高能量密度型锂离子电池正极材料LiNi0.5Mn1.5O4改性的研究进展

尖晶石镍锰酸锂(LiNi0.5Mn1.5O4)具有工作电压高、结构稳定、适合快充快放等特性成为高能量及高功率密度型正极材料的有力竞争者.结合了近几年的研究报道,介绍了LiNi0.5 Mn1.5O4的结构、制备方法、改性方法及其应用前景,着重介绍了LiNi0.5 Mn1.5O4材料晶型结构对其性能的影响,并指出该材料目前存在的问题和研究重点.     

基于遗传算法的升力体外形优化设计

升力体由于低热流率再入物理特性和高效的内部容积利用率，是高超声速飞行器气动外形的一种典型布局.文章对升力体飞行器进行参数化数值建模，并提取其表征外形的参数作为设计变量，综合考虑飞行器再入过程中的气动力、气动热、容积利用率及稳定性等性能指标.运用多目标混合遗传算法对升力体进行了多变量、多约束下的气动外形优化设计，获得了再入飞行器外形的最优Pareto解.数值模拟结果表明，典型状态下最优Pareto解与CFD结果相差12%，验证了优化结果的准确性.      

FSM在高精度瞄准线稳定系统中的应用研究

快速反射镜（fast-steering mirrors,简称FSM）是一种精确控制光束方向的装置。提出用一种基于压电陶瓷驱动的FSM补偿稳瞄系统中粗级平台的残余误差的方法,可以提高系统稳定精度,同时对采用FSM的高精度稳瞄系统进行了仿真。仿真结果表明:粗级平台稳定误差为110 rad,通过FSM补偿后的系统稳定误差不大于8 rad,即采用该方法可将稳定精度提高一个数量级以上。     

基于卷积神经网络的涵洞式直立堤波浪透射预测

涵洞式直立堤是一种具有特殊用途的海岸工程结构物,对其透浪特性的研究具有重要工程意义. 然而,目前众多学者对于涵洞式直立堤波浪透射问题的研究主要以理论分析、实验模拟及数值计算为主.随着机器学习技术的发展, 传统水动力学问题迎来了新的求解理念.机器学习算法可根据训练数据集自主学习相应的规律,以数据映射的方式建立水动力学特征预测模型,在实际应用中无需对流体运动控制方程进行求解, 具有较高的计算效率. 因此,本文基于卷积神经网络(convolutional neural network, CNN),对不同开孔条件下的涵洞式直立堤透浪特征进行预测.首先利用模型试验验证计算流体力学(computational fluid dynamics, CFD)模型的有效性,然后基于CFD模型生成相应的训练数据集, 通过训练卷积神经网络模型,建立相应的波浪透射结果之间的数据映射关系,实现在新的工况下对波浪透射系数以及透射波波形等特征的快速预测. 结果表明,经过训练的卷积神经网络可在极短时间内计算得到相应的结果, 并具有较高的准确性.研究成果可为波浪与海岸结构物相互作用的问题提供新的求解理念.      

量化计算辅助解析杯[4]芳烃固定相对萘胺和苯二胺的保留机制

杯芳烃对客体具有优异的识别作用,可作为液相色谱的固定相．本文以萘胺（NA）、苯二胺（BDA）位置异构体为溶质探针,考察其在杯[4]芳烃（Cx4）固定相上的色谱分离,用量子化学计算辅助研究了其在Cx4芳烃固定相上的保留机制．结果表明,用DFT-B3LYP／STO-3G＊＊量化计算方法,获得了质子化溶质与Cx4形成的Cx4．HBDA＋、Cx4-HNA＋超分子结构,直观地观察到了HBDA＋、HNA＋与Cx4的作用主要是π-π疏水作用和氢键作用．超分子Cx4-HBDA＋和Cx4-HNA＋的ΔG数值、稳定性与其色谱保留行为一致．     

一种基于数字图像的多目标检测方法

为使武器系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击。研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标。经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果。