功能梯度材料活塞三维温度场分析

功能梯度材料零件具有单质材料零件无法比拟的理化性能优势,然而由于材料分布复杂以及对功能梯度材料本身性能研究不充分,功能梯度材料零件性能分析存在很多困难.以陶瓷纤维梯度增强活塞、陶瓷纤维非梯度增强活塞为例,应用复合材料热性能理论,采用有限元分析软件ADINA中的ADINA-T模块和结构分析模块对功能梯度材料活塞和普通活塞的温度场和热流场进行了计算分析,结果表明使用陶瓷纤维梯度层可以明显改变活塞温度分布,降低散热量,缓和由于热膨胀系数不匹配,在陶瓷纤维增强层与活塞本体交界处产生的应力.     

空间柔性机构运动可靠性分析

根据空间柔性机构运动可靠性的特点,利用浮动坐标系和模态柔性建立了柔性机构动力学微分方程, 并给出其迭代算法的数值求解方法.研究了柔性机构运动可靠性分析仿真方法,包括一次二阶矩法和高效响应面法,特别是针对空间柔性机构运动可靠性的特点,分析了以上方法的适用性.最后,应用ADAMS软件中柔性多体动力学建模、分析和仿真功能,并结合自主开发软件工具序列响应面法S RSM(Sequence Response Surfance Method),成功地对某空间展开机构的运动可靠性进行了分析仿真.      

基于结构光扫描数据点的内表面重建方法

提出基于结构光扫描获取的特征点重建物体内表面的方法.结构光扫描获取原始数据精度较高,但是存在数据密度不均的问题.通过剔除测量方向部分冗余数据点和插补扫描方向的稀疏数据,对原始三维数据密度进行适当调整,然后采用基于局部切平面簇的方法对调整后的数据点云进行表面重建.在某一特征点的邻域构造对应于该点的局部切平面,通过局部切平面簇逼近原始表面,采用Marching cubes算法提取等值面,得到三维表面重建的初始网格,根据优化算法简化网格,并采用Loop细分法平滑网格,获得描述物体表面特征的重建表面.该方法解决了由结构光扫描获取的不均匀原始数据点重建物体内表面的问题.      

设计敏度在气动弹性遗传优化中的应用

利用遗传算法和遗传/敏度混合优化算法对某复合材料机翼进行气动弹性优化设计研究,并提出在使用这两种算法时根据设计敏度信息计算设计变量的重要性指标、从而确定主要和次要设计变量、进而调整设计变量变化域的方法,以提高算法的寻优效率.研究表明:设计变量变化域的定义直接影响遗传算法和遗传/敏度混合优化算法的寻优效率,特别是单独使用遗传算法时影响程度更大;定义时应该在确保设计空间包含足够的优秀可行解的前提下,尽可能地缩减搜索空间.所提出的基于设计敏度调整设计变量变化域的方法在实际应用中能取得较好的效果:该方法既能明显提高遗传算法和遗传/敏度混合优化算法的搜索效率,又能显著增强两种算法辨识可行域的能力.      

一类线性不确定大系统的分散变结构控制

研究了具有参数摄动、关联影响和外界干扰等不确定性因素影响的线性大系统的分散控制问题,在假设系统不确定性有界且满足一定匹配条件的前提下,提出了一种分散变结构滑模控制算法,并给出了消颤方案和控制受限的解决方法.该算法结构简单计算量小,同时闭环系统具有较好的动态特性和较强的鲁棒性,数字仿真表明了该算法的有效性.      

构件可靠度与平均安全系数的研究

构件可靠度的研究是结构可靠性分析的基础,其正确的计算方法对结构的安全可靠性评定具有重要意义.以应力-强度干涉模型为基础,探讨了当构件的应力和强度按不同分布时,构件可靠度和平均安全系数的计算方法以及二者之间的关系.计算表明:当构件的应力和强度按正态分布或其它分布处理时,对构件平均安全系数的影响很小,而对构件可靠度有较大的影响.对一般构件来讲,应力和强度采用正态分布是合理的,且偏于安全;对可靠度要求很高的构件来讲,建议采用对数正态分布或威布尔分布.     

基于RBF神经网络的结构光三维视觉检测方法

研究了基于RBF(Redial Basis Function)神经网络的结构光三维视觉检测方法.该方法利用RBF网络良好的非线性映射能力以及学习、泛化能力,通过所获取的高精度的样本数据来训练RBF网络,最终建立起了用于结构光三维视觉检测的RBF网络模型.与常规方法相比,该方法不需要考虑视觉模型误差、光学调整误差等因素对视觉检测系统测量精度的影响,因而能够有效的克服常规建模方法的不足,保证了检测系统具有较高的精度.     

SMARC变形控制及神经网络建模

在复合材料层板中偏离中性层的位置铺设镍钛形状记忆合金丝,然后通电加热镍钛丝,使其在形状回复过程中产生巨大的回复力,从而使层板结构发生弯曲变形.由于形状记忆合金的非线性以及合成的智能材料结构的应力、应变分布和形状变化规律都非常复杂,尝试引入人工神经网络来建立以可控参量(电流强度)为输入变量、易测参量(稳态挠度)为输出变量的模型,所建模型的预测数据与实验数据之间符合得较好,相对误差小于9%.      

神经网络方法在太阳质子事件短期预报中的应用

在大量统计结果的基础上,深入研究了太阳质子事件预报机理．总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系．然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对2000年以后12个未参加训练的样本进行测试,结果对事件预报的准确率为83％．此外,我们还利用该模型对2002年1-4月发生的几次质子事件进行了预报试验,结果发现,这期间发生的6次事件都被预报．其中3次质子事件系统预报提前了3天,两次事件预报提前了2天,一次事件提前1天预报．