摘要：激光选区熔化(Selective laser melting,SLM)中激光工艺参数显著影响成形件质量,而现行的工艺优化路径大多是基于激光能量密度经验性公式的“盲摸”工艺试验,难以全面反映影响成形件质量的诸多环境因素,且在SLM过程中,熔池失稳、激光辐照不连续的情况时有发生,因此亟需开发SLM过程中工艺参数在线动态调控及质量监测技术,以保障制造工艺的可靠性和成形件质量的稳定性。通过声发射信号处理与神经网络算法,实现对采用不同激光工艺参数的熔道SLM成形过程的声发射信号分类预测。在降噪模块中,为确定经验模态分解的分解层数从而将其作为神经网络输入神经元的数量,提出一种基于序列间相关性和反双曲正切函数的直观评判方法。在分类预测模块中,对比基于经验模态分解和小波包变换两种声信号特征提取方法所设计的神经网络性能。研究结果表明神经网络模型对于不同激光参数产生的声发射信号进行分类预测的可行性,从而可直接指导SLM工艺参数的在线调控优化或优选,并为SLM过程的成形质量在线监测系统奠定理论方法基础。

摘要：随着节能降耗成为当今世界的迫切需要,提高通风机能量转换效率越来越受到重视,已成为通风领域内关键问题。掌握叶轮内不可逆能量损失演化机制是实现能量高效转化的前提与基础,但目前尚缺乏针对叶轮内不可逆能量损失机理方面的研究。为此,以对旋轴流通风机为研究对象,采用数值模拟和实验方法获得了不同流量工况下通风机内部流场。基于熵产理论,建立了通风机叶轮内不可逆能量损失理论模型,明确了叶轮内不可逆能量损失与空间流场参数的内在关系,实现了叶轮内不同类型能量损失的定量分析,结合叶轮内流动特征,明确了能量损失空间演化规律和产生原因。研究结果表明,熵产方法计算叶轮内不可逆能量损失是可靠的,直接黏性耗散损失和壁面摩擦损失是能量损失的重要组成部分,而湍流耗散则是引起能量损失的主要原因,达到总能量损失的60%~80%;对于前级叶轮,湍流耗散引起的能量损失在1.0Q_(BEP)流量工况(Q_(BEP)为最优工况流量)达到最小,而后级叶轮能量损失随流量的降低而增大。能量损失主要集中在Span=0.6~1.0(Span为叶展方向轮毂至机壳的无量纲距离)区域,在1.0Q_(BEP)工况达到总能量损失的70%;叶顶间隙泄漏流和叶片前缘溢流引起的螺旋旋涡、叶轮内回流、叶片压力面和吸力面流动分离以及叶片后缘尾迹都将导致能量损失产生,其中流动分离和尾迹引起的高能量损失区域较小,能量损失相对有限,而旋涡和回流显著影响叶轮内流体流动,最终导致叶顶附近区域出现大量能量损失。

摘要：本文面向无人车协同围捕问题开展研究,提出了一种基于柔性执行者-评论家(SAC)算法框架的协同围捕算法.针对多无人车之间的协同性差的问题,在网络结构中加入长短期记忆(LSTM)构建记忆功能,帮助无人车利用历史观测序列进行更稳健的决策;针对网络结构中引入LSTM所导致的状态空间维度增大、效率低的问题,提出引入注意力机制,通过对状态空间进行注意力权重的计算和选择,将注意力集中在与任务相关的关键状态上,从而约束状态空间维度并保证网络的稳定性,实现多无人车之间稳定高效的合作并提高算法的训练效率.为解决协同围捕任务中奖励稀疏的问题,提出通过混合奖励函数将奖励函数分为个体奖励和协同奖励,通过引入个体奖励和协同奖励,无人车在围捕过程中可以获得更频繁的奖励信号.个体奖励通过引导无人车向目标靠近来激励其运动行为,而协同奖励则激励群体无人车共同完成围捕任务,从而进一步提高算法的收敛速度.最后,通过仿真和实验表明,该方法具有更快的收敛速度,相较于SAC算法,围捕时间缩短15.1%,成功率提升7.6%.

摘要：变形镁合金经塑性变形后具有更优的综合力学性能,但存在“强度−塑性”不协同的问题,限制了其规模化应用。通过合金化设计和优化塑性加工工艺改善其微观结构能有效实现变形镁合金的强塑协同。本文梳理了近年来“强度−塑性”协同的变形镁合金的研究情况,并依据性能将其分为高强度型、中等强塑型和超高塑性型三类,同时进一步阐述了实现变形镁合金强塑性从权衡协调到协同提升的微观结构调控方法,包括合金化、细晶化、第二相和析出物调控、织构控制和异质结构形成等;最后,对强度−塑性协同的变形镁合金开发及其微观结构调控研究中值得关注的议题进行了展望。

摘要：针对由多个细胞星构成的组合卫星的姿态控制问题,提出了一种包含控制力矩计算层与冗余力矩分配层的双层姿态控制方法。将细胞星间的冗余力矩分配问题转化为群体博弈的策略选择问题,综合考虑能量消耗、飞轮输出力矩裕度和飞轮角动量裕度设计收益函数,以力矩分配系数作为群体质量,以细胞星作为策略建立群体博弈模型。考虑群体演化中模仿和比较形成的不同演化策略,分别采用Smith动力学以及复制器动力学修订协议求解博弈的Nash均衡解,并利用有限制策略的群体博弈理论形成分布式冗余力矩分配方式,得到各个细胞星的控制策略。最后通过仿真实验验证了此分配方式的有效性。

摘要：挠性航天器的姿态机动与其挠性部件的振动存在强耦合,这导致系统表现出明显的非线性特征,其动力学行为的描述与控制是非常具有挑战的问题.为了处理挠性航天器建模与姿态控制中的非线性问题,针对挠性航天器的姿态控制问题提出了一种基于Koopman算子理论的数据驱动建模方法,并基于数据驱动辨识得到的模型设计了最优控制器,实现对挠性航天器的姿态控制和振动抑制.首先,提出了一种基于Koopman算子理论和非线性系统稀疏性辨识算法(SINDY)的SO(3)上挠性航天器姿态动力学数据驱动辨识方法,根据SO(3)上挠性航天器姿态的动力学特点,设计了一组包含姿态动力学状态的观测函数,用于提升空间上挠性航天器姿态动力学的广义线性模型稀疏性辨识.然后,在小角速度假设下进行全局线性化,通过去除广义线性模型中的高阶项来得到挠性航天器姿态动力学的有限维Koopman稀疏模型,并通过仿真验证了广义线性SINDY模型与Koopman线性化模型的预测能力.最后,以数据辨识得到的线性化模型为基础,提出了基于Koopman算子的最优线性二次型调节器(LQR)用于挠性航天器的姿态控制与振动抑制.通过仿真验证了所提出控制器的效果,并将所提出的控制器与经典非线性最优控制方法进行对比,证明了所提出算法的优势.

摘要：针对大型空间设施在轨建造任务需求,以空间多分支机器人为应用对象,设计了一种末端执行器及三种适配接口,用于完成识别、定位、捕获、搬运、装配、攀爬和探测等任务。通过分析在轨建造任务需求,以装配对象参数、机器人性能等为依据提出了设计指标。制定了末端执行器机械结构、电气系统的总体方案,并设计了三种适配接口;针对容差需求,分析了对接过程的容差条件和力学条件,优化了关键部件几何参数;针对锁紧需求,建立了锁紧过程运动学、力学模型,并采用组合运动规律,优化了圆柱凸轮曲线槽。通过仿真及试验,验证了容差、锁紧设计的正确性,并进行在轨装配、在轨攀爬的地面模拟试验,进一步验证了末端执行器及适配接口的性能,为大型空间设施的在轨建造奠定了基础。

摘要：随着航空航天、原子能技术、汽车电子、冶金与石油化工等工业的迅猛发展,迫切需要能够在高温环境下对振动、压力及噪声等进行监测的传感器。本文设计并制备了基于硅酸镓镧(LGS)压电单晶材料的压电加速度传感器。实验结果表明,该传感器的谐振频率约为3 kHz,在常温~800℃,工作频率为80~1 000 Hz范围内,传感器的电荷灵敏度保持稳定,平均值为0.081 pC/g_(n)。该传感器能在800℃高温下稳定工作。

摘要：针对带有执行器偏置故障和失效故障的航天器相对位置控制系统,本文提出了一种基于零和微分博弈的最优容错控制方法.首先,利用线性二次调节设计反馈控制器以保证无故障时系统的渐近稳定性能;其次,将航天器相对位置容错控制问题转换为零和微分博弈问题,结合Hamilton-Jacobi-Issac(HJI)方程和极小极大原则设计最优控制律;最后,利用自适应动态规划方法设计评判网络对最优性能函数进行估计,构成自适应控制信号,保证了系统稳定性和状态最终一致有界.仿真结果表明了本文设计的容错控制律的有效性.

摘要：多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.