摘要：为了更好地揭示三周期极小曲面(TPMS)结构设计与力学性能参数之间的对应关系,研究了螺旋二十四面体Gyroid结构(GCS)不同网格参数的数值收敛性和不同排列方式的力学性能。设计了体积分数和胞元尺寸固定的GCS试件;基于单元参数变化的体素化模型,使用有限元方法对GCS进行收敛性分析;通过试件拉伸试验验证了仿真的正确性;最后以拉伸和弯曲工况研究了GCS在不同排列形式时的力学性能差异。研究结果表明:仿真分析与试验之间的抗拉强度、极限载荷误差在1.5%以内;基于体素化方法,调整雅可比参数值可显著降低收敛时的单元数量。对变厚度GCS力学性能做了定量分析,拉伸工况中,针对4×4×4结构,其等效弹性模量沿厚度方向变化最大可达14.41%;弯曲工况中,针对20×4×4结构,等效弹性模量最大差距为21.25%。

摘要：针对基于近似模型的涡轮叶片设计过程中一次性建模方法未能充分利用样本点信息导致近似建模精度较低的弊端,提出了基于积分均方误差(Integral mean square error,IMSE)减小的序贯建模方法。以随机克里金模型(Stochastic Kriging,SK)作为近似模型考虑响应不确定性的影响,并通过添加使近似模型IMSE期望减小最大的样本点序贯更新近似模型。“克里金信任”(Kriging believer)策略被应用于序贯选取样本点优化问题的求解过程,以减小仿真成本。选用了一个数值算例和涡轮叶片力学性能预报工程算例验证所提出方法的性能,结果表明,所提出的方法与一次性建模方法相比,在相同仿真成本下能构建全局和局部精度更优的近似模型。

摘要：变可信度近似模型通过融合不同精度分析模型的数据,可有效平衡近似模型预测性能和建模成本之间的矛盾,在复杂装备优化设计中受到广泛的关注。综述变可信度近似模型及其在复杂装备优化设计中的应用研究进展。概述三类常用变可信度近似建模方法的基本思想,并介绍变可信度近似建模方法研究的最新进展。回顾面向变可信度近似模型试验设计方法的发展现状,包括一次性试验设计方法和序贯试验设计方法。综述直接影响变可信度近似模型优化设计求解精度和效率的两类近似模型管理策略,探讨基于变可信度近似模型的智能优化和可靠性/稳健性优化这两个领域前沿问题。归纳总结变可信度近似模型应用于复杂装备优化设计的现状。针对变可信度近似建模及其优化设计给出了一些应用建议,并指出未来值得深入研究的方向。

摘要：针对自动驾驶货车相较于普通乘用车具有较大模型不确定性、执行器偏差以及存在曲率扰动等外部影响因素导致路径跟踪精度不足问题,本文提出一种基于鲁棒模型预测控制(robust model predictive control,RMPC)的分层式控制方法。首先,在转角增量式控制误差模型的基础上,根据实际车辆系统与标称模型之间的偏差,设计鲁棒控制律并构建上层多目标约束RMPC控制器,提高跟踪精度。然后,针对自动驾驶货车不足转向以及定位误差问题,设计下层转角补偿器和基于中值滤波的状态估计器,改善执行响应,提升车辆稳定性。最后,通过TruckSim/Simulink联合仿真和实车试验验证,结果表明:所提出的控制方法能够有效处理模型失配和不确定性扰动,具备良好的鲁棒性和适应性。

摘要：局部和全局特征提取在车道线检测任务中扮演着重要的角色。针对现有的基于激光雷达的车道线检测算法局部特征提取层次单一和全局特征利用不充分的问题,提出一种基于自适应门控的双路激光雷达三维车道线检测算法。首先,通过全局特征金字塔结构,使网络提取具有全局相关性的多层次车道线特征;其次,引入双路结构,其中辅助通路将底层高分辨率纹理特征压缩到高级抽象语义特征从而降低计算复杂度,压缩的语义特征用作另一个构建的主通路的先验信息,帮助学习更加精细的底层纹理细节,并借助高效移动卷积模块,在缓解注意力窗口效应的同时产生更好的下采样特征;最后,设计一种自适应多阶门控模块来更好地利用上下文信息,使网络自适应捕捉车道线更具代表性的全局纹理及语义特征。在K-Lane数据集上的实验表明,所提算法F1分数较主流模型提升2.6个百分点,在不良光照、严重遮挡条件下分别提升2.7个百分点和3.5个百分点。将算法部署在实车平台实现在线检测,验证了算法的工程实用价值。