摘要：随着自动驾驶技术的快速发展,环境感知系统对多传感器融合的需求日益增加。4维(4D)毫米波雷达因其在复杂天气和光照条件下的稳定性能而成为自动驾驶领域的重要传感器之一。尽管4D毫米波雷达通过增加俯仰角信息和提高点云密度改善了目标检测的精度,但其点云稀疏性和噪声问题限制了其独立应用。因此,4D毫米波雷达与视觉传感器的融合成为提升自动驾驶感知精度的关键。然而,传统的外参配准方法依赖繁琐的手动操作,难以满足高效自动化配准的需求。为解决这一问题,该文提出了一种基于标定板的4D毫米波雷达与视觉图像自动外参配准方法。该方法首先设计了包含ChArUco标记、红色圆环和角反射器的标定板,然后通过圆检测算法和角反射器检测算法自动提取配准点的图像坐标和雷达点云坐标。此外,还提出了一种通过3D Max和Unity仿真的方式实现配准数据采集与验证的方法。最后,通过实验比较直接线性变换(DLT)和外参配准(EC)2种方法的性能,评估配准精度。结果表明,所设计的标定板和自动配准算法能够有效地减少人工操作,并且在配准点个数较多时,EC方法具有更高的配准稳定性和配准精度。

摘要：目的盾构滚刀磨损是盾构施工中最常见的问题之一,为减缓刀具的剧烈磨损、延长刀具的使用寿命,采用等离子堆焊工艺在盾构滚刀表面制备镍基碳化钨涂层以强化滚刀性能,基于盾构滚刀服役的真实工况,研究滚刀涂层的摩擦学性能及其合理的评价方式。方法对镍基碳化钨涂层在往复滑动、冲滑复合(冲击+滑动)两种相对运动模式下进行摩擦磨损试验研究。结果制备镍基碳化钨涂层后可提高滚刀的耐磨性。往复滑动磨损后,镍基碳化钨涂层的磨痕宽度为0.42 mm,而H13钢的磨痕宽度达到0.78 mm,镍基碳化钨涂层的抗冲滑性能也明显优于H13钢。两种相对运动模式下镍基碳化钨涂层均主要承受磨粒磨损,但往复滑动模式下涂层存在局部剥落,而冲滑复合模式下则伴随一定的粘着磨损。结论在两种相对运动模式下,镍基碳化钨涂层表面的高硬度碳化钨颗粒都可阻止磨粒对较软镍基合金区域的切削与碰撞。相较往复滑动模式,冲滑复合模式下镍基碳化钨涂层要承受冲击和滑动的耦合作用,涂层的磨痕特征以及损伤形式都有明显的不同。采用冲滑复合运动模式的摩擦磨损试验能对盾构滚刀刀圈的摩擦学性能进行更全面、合理的研究及评价。

摘要：国内三轴数控机床存在精度低和可靠性差的问题,而机床精度和可靠性可通过合理的静态精度设计方法得以保证。机床静态精度设计方法包括加工精度稳健设计方法和静态几何精度设计方法,针对两种精度设计方法的衔接合理性和工程应用实用性低的问题,在深入调研机床静态精度设计研究成果的基础上,从机床空间误差建模、平动轴几何误差元素辨识、关键几何误差元素溯源和加工精度稳健设计以及静态几何精度设计这5个关键问题着手,分别给出具体的解决方法,并形成一套完整的三轴数控机床静态精度设计系统实施方案,为完善机床几何精度设计和静态几何精度设计提供了参考。

摘要：针对局部灵敏度分析试验点单一、全局灵敏度分析变量自带随机性的问题,提出一种基于几何误差元素辨识和全局灵敏度分析的机床关键几何误差元素溯源方法。借助螺旋理论构建基于全局坐标系的机床空间误差模型,借鉴正交实验设计思想,在机床工作空间内选取25个试验测点,设计关于位置误差模型的多因素正交试验。将正交试验的显著性检验结果F值作为全局灵敏度系数,准确溯源机床12项关键几何误差元素,为数字制造装备精度设计提供了重要的理论基础。

摘要：盾构滚刀的磨损极大影响了隧道工程的掘进效率,滚刀主要发生冲击-滑动(冲滑)复合磨损,而刀盘与地层之间的相对刚度对滚刀的磨损行为存在显著影响,因此本文中在自主研制冲滑复合摩擦磨损试验机上对滚刀刀圈材料H13钢进行不同结构刚度下的磨损试验,并采用光学显微镜、扫描电镜和白光干涉仪等微观分析设备对不同结构刚度下H13钢的冲滑复合磨损特性和机理进行了分析和揭示.结果表明:随着结构刚度的增大,压载荷作用时间增长并逐渐起主导作用,摩擦副在滑动区接触时间增长,H13钢损伤最严重区域有沿着冲滑方向移动的趋势,相应地,磨损机制由磨粒磨损变为磨粒磨损与黏着磨损混合形式.在本研究中再现了盾构滚刀冲滑复合磨损的界面微观工作状态,深入探究了滚刀刀圈材料的微观磨损机理,可辅助了解滚刀与不同软硬程度地层间的相互作用,并为滚刀刀圈材料的磨损性能评价提供了新的研究方法和手段.

摘要：盘形滚刀是盾构/TBM执行破岩掘进的主要部件,被视为TBM的“牙齿”。滚刀的工作环境极其恶劣,在服役过程中极易发生刀圈磨损,甚至崩刃等异常失效,致使刀圈成为施工过程中主要的易耗零件,进而缩短盾构/TBM的运行寿命,并大幅提高了隧道施工成本。因此,如何减少表面损伤,延长滚刀的服役寿命,是一个亟待解决的关键工程问题。本文基于刀圈的成形、加工、服役、损伤、失效等全寿命周期阶段,分别概述了刀圈在服役损伤分析、材料成分改良、成形工艺改善、热处理工艺改进及涂层强化工艺优化中性能强化机理,分析了各方法存在的不足及解决方法,最后对滚刀刀圈性能强化方法进行了讨论和展望,以期为滚刀强化技术路径及产业化实现提供参考。

摘要：绿色高效的新能源系统已广泛应用于汽车、有轨电车和智能建筑等领域。为了降低燃料电池(fuelcell,FC)有轨电车直流微电网系统的运行成本,提出一种基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化方法。该方法引入以初始投资成本、设备运行成本和更换维护成本为框架的系统运行成本模型。基于成本模型,设计一种融合多种群遗传算法与萤火虫算法的多种群萤火虫算法,对有轨电车状态机控制策略进行优化。在3种运行工况下,将所提方法与状态机控制策略、基于遗传算法的策略、基于多种群遗传算法的策略、基于粒子群算法的策略和基于萤火虫算法的策略进行对比。结果表明,所提方法能合理分配各能量源的输出功率,并获得最低的系统运行成本。

摘要：在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework,EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点上,进而降低节点的本地存储代价,并实现了较高的数据恢复效率;最后,在真实的FEMNIST数据集上,对EDFL的学习效率、存储可扩展性和安全性进行了评估.实验结果表明,EDFL在以上3个方面均优于主流的基于区块链的FL框架.

摘要：提出一种基于小位移旋量(SDT)公差建模和蒙特卡洛模拟的装配体公差优化设计方法,通过分析装配精度链、装配结合面和结合面公差3个对装配精度具有重要影响的核心要素之间的关系,利用SDT理论和蒙特卡洛模拟法建立公差模型,再利用齐次变换理论建立结合面误差模型和装配精度模型,进而推导出装配体装配精度与结合面公差相关的映射模型;结合公差制造成本、装配精度可靠度原则,建立装配体装配精度的公差优化模型,并以顶尖装配体为例完成公差优化分析。研究发现:在满足装配精度可靠度的前提下,可使顶尖装配体加工成本降低9.02%,而装配精度可靠度提高至97.81%,验证了所提方法的有效性。

摘要：空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%.