美善品移动智能厨房 百变料理尽在弹指之间

<正>近日,来自德国风靡全球的thermomix美善品多功能食品料理机在沪上发布。该款堪称全世界最小的无油烟智能移动厨房,由德国原装进口,采用全球领先科技,触屏式一键操控,带来全新的引导式烹饪体验,宣告数字化厨房时代的到来!在发布会现场,德国福维克集团美善品全球首席执行官Dirk Reznik、美善品亚太区业务发展总监及美善品中国事业部销售总监Fredrik Lundqvist接受了本刊专访。     

粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

基于智能优化算法和有限元法的多线圈均匀磁场优化设计

针对多线圈均匀磁场优化设计中的高阶求导及优化结果可信度评估问题,提出一种基于智能优化算法和有限元法相结合的多线圈均匀磁场优化设计方法。首先,确定待优化参数,并以磁场偏差率作为目标函数;然后,采用智能优化算法对目标函数进行寻优;最后,基于优化得到的结构参数,建立相应的有限元仿真模型,检验优化结果的可信度。以2组亥姆霍兹线圈的结构参数优化为例,仿真结果表明,本文方法求得的最优参数优于传统的求导方法寻优得到的参数,且经过有限元法检验后,该优化结果的可信度得到了确认。      

埋入式光纤应变传感器

埋入式光纤应变传感器是近年来随着智能复合材料的发展而发展起来的一项新技术，将传感器和致动器埋置于复合材料中，就形成了智能复合材料，而光纤传感器具有尺寸小重量轻的特点，当把它们直接埋置于复合材料中时，它们也能在恶劣的环境下工作，它们的这些特点晨常适合于制作埋入式传感器，并且能大大提高智能复合材料在航天等方面应用的潜力，本文仅对智能复合材料中的光纤应变传感器进行了探讨，介绍了几种常见的埋入式光纤应变传     

基于MAS和RL的舰船设备协同控制方法

在构建舰船设备协同控制多智能体系统(MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律,为了有效地发现和消解这些问题,引入智能控制解决方案和强化学习方法,能为MAS系统的构建提供有效的技术保障.本文提出了基于强化学习(RL)算法即改进的遗传算法并辅之以贝叶斯学习算法,来解决舰船MAS中各Agent中的任务分配问题、实现设备协同控制的优化和学习,并以舰船运动目标下的设备协同控制来具体验证上述算法,从而体现舰船运动控制MAS的可行性.     

智能桨叶振动自适应控制研究

以德国宇航研究院的智能桨叶为原型，研究了智能桨叶振动控制的实时仿真。以两台高速信号处理器（ＤＳＰ）为核心，辅以其他器件，构造智能桨叶振动控制实时仿真系统。其中一台ＤＳＰ用于智能桨叶动态特性的实时在线模拟，另一台用于实时控制。所提出的采用ＭＸ滤波器模拟智能桨叶的动态特性和反馈与自适应前馈组合控制方法均由专用汇编程序实现。在此系统上实现了对智能桨叶在４Ω、８Ω（Ω为旋翼转速）谐和激励下桨叶振动的控制，     

SMART STRUCTURES USING PIEZOELEMENTS FOR ACTIVE VIBRATION AND NOISE SUPPRESSION IN AVIATION AND AEROSPACE

具有减振降噪功能的压电智能结构是智能材料与结构的一个重要分支。在航空航天领域存在一些典型结构,如飞机机舱、空间站、卫星太阳能帆板和通讯天线以及直升机旋翼等,其振动与辐射噪声造成很多不利影响。为了研究这些结构的振动与噪声控制方法,制作了几个实验模型如大型薄壁复合材料圆桶、柔性梁、钢架及旋翼系统模型,通过压电传感器、驱动器布置数量和位置的优化,采用不同的控制算法,在基于个人计算机的测控平台上进行了振动控制实验,取得了明显的减振降噪效果。     

智能结构技术综述

对智能结构及其分类、技术基础、工作机理等,做了论述,阐述了智能结构技术现状和发展趋势。强调了主动结构的设计概念。指出智能结构的时代即将来临。     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.