摘要：为了发现新型脱落酸功能类似物,采用活性亚结构拼接原理设计了含吗啉磺酰胺片段的目标分子.以吗啉-4-磺酰胺和氟代硝基苯为起始原料,经芳基亲核取代反应合成了14个目标化合物,该合成方法操作简单,底物适用范围广.种子萌芽实验结果表明,浓度为50µmol/L时4a~4d、4k、4m、4n等7个化合物处理后完全抑制萌芽,25µmol/L时4a~4d、4k、4m、4n等7个化合物处理后抑制率仍高于95%.进一步降低至15μmol/L时,发现4m、4n的抑制活性高于ABA和先导化合物PM4.分子对接结果表明,引入吗啉促使小分子中磺酰基(SO2)与Ser98形成氢键,提高了结合受体的能力,所以4m和4n的打分函数高于ABA和PM4,活性也更高.该结果有利于发现新型脱落酸功能类似物.

摘要：为掌握微开裂LEM-SHCC路桥连接板在车辆荷载作用下的受力性能,首先进行混合两种PVA纤维长度(8mm和12mm)LEM-SHCC材料的基本材性(弹性模量、抗压强度及抗拉性能)试验,分析PVA纤维长度对LEM-SHCC材料性能的影响,其次制备混合两种PVA纤维长度的LEMSHCC路桥连接板,研究其在系统温度荷载作用下的吸纳变形能力、裂缝分布规律以及受力特点,随后在微开裂的LEM-SHCC路桥连接板最不利位置模拟车辆荷载作用,研究车辆荷载作用下微开裂LEM-SHCC路桥连接板变形特性,最后进行LEM-SHCC路桥连接板的敏感参数(包括PVA纤维长度、板厚、基层顶面当量回弹模量等)有限元对比分析。研究结果表明:采用混合两种PVA纤维长度LEM-SHCC材料较使用单一纤维LEM-SHCC材料的抗压强度和弹性模量分别提高32%和36%,抗拉初裂应力和极限抗拉强度分别提高51%和8.8%;低周反复拉/压混合两种PVA纤维长度的LEM-SHCC路桥连接板,板面裂缝靠近张拉端多而密,靠近锚固端少而间距大,卸载后表面裂缝可自行闭合,且LEM-SHCC板张拉端和锚固端的内力随着张拉次数的增加而减小;微开裂LEM-SHCC路桥连接板随着车辆荷载增加竖向变形增大,回弹弯沉为0.235mm,小于计算弯沉0.345mm,满足路桥连接板的强度要求;当LEM-SHCC材料的PVA纤维长度为10mm,LEM-SHCC板的设计厚度为150mm,基层顶面当量回弹模量为800MPa时,LEM-SHCC板的最大伸长量、最大应力、拉伸损伤等各项性能最优,该研究成果为LEM-SHCC路桥连接板的设计提供参考。

摘要：为了提高薄壁结构的耐撞性能,提出了一种改进的Johnson-Cook材料本构模型,结合数值计算和智能算法开展了航空铝合金薄壁开孔结构优化设计。对7150-T6航空铝合金材料进行了静动态压缩试验,其结果表明该材料具有显著的应变速率敏感性。综合材料的静动态力学特性,提出一种改进的Johnson-Cook模型,并且通过试验验证该模型能更好地描述材料的动态力学行为。结合改进的本构模型和分离式霍普金森压杆试验,建立有效可靠的薄壁圆管霍普金森杆轴向冲击有限元模型,并探讨了等距离设置长方形孔对薄壁圆管构件的耐撞性和最大峰值载荷的影响。利用遗传算法开展航空铝合金薄壁开孔圆管的多目标优化设计,并将其优化结果与试验进行验证。结果表明:改进的模型能够很好地描述7150-T6航空铝合金在不同应变速率下的塑性流动应力特性,且优化后的开孔圆管具有较好的耐撞性能和稳定的变形模式,能为薄壁结构的设计与性能研究提供有效参考。

摘要：实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同工况间的齿轮箱跨域故障诊断。首先,设计一种标签分配准则,既可以充分挖掘利用无标签样本信息,为无标签样本赋予伪标签,同时也可以有效抑制分布外未知样本的干扰。然后,定义一种基于标签平滑和度量缩放的修正代价函数,可以灵活有效地评估故障样本之间的相似性,挖掘元学习任务的通用特性,进一步提高模型泛化性。将所提方法用于分析不同健康状态的齿轮箱试验数据,并设置不同的少样本跨域诊断场景和分布外干扰样本进行对比验证。试验结果表明,相比现有方法,所提方法可以更有效地实现少样本下不同工况间的齿轮箱跨域故障诊断。

摘要：视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

摘要：以一种折叠式高超声速变外形飞行器(Hypersonic morphing vehicle, HMV)为研究对象,综合考虑变形引起的气动特性、动力学特性的动态变化和模型不确定性、外部干扰的影响,开展飞行器建模与固定时间预设性能控制方法研究.首先,建立高超声速变外形飞行器的运动模型和姿态控制模型;然后,采用固定时间干扰观测器实现对模型不确定性和外部干扰构成的复合总扰动的精确估计,并设计一种新型固定时间预设性能函数以定量描述期望性能约束,在此基础上,基于预设性能控制架构并结合动态面控制技术设计预设性能姿态控制器,利用Lyapunov稳定性理论证明闭环系统的固定时间稳定性;最后,通过数值仿真验证所提出方法的有效性和鲁棒性.

摘要：针对多智能体在非凸环境下的围捕效率问题,提出基于改进经验回放的多智能体强化学习算法。利用残差网络(ResNet)来改善网络退化问题,并与多智能体深度确定性策略梯度算法(MADDPG)相结合,提出了RW-MADDPG算法。为解决多智能体在训练过程中,经验池数据利用率低的问题,提出两种改善经验池数据利用率的方法;为解决多智能体在非凸障碍环境下陷入障碍物内部的情况(如陷入目标不可达等),通过设计合理的围捕奖励函数使得智能体在非凸障碍物环境下完成围捕任务。基于此算法设计仿真实验,实验结果表明,该算法在训练阶段奖励增加得更快,能更快地完成围捕任务,相比MADDPG算法静态围捕环境下训练时间缩短18.5%,动态环境下训练时间缩短49.5%,而且在非凸障碍环境下该算法训练的围捕智能体的全局平均奖励更高。

摘要：采用第六阶段国际耦合模式比较计划(Coupled Model Intercomparison Project Phase 6,CMIP6)数据对未来我国海域风速长期变化趋势进行分析,并评估风能资源分布的变化。研究表明SSP126、SSP245、SSP370和SSP585共四种代表性情景下,2015—2100年东海风速呈显著减小趋势;南海海域风速随外辐射强迫的增加呈显著增长趋势;黄海、渤海地区增长趋势较弱。未来南海北部海域风功率密度显著增加,相对历史数据最大增长12%,东海则有所下降,最大降幅为11%。4种代表性情景下,近岸风能总体变化较小,随着人为辐射强迫增加呈现略减小趋势,长江口附近海域风功率密度及年均风能随外辐射强迫增加而出现较为明显下降,黄海、渤海、南海沿岸大多基本维持不变。

摘要：激光发生器耦合安装到全断面岩石隧道掘进机(TBM)刀盘上,利用高能量激光辅助TBM掘进作业,理论上有望达到新型热-机械高效破岩之目的。针对激光辅助滚刀破岩,基于小孔应力集中理论的弹性应力状态计算方法,在空腔膨胀模型基础上,建立了一种考虑密实核衍生效应的激光预钻孔条件下滚刀侵岩理论模型,并对模型进行理论分析;随后开展双侧围压下的激光辅助缩尺比例滚刀侵岩试验,对理论模型进行试验验证。研究结果表明,刃宽及孔距均对侵岩垂直力有一定影响,且孔距较小时理论模型不再适用;经对比分析后,在理论模型与试验所得结果中,随着孔距的改变侵岩垂直力有着相同的变化趋势,侵岩垂直力大小较为符合,激光预钻孔条件下滚刀侵岩理论模型具有一定准确性。

摘要：基于煤矸石路基填料大型动三轴试验结果,采用灰色关联分析法分析累积变形影响因子,确定了围压、压实度、级配参数、循环荷载振动次数4个特征参数。引入PSO算法对BP神经网络的权重、阈值进行全局寻优并赋值,提出了一种煤矸石路基填料累积变形PSO-BP神经网络预测模型。与传统BP神经网络模型对比结果验证了该预测模型的可行性和优越性,并通过不同学习程度下模型的预测效果分析了模型的泛化能力,证明了模型的预测潜力。