不同冲击能量对层合板损伤及剩余强度的影响

基于三维逐渐损伤理论和全程分析方法,对复合材料层合板在冲击载荷及冲击后静载荷下的损伤过程进行分析,重点研究不同冲击能量对两种不同铺层参数、不同几何尺寸的T300/BMP-316复合材料层合板的损伤产生与扩展过程以及剩余强度的影响规律.结果表明:复合材料层合板存在可使其剩余强度急剧下降的冲击能门槛值.对于T300/BMP-316复合材料层合板而言,其冲击能量的门槛值介于5.0～5.5J之间;在冲击过程中,冲头下落速度具有一定的波动性,且不同铺层参数将影响冲击后复合材料层合板表面的凹痕深度.      

基于眼动数据的网络搜索行为预测方法

预测用户的网络搜索行为对改进搜索引擎和提升用户体验十分重要.现有大多数方法是基于用户的交互数据,如查询、点击和鼠标移动等.提出一种基于眼动数据的用户网络搜索行为预测方法.通过眼动实验,采集用户在网络搜索任务时的眼睛运动数据,将这些数据转化成两种数据格式:直方图和序列.直方图数据描述用户注意力的分布情况,序列数据呈现用户的扫视路径.使用4种学习算法对用户决策或用户意图进行预测,同时研究两种数据格式的性能.结果显示,两种数据格式均适合于预测用户决策,而序列数据更适合于预测用户意图.该结果表明,利用眼动数据能够有效预测网络搜索行为.      

基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

空间超高速撞击碎片云前端速度的预测模型

文章利用一组二级轻气炮发射2017-T4 铝质球形弹丸撞击6061-T6单层铝板的地面试验数据,通过选择适当的函数模型,采用多元函数拟合的方法,得到了碎片云前端速度与靶板厚度、弹丸直径和弹丸速度关系的三元二阶多项式模型。再用另外一组数据对该模型进行检验,验证了其对碎片云前端速度具有较好的预测效果。将以上两组数据同样用于建立“无量纲化”模型进行碎片云前端速度预测,并与前述多项式模型的预测结果进行比较发现,该多项式模型预测的方均根误差及平均相对误差均明显优于“无量纲化”模型。该多项式模型可用于预测空间碎片撞击航天器产生的碎片云的前端速度,有助于航天器的空间碎片防护设计。     

基于蓝牙4.0的接近度分类室内定位算法

蓝牙4.0技术已经广泛应用于手机、平板电脑等移动终端设备,使得利用其实现室内定位具有极其广阔的应用前景。通过对蓝牙4.0技术的研究,根据蓝牙4.0 RSSI损耗特征进行接近度分类,提出一种限定区域k-近邻改进算法。实验结果表明,运用优化后的RSSI指纹定位算法室内定位平均误差可达到dm级,可充分满足商用室内LBS“m级”的定位精度和“s级”响应的需求。     

中间相沥青基碳纤维表面特性和界面粘结性能

针对高模量、高热导率中间相沥青基碳纤维复合材料界面性能弱等瓶颈问题,深入研究该类纤维表面特性及其与树脂的界面粘结性能。选取3种典型中间相沥青基碳纤维,测试分析其微观形貌、表面能和极性与色散分量、表面元素种类与含量,利用微脱黏方法表征中间相沥青基碳纤维与环氧树脂的界面剪切强度。研究结果表明:中间相沥青基碳纤维表面均存在明显沟槽结构,但其呈化学惰性,选用的中间相沥青基碳纤维与环氧树脂界面剪切强度最高约为50 MPa,明显低于聚丙烯腈基碳纤维;纤维表面能越高,尤其是极性分量越高,中间相沥青基碳纤维/环氧树脂界面剪切强度越大,这些结果揭示了中间相沥青基碳纤维与树脂基体界面性能主控因素。     

一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.