摘要：为提高迷彩伪装图案的设计效率和环境适应性,利用背景拼接与纹理模板融合进行迷彩伪装图案的全自动化设计。通过将输入的若干背景图像自动组合为单张拼接图像,采用均值聚类法提取出背景拼接图像的主色;提出4种迷彩纹理模板自动设计方法(多圆形随机分布法、WGN傅里叶频谱法、肌理图像生成法及分层云彩法),再对所得迷彩纹理模板进行色彩聚类与色彩替换,得到最终的迷彩伪装图案。为验证设计的有效性,针对丛林虚拟场景自动生成了4种伪装图案,并进行了伪装效果的主观和客观评价。结果表明,上述方法仅需17.0~71.0 s即可完成针对目标背景的迷彩图案设计,且最优方案为基于多圆形随机分布法纹理模板的迷彩图案;本文方法相对于普通迷彩伪装,其主观评价搜索时间增加了8.1%,基于Positioning and Focus Network(PF-Net)模型的客观评价发现概率降低了45%。

摘要：为了在超高层建筑结构续建改造设计中减少已建结构的改造工程量,通过附加黏滞阻尼装置有效提高高层建筑在地震作用下的结构耗能,从而降低结构的内力和变形响应。研究了黏滞阻尼伸臂的变形放大原理,介绍了黏滞阻尼伸臂的最优布置方法,并提出了续建改造多状态矩阵,分析了续建改造项目典型驱动因素,总结了集成黏滞阻尼伸臂减震装置的超高层建筑结构续建改造设计策略,最后以工程实例验证该方法的有效性及准确性。结果表明:黏滞阻尼伸臂适用于以弯曲变形为主的超高层建筑结构,变形放大系数可近似为区格的跨度与高度之比,理论放大系数一般为2~3;采用基于阻尼耗能排序不变假定的黏滞阻尼伸臂设计方法,仅需对结构进行一次满布阻尼计算分析即可确定耗能排序及各附加阻尼方案;在以弯曲变形为主的框架核心筒结构中,阻尼伸臂布置在中、高区减震效果最好,距离该位置越远,耗能效果越差,相邻两道伸臂式阻尼提供的附加阻尼比相差约15%;在续建改造项目中布置黏滞阻尼减震系统,黏滞阻尼器提供的附加阻尼并非越大越好,存在使结构综合成本最低的集成减震设计方案;黏滞阻尼伸臂减震集成设计方法在提升结构抗震性能的同时有效降低了结构续建改造成本,具有实际工程价值。

摘要：传统状态观测器仅基于当前观测误差重构系统状态,未充分利用系统历史观测数据.针对存在匹配扰动的二阶不确定线性系统,设计一种比例-积分-时滞滑模观测器,实现不确定线性系统状态的鲁棒确切估计.首先,设计带记忆滑模函数,形式为历史观测误差和当前观测误差的线性组合,设计参数包括滑模面增益和人工时滞两部分,将滑模面中的时滞项基于泰勒级数展开,将截断误差表示为积分形式;然后,设计带记忆输出反馈等效控制律,采用时滞依赖型Lyapunov泛函,进行滑模动态指数稳定性分析和观测补偿;接着,将观测器参数设计转化为多目标优化问题,优化目标包括:系统状态衰减率、控制代价、高频噪声不灵敏度,基于粒子群算法,在上述3个优化目标间实现设计参数优化整定,在“快、准、稳”方面进行合理折衷选择;最后,在无源网络系统中,验证所提出滑模观测器的可行性和有效性.

摘要：为解决空间结构节点拓扑优化与3D打印设计制造方法参数化程度低的问题,提出了一套完整的计算机辅助设计(CAD)、计算机辅助工程(CAE)和计算机辅助制造(CAM)工作流,用于空间结构节点智能化拓扑优化设计、数值分析和3D打印制造。首先基于参数化平台Grasshopper建立空间结构节点的参数化一体化拓扑优化CAD程序,自动生成优化节点模型;利用Abaqus/CAE平台对优化节点进行有限元结构分析;通过Fusion 360的CAM模块完成3D打印设计仿真和生成制造文件。结合单层网壳和双层网架结构的节点实例,验证了提出的工作流的适用性。分析结果表明:智能生成的节点较传统形式节点更美观独特且具有轻质高强的特性,在相同受力工况下,优化节点的体积仅为传统空心球节点的40%~60%,其柔度、峰值位移和峰值应力等各项力学性能指标即可优于空心球节点;采用316L不锈钢材料,基于选区激光熔融3D打印工艺可实现该高性能节点的精密制造。

摘要：针对传统胺洗脱硫工艺中有机硫脱除效率低,溶剂开发周期长、成本高等问题,利用7种机器学习算法建立了乙硫醇溶解度的定量构效关系模型,运用SHAP方法阐释了乙硫醇的吸收机理,对备选分子库进行了虚拟筛选,识别出高效吸收脱除乙硫醇的溶剂。基于COSMO-RS模型计算了14732种溶剂的乙硫醇溶解度,这些分子覆盖了广泛的化学空间;XGBoost算法在预测乙硫醇溶解度方面表现最佳,该算法的R^(2)_(test)为0.66,RMSE为1.22,MAE为0.84;分子结构的复杂程度、共价键分布、电荷分布是影响乙硫醇溶解能力的关键因素;确定了4种候选溶剂:3-乙氧基丙胺、3-二乙胺基丙胺、1,4-二甲基哌嗪和3-丁氧基丙胺;平衡溶解度测定实验的结果表明3-丁氧基丙胺的乙硫醇吸收性能最优,亨利常数为37.34kPa。

摘要：针对目前工程竹材炭化性能研究中存在的受火时间较短、灭火不及时等不足,通过8根四面受火工程竹柱炭化性能的对比试验,研究了材料类型、截面尺寸、受火方向、加工工艺和受火时间等因素对工程竹材炭化性能的影响。结果表明:工程竹材炭化后截面基本可分为3个区域,即炭化层、高温分解层和常温层;四面受火工程竹材角部区域由于双向受热而由棱角变为弧形;工程竹材炭化速率随受火时间增加略有减小,截面尺寸较大的试件炭化速率略小;相同条件下的重组竹试件炭化速率显著低于胶合竹;横纹径向炭化速率略大于横纹切向,当受火时间较长时差异不明显;一次成型的重组竹炭化性能略优于二次成型的重组竹。提出了工程竹材炭化性能数值分析模型,可快速模拟工程竹材的炭化性能,炭化速率模拟的误差均在10.2%以内,满足工程精度要求。提出的计算模型可较准确地计算工程竹材的炭化深度。根据明火试验和数值模拟结果,建议工程竹结构防火设计时胶合竹和重组竹燃烧1.00 h的名义线性炭化速率可按T/CECS 1101—2022《工程竹结构设计标准》的规定取值,即胶合竹构件的名义线性炭化速率为54 mm/h,重组竹构件的名义线性炭化速率为30 mm/h。

摘要：研究欺骗攻击影响下的区间二型T-S模糊系统的高效模型预测控制(efficient model predictive control,EMPC)问题.考虑到数据从传感器节点传输到控制器节点受到欺骗攻击的影响,设计一种EMPC框架下基于状态观测器的输出反馈控制器.首先,针对能量有界的欺骗攻击,构建辅助优化问题,离线求解终端约束集以及满足系统H2安全的固定反馈控制增益和观测器增益;其次,引入摄动量提供控制自由度,离线求解增广系统的不变集,通过最大化该不变集在原状态空间的投影得到初始可行域;然后,在线优化摄动量得到满意的控制律,确保系统在欺骗攻击影响下的安全性;最后,给出所提出的EMPC算法理论可行性和系统安全性的证明,并通过仿真实例验证所提出算法的有效性.

摘要：基于固体电解质(SSE)的固态锂金属电池可以同时实现电池的高能量密度和高安全性而成为储能领域的研究热点。固体电解质主要包括聚合物固体电解质和无机固体电解质两大类。聚合物固体电解质柔性好、成本低其易加工,但其室温电导率通常较低;无机固体电解质室温电导率较高,但其制备工艺复杂、成本较高,而且其硬度较大导致与电极界面相容性差。发展有机-无机复合固体电解质可以有效综合两者的优势,因此被认为是最有大规模实际应用前景的材料之一。科研工作者提出了多种复合固体电解质结构设计的有效策略,主要包括低维无机填料改性、三维无机填料改性以及电解质多层复合。同时,为了实现高能量密度固态电池的构建,固体电解质超薄结构设计是必然选择。综述了近些年来有机-无机复合固体电解质的研究进展,重点阐述复合固体电解质的结构设计及其电化学性能,并对其未来发展方向进行了展望。

摘要：绝缘状态在线监测是提高变频电机可靠性的有效手段。在高速PWM开关暂态激励下,电机绕组漏感与内部分布电容发生谐振会产生几十至几百k Hz的电压振荡,威胁绕组内部绝缘安全可靠运行。该文利用逆变器自激高频开关振荡在线监测绕组内部绝缘状态。为避免开关振荡多模态混叠并提高状态监测灵敏度,提出一种基于中性点对地电压高频开关振荡的绝缘在线监测方法。首先,分析变频电机共模电压激励特性;然后,研究中性点对地电压高频开关振荡的形成机理与特性,从理论上推导出振荡频率与绕组内部绝缘电容状态之间的关系。设计绕组内部绝缘在线监测方案,包括开关振荡频率提取以及内部绝缘状态评估等。最后,通过热疲劳与老化模拟等实验对该方法的可行性与有效性进行验证。结果表明,该方法能有效监测变频电机内部绕组绝缘状态的微弱变化,具有信噪比高、工况鲁棒等优点。

摘要：随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如能源、计算单元和存储单元等)受限的边缘设备上执行深度神经网络低能耗、低开销的优势.然而,之前的关于随机计算的工作都仅仅设计一组模型配置并在固定的硬件配置上实现,忽略了实际应用场景中硬件资源(如电池电量)的动态改变,这导致了低硬件效率和短电池使用时间.为了节省电池供电的边缘设备的能源,动态电压和频率调节技术被广泛用于硬件重配置以延长电池的使用时间.针对基于随机计算的深度神经网络,创新性地提出了一个运行时可重配置框架,即RR-SC,这个框架首次尝试将硬件和软件的重配置相结合以满足任务的时间约束并最大限度节省能源.RR-SC利用强化学习技术可以一次性生成多组模型配置,同时满足不同硬件配置(即不同的电压/频率等级)下的准确率要求.RR-SC得到的解具有最好的准确率和硬件效率权衡.同时,多个模型配置运行时在同一个主干网络上进行切换,从而实现轻量级的软件重配置.实验结果表明,RRSC可以在110 ms内进行模型配置的轻量级切换,以保证在不同硬件级别上所需的实时约束.同时,它最高可以实现7.6倍的模型推理次数提升,仅造成1%的准确率损失.