摘要：车辆滚压道路会产生大量机械能,将这些能量收集为交通环境中小型机电系统供电,实现自供能交通状况监测和交通管控等,使交通系统更加安全、有序、高效地运行;并且绿色环保,有益于我国“双碳”目标的实现。提出一种用于单向车道的抗冲击车路能量收集减速带(Anti-impact vehicle-road energy harvesting bump,AVEHB)。通过“顺势运动”吸纳车辆滚压能量,可以减少对器件和路基的冲击损伤,使更多滚压激励用于做功。抗冲击对比试验验证了该设计的优点。基于AVEHB工作原理,建立机电耦合动力学模型并进行试验验证。试验结果还显示,在车速50km/h时,AVEHB最大输出电压和功率分别为146.7 V和143.47 W。探索了自供能车速监测及行人主动安全警示等应用,验证了AVEHB具有为交通环境中机电系统供电的潜力。根据供电需求合理设置AVEHB阵列,可以为智慧交通系统提供便捷、可持续、绿色环保的零碳电力。

摘要：基于网格类方法的结构拓扑优化易出现网格依赖性和棋盘格等数值不稳定现象。采用无网格伽辽金(Element-free galerkin,EFG)法建立了正交各向异性材料热力耦合周期性结构的多目标拓扑优化模型,以结构柔度和散热弱度的加权函数为目标函数,并通过重新分配不同子域内对应节点处的目标函数灵敏度保证结构的周期性。研究了权系数、设计子域数、泊松比因子、热导率因子及材料方向角对EFG最优多目标周期性拓扑结构和目标函数的影响,并得到了上述参数值的合理范围。与有限元拓扑优化结果对比验证了模型的正确性,结果表明该模型不使用敏度过滤技术也能获得清晰的结构轮廓边界,并利用3D打印技术加工了最优周期性结构。最后,选取了一组最优参数对正交各向异性材料结构进行了EFG多目标周期性拓扑优化设计,并与各向同性材料结构对比发现,正交各向异性材料最优周期性拓扑结构的温度场、位移场和应力场均有明显改善,加权目标函数、结构柔度和散热弱度分别降低了6.5%、32.6%和48.6%,体现了正交各向异性材料多目标周期性结构的性能优势。建立的无网格法拓扑优化模型,为复合材料周期性结构的轻量化设计提供了重要的理论指导。

摘要：多源配网主动孤岛恢复是极端条件下保障关键负荷供电的重要手段,有利于提高配电网的供电可靠性.主动孤岛恢复过程中存在负载和分布式电源组网瞬间产生暂态电压、频率波动的问题,影响孤岛安全稳定运行,严重时还会出现组网失败.为此,考虑储能系统功率响应的快速性,建立基于储能控制的主动孤岛动态组网电压、频率波动平抑模型,设计电压电流双环前馈扰动补偿控制系统,提出改进双环控制的储能系统矢量控制方法,解决了传统V/f控制电压偏移和电压波动过大问题.依据黑启动原则,利用MATLAB/Simulink软件搭建不同控制方式下的仿真模型,仿真结果表明:相较于采用传统V/f控制,基于矢量法的改进双环控制具有较强的抗干扰能力,能够明显改善孤岛黑启动自组网过程和孤岛并入主网瞬间的电压及频率波动,提高系统的动态响应性能.

摘要：现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故障诊断新方法。采用仿真所得的故障信息丰富,标签数据充足的轴承故障数据构建源域,降低对试验台资源的依赖。设计了一种嵌入联合最大均值差异的改进损失函数,在无监督场景下实现了不同域间边缘分布和条件分布的同时对齐。开发了一种源域样本权值分配机制,通过领域预测误差衡量源域样本与目标域样本的相似性从而自适应地分配其权值以抑制负迁移。使用两组试验台数据作为目标域对所提方法进行验证,结果表明:所提方法能够充分适配仿真域和实验域的深层特征分布,提高无监督跨域场景下的故障诊断精度。

摘要：工业物联网助推机械故障诊断步入大数据时代,然而因各节点需要共享本地的私有数据而造成隐私泄露是当前工业物联网亟需解决的问题。联邦学习有望应用于工业物联网以实现在私有数据不离开本地存储的前提下,协同各节点训练诊断模型。然而,联邦学习面临着以下诸多挑战。首先,联邦学习的中心化架构极易引发单点故障。其次,工业物联网中各节点的故障数据通常是非独立同分布的,以致联邦学习难以收敛。再次,联邦学习缺乏防御手段来阻止恶意节点的攻击。最后,联邦学习需要激励机制来鼓励节点分享资源。针对这些挑战,提出了一种区块链和边缘计算赋能的联邦学习故障诊断框架,采用去中心化的模式保障工业物联网中机械设备故障数据的隐私和安全。在此框架中,构造了一种特征对比损失函数来解决非独立同分布问题,设计了一种拜占庭容错的评分机制来抵抗投毒攻击,并开发了一种基于信誉的激励算法来评估应给予节点的奖励。所提方法被应用于工业物联网中风力发电机的行星齿轮箱故障诊断模拟场景,在私有本地数据不泄露的前提下,展现出最优的综合性能。

摘要：移动重力测量在计量学、地球科学及国防军事等领域有着广泛的应用需求。原子干涉重力仪在可移动高精度重力测量上具有良好的技术潜力,但目前仍很难兼具高集成度与高灵敏度。针对此问题,本文研制了一套基于原子干涉仪的车载重力测量系统,基于小型化、高度集成的仪器设计,实现了高精度的野外重力测量,室外测量灵敏度为520μGal/Hz、测量重复性优于20μGal。在长10 km、高程变化100 m的野外测线上开展了单点调试时间小于5 min、有效测量时间小于15 min的快速重力测量,并与LG-1相对重力仪进行比对。在一般性的野外测试环境下,2种重力仪的测量残差小于100μGal,车载绝对重力仪自身测量残差小于15μGal。因此,该车载重力测量系统极大地提高了野外重力测量效率,方便运输、随停随测、测量准确,为可移动重力测量领域提供了可靠的技术解决方案。

摘要：为使项目在面临活动工期扰动时尽可能按照基准调度计划稳定执行,针对带转移时间的资源受限项目调度问题提出鲁棒调度与资源分配集成优化方法。分别从资源转移关系、活动时差、随机活动工期三个不同角度设计三种解鲁棒性代理指标,构建了两个混合整数规划模型(MinEA,MaxPF)和一个随机规划模型(MinTPC),并分别采用精确方法和禁忌搜索启发式算法求解;在此基础上提出MinTPC+MaxPF混合优化策略。仿真实验结果表明,MinTPC+MaxPF方法在项目解鲁棒性和质鲁棒性两方面均能获得最优绩效;MinEA方法的解鲁棒性优于MinTPC,而后者的质鲁棒性优于前者。所研究的模型和方法,可以为项目决策者在工期不确定环境下协调活动进度安排和优化资源转移提供指导,提升项目计划鲁棒性,提高企业的经济效益。

摘要：为了准确评估复杂系统的可靠性,通常使用网络拓扑结构模型研究系统在各种情况下稳定运行的能力.但现实世界中的许多网络不仅存在连通性要求,还需要传输一定的流量以保证网络具有一定的吞吐量,该网络被称为多状态网络.多状态网络可靠性模型广泛应用于现实中的网络系统,如制造、能源、交通、信息、物流和装备保障、指挥控制和无人集群等.然而,不断增长的系统规模与复杂程度,导致求解多状态网络可靠度愈发困难.因此,寻求更加高效的方法来求解网络的可靠度成为迫切需要解决的难点问题.本文主要对多状态网络可靠性求解算法进行综述,总结了近年来其效率改善方面的研究进展.通过有效降低多状态网络可靠性的评估复杂度,大幅提高该方法的算法效率和可求解网络的规模,为管理者在多状态网络的设计、建造、运行和维护过程中提供支撑,确保多状态网络的稳定、可靠运行.韧性是可靠性的延伸,是衡量系统对抗扰动并从中恢复的能力,能够反映系统毁伤及恢复的全过程.本文进一步讨论了多状态网络韧性评估方法及其进展.

摘要：设计、合成了一种含有异佛尔酮骨架和2-羟基-N,N-二甲基苄胺的近红外荧光探针DHDM.荧光探针DHDM可用于特异性地检测Pd^(2+),具有良好的检测限(53 nmol/L)和斯托克斯位移(220 nm).在0~70μmol/L浓度范围内,660 nm处的荧光发射强度与Pd^(2+)呈现良好的线性关系.根据高分辨质谱、红外光谱、对比实验以及DFT计算的结果,提出了一种可能的识别机理.最后,成功地将荧光探针DHDM应用于细胞中Pd^(2+)的荧光成像,显示其在生物体系中潜在的应用.这种以2-羟基-N,N-二甲基苄胺为识别基团的设计策略将为构建性能优异的其它荧光探针提供新思路.

摘要：为研究湿热处理对甘薯粉条食用品质的改善作用,在前期研究基础上,以甘薯粉条断条率(BR)、最大拉伸阻力(RTE)及消化性能【快消化淀粉(RDS)、慢消化淀粉(SDS)、抗性淀粉(RS)含量】为品质评价指标,利用单因素实验和响应面法中的Box-Behnken试验设计模型优化甘薯淀粉的湿热处理条件。结果表明:淀粉含水量和湿热处理时间对甘薯粉条品质的影响极显著(P<0.01),湿热处理温度对甘薯粉条品质的影响显著(P<0.05)。最佳湿热处理条件为:温度95℃,含水量26%,时间1 h。在此条件下,甘薯粉条BR为3.33%,RTE为162.25 g,RDS含量为25.83%、SDS含量为27.07%、RS含量为45.38%。相较于原甘薯粉条,在最佳条件下获得的湿热处理甘薯粉条BR、RDS和SDS分别降低了33.33%,29.94%和31.78%,RTE和RS分别提高了60.27%和108.84%。经反复验证,条件合理可行,研究结果为湿热处理提高甘薯粉条的口感和营养价值提供了理论依据。