摘要：以飞机刹车装置为研究对象,对飞机刹车诱发振动问题进行了研究。针对飞机滑跑过程中的复杂制动环境对盘面摩擦特性影响,建立了考虑液压系统及盘面材料属性的刹车盘组非线性动力学分析模型,且为新材料技术的发展预留了模型接口。从实际工程应用价值出发,以机轮速度、液压系统等效阻尼、刹车盘面阻尼、盘面摩擦特性几类关键因素为控制变量,利用数值仿真与分岔理论等非线性分析手段研究了上述参数对系统稳定性的影响,并确定了使系统保持稳定的结构参数范围,方便对结构进行参数化快速分析设计。基于模型分析的结果,揭示了刹车振动产生的部分原因,从结构参数和刹车控制律两方面针对性的提出了对应的减振优化措施,进而形成了完整的飞机刹车诱导颤振的分析方法,为飞机制动器设计初期提供了理论参考依据。

摘要：为了解决时序数据间分布不一致的问题,使模式分析更容易应用于其他数据,提出基于迁移学习的交互式时序数据可视化生成方法,将迁移成分分析应用于时序数据提取的特征.将用户在其中一个时序数据上的分析作为标签,在该源域上训练分类器并应用到多个目标域,对多个不同目标域的时序数据的模式进行批量推荐.通过真实的天气数据和轴承信号数据的2个案例分析和专家访谈,验证了利用该方法能够提高时序数据探索的效率,减少数据分布不一致问题带来的影响,体现该方法的有效性和实用性.

摘要：特性黏度是衡量聚酯熔体质量的关键指标,对其进行精准预测有利于提前发现聚酯熔体潜在的质量问题,及时调整工艺参数,减少企业损失.考虑到聚酯熔体生产过程的数据不完备性、数据时序性以及高维冗余性,提出了不完备数据下聚酯熔体的特性黏度预测方法.针对聚酯熔体极端生产环境造成的数据不完备问题,设计了以卷积神经网络判别器和注意力长短期记忆神经网络生成器为架构的缺失数据生成对抗网络(MDGAN),通过对抗生成机制实现了缺失数据的填充.针对聚酯熔体生产过程中高维冗余和时序双向因果特性,设计了基于极端梯度提升双向门控循环单元(XGBoost-BiGRU)的特性黏度预测模型,通过极端梯度提升算法进行特征筛选,获取预测模型输入变量,再利用双向门控循环单元捕捉数据的时序双向因果关系,实现特性黏度的精准预测.浙江某聚酯纤维生产企业的实际数据测试结果表明,MDGAN算法在不同缺失率数据集下的填充精度均优于KNN、RF、MICE、GAIN数据填充算法,XGBoost-BiGRU特性黏度预测方法较STL-GPR、CAGRU、BiGRU算法优势显著,结合MDGAN的特性黏度预测方法能有效解决数据不完备下的聚酯熔体特性黏度预测问题.

摘要：为解决空地网络中地面设备数量变化引起的用户体验质量无法满足的问题,提出了一种智能网络资源分配与多无人机基站动态部署方案。首先,考虑用户体验质量和无人机、地面设备能量约束,以最小化系统总能耗为目标进行问题建模;其次,将多无人机的动态部署问题转化成具有连续动作集的马尔可夫决策过程,并根据优化目标设计了基于能耗惩罚的奖励函数;然后,采用基于确定性策略梯度的深度强化学习算法求解此问题;最后,通过仿真和对比实验验证所提方案的有效性和优越性。实验结果表明:对于海量用户场景,所提算法比深度强化学习和演员-评论家算法有更好的收敛性和更高的累积奖励,与单无人机和传统地面基站部署方案相比,所提方案系统的能耗降低约30%~40%,用户服务质量满意度提升约50%~60%。

摘要：针对现有低频噪声控制的迫切需要,提出了一种高阶微穿孔型超材料结构,解释了其低频宽带吸声机理,并设计了新型的高阶微穿孔型低频宽带吸声超材料,在300~3 000 Hz的频率范围内表现出连续优异的吸声特性。设计了单个单元的吸声结构,通过在传统的微穿孔超材料内部增加穿孔板的方式,激发高阶特性,对比发现,高阶微穿孔型超材料实现了对高阶峰值的灵活调整。使用理论公式和有限元仿真,建立单元结构的计算模型计算单元的吸声系数,对结构进行吸声机理分析,同时分析了典型结构参数对于吸声特性的影响规律;在此基础上,通过单元间的严格耦合,设计了一种9单元宽带吸声结构,并进行实验验证。实验结果表明,该材料总体厚度为106.1 mm,在300~3 000 Hz的频率范围内获得了连续优异的带宽,平均吸声系数达到90%以上。该结构具有亚波长厚度的低频宽带吸声特性,在汽车、飞机、轮船等噪声环境中,具有广阔的减震降噪的工程应用前景。

摘要：为了明确极区直立宽大结构局部冰压力幅值及压力面积曲线的影响因素,本文首先对ISO 19906规范中的局部冰压力计算方法进行了分析,发现其局限性较大。其次,基于离散元方法模拟不同海冰条件与多种尺度结构的相互作用,发现局部冰压力幅值随冰厚的增大而明显增大,随结构宽度的增大而减小;局部冰压力幅值及其标准差随宽厚比的增加而减小,表现出明显的尺寸效应。最后,采用方形区域平均法研究了冰厚和宽度两种尺寸因素对压力-面积曲线参数的影响,选取某种相似工况与ISO规范进行对比。验证了离散元模拟方法处理局部冰压力-面积曲线的合理性,可为平台的抗冰性能分析和结构设计提供一定依据和参考。

摘要：矿山生态环境监测与治理是国家生态文明建设和“双碳”目标下的重中之重,其信息化、智能化建设在新一代信息技术革命的助推下成为数字中国建设的重要一环,也是当下时代发展的必然趋势。然而,现有矿山生态环境监测系统仍然停留在单一专题、要素不全、基础量测、本地管理的初级阶段,无法满足现实环境中对矿山生态环境多要素、长时序、高频次监测与分析的需求。基于此,提出一种B/S架构下的矿山生态环境定量遥感监测与智能分析系统——矿山生态天眼,并详细介绍了其研发需求、技术架构、关键技术及核心功能。系统依托卫星遥感技术及其他监测手段,获取并聚合不同来源、信息丰富的矿山生态大数据,形成矿山分布一张图和数据资源服务;进而基于定量遥感反演矿山生态环境各生态参数,形成一套长时序、多要素的矿山生态监测产品,涵盖人类活动、自然地理条件和“植−土−水−气”各生态要素;在此基础上,系统提供GIS时空分析、统计分析及综合定量评价等工具集,分别实现对矿区土地利用、归一化植被指数(NDVI)等参数伴随采矿活动在空间上的变化监测,对土壤含水量、水体悬浮物浓度等生态要素历史统计值在不同时空位置和区域下的查询与可视化,对顾及多项生态因子的矿山生态环境质量综合定量评价,并最终形成矿山生态扰动与治理监测报告。矿山生态天眼的应用将服务于矿山生态环境全过程变化监测、数据管理、智能分析和决策应用,有望提高矿山生态环境监测与治理的效率和智能化水平,为推动生态文明信息化建设提供参考方案。

摘要：煤矿粉尘质量浓度精准测量是粉尘有效控制的重要前提。传统离线滤膜采样称重法测量周期长、操作繁琐,直读式光吸收/散射测量方法易受环境条件和粉尘性质影响。鉴于此,自主开发了基于振荡天平原理的矿工个体粉尘连续监测仪。通过有限元仿真探讨了振荡元件不同特性对振荡系统响应频率及质量灵敏度的影响,并采用最优梯度优化算法设计了振荡元件材料与形状,制造了一种具有高稳定弹性模量的振荡管,其频率温度系数为3×10^(-5)Hz/℃,受温度影响极小,保证了振荡频率在外界环境温度条件变化时的精确测量。开发了振荡天平质量传感器,设计了数字化自激振荡闭环控制电路,实现了谐振频率的自动控制以及实时输出,传感器质量灵敏度约为1 mg/Hz,质量检测限约为2μg。最终,通过集成呼吸性粉尘采样头、总尘采样头、伴热管、质量传感器、气泵、流量控制与温湿度/压力传感器等部件,研制了国内首款基于振荡天平原理的矿工个体粉尘连续监测仪,粉尘平均质量浓度检测限为0.035 mg/m^(3)。该仪器能够连续提供监测信息,包括当前时刻总尘或呼吸性粉尘质量浓度及当日累积职业接触暴露浓度。该仪器已在某煤矿现场应用,与传统滤膜采样称重法同步对比,2者相对误差仅为5%,表明该仪器可以实现煤矿粉尘质量浓度的快速精确测量,有望替代离线滤膜采样称重法和直读式光学测尘仪。

摘要：智能化采煤机是煤矿综采工作面的关键装备。受智能化采煤机隔爆电控箱内部空间限制,其内部电子电气器件、变频器动力电缆和总线存在混合布线情况,所形成的电磁干扰严重影响了采煤机总线通讯的稳定性和可靠性。随着装机功率持续增加和采煤机智能化需求越来越高,智能化采煤机电气及控制系统总线面临的电磁干扰愈发严峻。目前采煤机电控箱内布线工艺主要以经验为主,缺乏针对智能化采煤机电控箱内电磁环境的有效仿真手段和电控箱内线场传输耦合模型的研究,尚不能为智能化采煤机控制系统总线抗干扰能力提升提供技术支撑。因此,如何有效抑制电磁干扰并优化布线工艺,提升总线通信的稳定性,已经成为智能化采煤机亟待解决的重要问题。针对智能化采煤机总线抗干扰技术的需求,建立了智能化采煤机电控箱内动力线缆辐射干扰模型,提出了输出动力线缆电磁辐射快速估计方法,分析了变频器输出动力线缆所产生的电磁辐射受开关频率、输出电压及启动状态的影响;建立了基于双导体传输线的采煤机CAN总线串扰特性分析模型,提出了基于串扰影响因子的采煤机CAN总线串扰估计方法,研究了总线受串扰影响程度与布线距离、线缆类型及距地高度等的关系。基于上述理论分析设计了智能化采煤机电控箱总线抗干扰优化布线工艺,研发了采煤机总线抗干扰测试可视系统。为了验证所提采煤机布线工艺优化方法的可行性,设计并开展了电控箱布线优化前后的总线干扰测试实验,结果表明:优化前后CAN总线数据帧波形的偏差程度分别为0.1493和0.0305,受扰率分别为56.07%和35.33%。

摘要：在卫星边缘计算网络中,当过多用户通过同一信道接入卫星时,产生的同信道干扰会导致边缘计算性能下降。为了解决该难题,在动态环境低地球轨道(LEO)星座边缘计算网络的系统模型下,提出了一种基于随机博弈的多用户计算卸载策略。在考虑用户的自私性、星地信道的随机特性和地面用户接入的动态特性的前提下,从博弈论的角度,将动态环境下地面用户的卸载决策过程表述为随机博弈,证明了所制定的随机博弈等价于具有至少一个纳什均衡(NE)的加权势博弈,并且NE最小化系统开销。为了在动态环境下以分布式方式达到NE,基于随机学习设计了一种智能随机学习算法,以高效达到所提随机博弈的NE。仿真结果表明,与基准算法相比,所提算法能够显著降低同信道干扰和系统开销,并达到接近最优的性能。