特性结构进行了探索和分析。采用高频粒子图像测速技术,在射流管口到冲击靶板间距为6倍管径的条件下,对稳态射流进口雷诺数为6 000的稳态射流及脉冲频率为20 Hz的脉冲射流进行了实验测量,得到了射流核心区、壁面射流区及滞止区内的速度分布。研究发现:①由于射流剪切作用的影响,脉冲射流核心区的最大轴向脉动速度为稳态射流的3倍。②滞止区内,由于射流的剪切作用和壁面的滞止作用,导致了脉冲射流轴向速度梯度最大为稳态射流的2倍,同时,滞止区内的最大脉动速度是稳态射流脉动速度的3倍。③脉冲射流对壁面的卷吸以及旋涡的产生和传播过程,破坏了壁面射流区稳定的速度边界层。相比稳态射流,脉冲射流的流场增加了湍流相干结构的含能并产生周期性的大尺度卷吸涡。     

飞机螺栓双剪连接结构有限元应力分析

为了设计更加高效和安全的航空航天结构元件,对螺栓连接进行精确的应力和应变分析是相当重要的。对飞机结构中广泛使用的铝合金7075 T6螺栓连接板进行了有限元建模,采用单螺栓和双螺母配合的双搭接连接,在建立有限元模型后,模拟施加三个不同大小的预紧力并附加不同的纵向拉伸载荷。螺栓连接中各个部件之间的接触采用三维面面接触单元来模拟,数值分析中考虑了摩擦效应,此外,还模拟了螺栓和板之间的间隙。有限元计算结果显示,由于施加预紧力而在孔边缘附近产生有益的压应力,较高的预紧力可以显著降低在孔边缘处合成拉伸应力的大小,并且在经受纵向拉伸载荷时也能够显著降低接头处的应力水平。     

压差载荷对蜂窝夹层结构分层扩展影响研究

复合材料蜂窝夹层结构随飞机起飞-巡航-降落过程中,反复经受内外压差载荷。为研究地空地压差载荷对复合材料蜂窝夹层结构中蒙皮和蜂窝之间胶接面分层扩展行为的影响,设计了可叠加压差疲劳载荷谱和压缩疲劳载荷谱的试验装置,对含预埋分层的复合材料蜂窝夹层平板开展了重复载荷试验研究,一组试验施加压缩疲劳载荷谱,另一组试验施加压缩疲劳载荷谱叠加地空地压差载荷谱。破坏试验件的剖切检查表明预埋分层沿垂直于压缩载荷方向在胶接层内扩展。在约80%极限载荷水平的压缩疲劳载荷谱下,分层初始经历一段缓慢扩展,达到一定程度后开始加速扩展直至破坏。叠加的压差载荷谱使分层扩展速率显著加快。基于试验构型的有限元仿真分析表明压差载荷作用下蒙皮与蜂窝之间的面外剥离应力是导致损伤扩展加快的主要原因。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。