脑机接口等新兴科技对传统外科重建肢体功能的启示

肢体瘫痪是人类致残的最主要原因,仅脑卒中等造成的偏瘫在我国就达两千余万患者,长期“无医可治”。中国原创的左右颈七神经交叉移位,将瘫痪上肢神经换接到同侧健康大脑,不仅偏瘫肢体功能显著恢复,更进一步更新发展了传统脑科学理论。然而对于脊髓损伤后肢体瘫痪或严重肢体残缺患者来说仅依靠医学方法尚不能有效治疗。近年来,围绕传统脑电技术发展而来的脑机接口等新兴技术衍生出的交叉学科逐渐兴起,拥有能够解决医学遗留难题的潜能,在国内外掀起一番热潮。作为国家战略需求,研究者应当抓住机会,加大力度支持跨领域、多学科融合,共同研发肢体功能重建新方案,实现新兴科技与中国原创技术融合的再次突破。     

氟橡胶低温性能改进研究进展

氟橡胶具有优异的耐油、耐高温、耐酸碱、耐高真空等性能,但由于氟橡胶分子链含有氟原子,使其极性增加、耐低温性能变差。本文从分子结构、共混、配方设计、工艺条件4个方面,综述了国内外氟橡胶低温性能改进的途径,着重分析了分子结构与共混。分子结构改进包括在主链或者侧链加入柔性基团,例如氟醚橡胶、氟硅橡胶等;共混主要是指将通过一定手段将其与低温性能较好的橡胶混合均匀。最后,提出了氟橡胶低温性能改进的发展趋势及应用前景。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法,鉴于其对隐式函数的梯度较难求解,提出了一种基于Kriging模型梯度解析解的AFOSM方法,利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解,为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合,很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性,同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

面向多种复杂零件的高精度人机协同装配系统

实现复杂三维结构体及小刚度零件的自动装配是极其困难的,为了解决此类零件难以夹持以及夹持变形的难题,分别设计了针对复杂结构的本体件快换夹持器和针对小刚度零件的气囊柔性夹持器以及针对微小平板类零件真空吸附式夹持器,并融合高精度调整技术以及合理的检测技术,设计了一台面向多种复杂零件的高精度人机协同装配系统。使用Abaqus仿真计算了气囊柔性夹持器对小刚度零件夹持变形的影响,零件特征面的弹性变形仅为1μm。通过装配间隙仅为32μm的轴孔对位装配实验,证明了该装配系统能完成零件间2μm~3μm高精度装配。该装配系统能够解放劳动力,提高生产装配的自动化。     

基于早期数据的航天测控软件缺陷预测

为提高航天测控软件的质量与可靠性,提出一种基于改进的PSO-SVM(Particle Swarm Optimization-Support Vector Machine,粒子群优化支持向量机)方法的航天测控软件缺陷预测模型。针对航天测控软件领域特征,构造了基于软件生命周期的软件度量集,并收集了实际航天测控软件的度量和缺陷数据,通过对软件历史版本数据的学习,在软件当前版本的生命周期早期数据的基础上进行缺陷预测。实例应用结果表明,采用历史版本软件数据对当前软件版本进行缺陷预测,从全局来看可达90%的预测准确度。因此,该方法可用于对航天测控软件的缺陷预测。     

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。     

变循环发动机稳态控制规律设计的新方法

变循环发动机(VCE)具有较多的可调参数,为了进行变循环发动机的多变量稳态控制规律优化设计,提出了用于变循环发动机稳态控制规律优化设计的一种新方法-逆算法。该方法基于敏感性系数矩阵,采用可调参数替换传统部件级性能计算模型中的独立变量,在给定变循环发动机主要状态参数和部件参数的条件下,实现了可调参数的求解,进一步完成发动机稳态控制规律的优化设计。对比表明,逆算法的计算精度和收敛速度与传统算法一致,收敛性得到了改善。对带有核心机驱动风扇(CDFS)的双外涵变循环发动机亚声速巡航的节流状态控制规律优化后,使得巡航推力下的安装耗油率比定几何的双外涵和单外涵发动机分别下降7.8%和16.4%,而地面安装耗油率最大降低约3.4%。结果表明,逆算法是变循环发动机稳态控制规律优化设计的一种有效途径。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。