黏弹性接触界面端附近的奇异应力场

研究蠕变加载条件下线黏弹性材料接触界面端附近的奇异应力场问题.考虑接触界面的摩擦,假设界面端的滑移方向不改变,相对滑移量微小,且其与位移同量级,由此线性化局部边界条件,根据对应原理得到Laplace变换域中的界面端应力场,导出时域中奇异应力场的卷积积分表达式.对卷积积分核函数进行数值反演,考虑接触材料的两类组合,一是持久模量具有量级上的差异,另一是持久模量接近相同.算例结果证实核函数可以用准弹性法求得的解析式较准确地近似.在此基础上,利用积分中值定理,并引入各应力分量的修正系数,得到黏弹性奇异应力场的简化式.结合核函数的数值反演结果分析修正系数表达式的取值范围,得到如下结论,若两相接触材料的持久模量相差很大,可以采用准弹性解的解析式较准确地描述界面端的奇异应力场;一般情况下,应力场不存在统一的奇异值和应力强度系数,当采用类似于准弹性解的表达式近似给出黏弹性应力场时,可以估计此近似描述的误差限.文中最后采用有限元分析黏弹性板端部嵌入部位的应力场,算例包括了黏弹性板与弹性金属支承、黏弹性板与黏弹性垫层所形成的滑移接触界面端,利用黏弹性有限元的数值结果验证理论分析所得结论的有效性.      

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

空间机器人捕获航天器后基于无源性理论的鲁棒镇定控制

研究了漂浮基空间机器人捕获非合作航天器过程对系统产生的冲击效应及其后联合体系统镇定运动的控制问题。为此,利用拉格朗日方法及牛顿-欧拉法分别获得了捕获前空间机器人及目标航天器的动力学模型;结合动量守恒定律、系统运动几何关系及力的传递规律,分析了捕获过程相互碰撞所产生的冲击效应,建立了捕获完成后两者联合体的系统动力学模型。在此基础上,针对同时存在不确定参数及外部扰动的联合体系统,设计了基于无源性理论的镇定运动神经网络H_∞鲁棒控制算法。本文提出的基于无源性理论设计的鲁棒控制算法具有良好的动态特性及较强的鲁棒性,可快速完成系统的镇定控制,实现轨迹的精确跟踪。系统数值模拟仿真验证了本文控制方案的正确性。     

三维动态裂纹问题的超奇异积分方程法

基于弹性材料的动态基本方程,结合广义Betti-Rayleigh互易等式与时域下的边界积分方程,推导得到时域下的超奇异积分方程组。引入Laplace域下的动态基本解,将经过主部分析的积分核函数分解为静态和动态部分,其中动态积分核不具有奇异性。在裂纹前沿附近单元,采用与理论分析一致的平方根位移模型。结合Lubich时间卷积实现拉氏变换,采用配置点法计算超奇异积分,获得问题的数值解。并针对椭圆裂纹算例编写Fortran程序,得到冲击荷载作用下张开型裂纹的动态应力强度因子变化规律,数值结果稳定且收敛速度快。     

基于DFI一体化网络的水下抗干扰目标跟踪方法

由于水下环境的特殊性,水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响,从而干扰目标检测器的性能,进而使跟踪算法效果下降,影响跟踪效果。针对这一问题,提出了一种基于目标检测特征提取一体化网络（DFINetwork）的水下抗干扰目标跟踪方法。在传统YOLOv3检测网络基础上,设计了特征提取网络,通过卷积和最大池化运算,输出目标特征信息,并将状态向量维度扩充为10维,同时针对扩维状态向量,构造了扩维滤波器,进而通过后续匹配、跟踪控制等步骤,实现了水下机器人在干扰环境下的目标跟踪。使用标注的水下目标跟踪数据集对所提算法进行测试,并与YOLOv3算法进行对比验证。测试结果表明,与原版YOLOv3算法对比,所提出的算法以2FPS的较小帧率损失,将跟踪精度提高了30%以上。     

神经网络在挠性陀螺仪伺服回路故障诊断中的应用

本文用BP神经网络对挠性陀螺仪伺服回路的故障诊断进行了模拟,取得了满意的结果.同时还介绍了作者设计的这一通用型BP神经网络软件包及其特色.     

Dawson结构杂多化合物(C5H6N)4.5H1.5(P2W18O62)·1.5H2O的水热合成及晶体结构

用水热合成方法制备了Dawson结构杂多化合物(C5H6N)4.5H1.5(P2W18O62).1.5H2O,通过红外光谱和X射线单晶衍射对其进行了表征.结果表明,该化合物属于单斜晶系,C2/m空间群.a=2.6970(3)nm,b=1.39730(16)nm,c=2.0777(2)nm,β=102.33(0)°,V=7.64927(364)nm3,Z=4,R=0.0412,wR2=0.1016.标题化合物阴离子通过质子化的吡啶分子在氢键作用下形成了一维无限链状结构.     

基于鬼成像的手写字体分类方法

针对手写字体特征提取难、识别效率低甚至错误的问题,提出一种结合鬼成像原理和分类网络的思想用于手写字体的识别。首先,使用激光器、数字微镜阵列、单像素探测器等搭建鬼成像探测系统,利用系列哈达玛散斑场分别实现对17 239幅手写字体的照射;其次,利用单像素探测器对手写字体透射的总光强值进行采集,并将其转换为一维向量作为网络训练的输入;最后基于卷积神经网络在图像分类的优势搭建网络架构且为解决训练过程中的网络退化问题加入残差块。实验结果表明：对于手写数字来说,全连接神经网络与卷积神经网络的精密度、召回率、F1值分别提高86.50%/97.25%、86.40%/98.03%、86.31%/97.60%;对于手写字母来说,卷积神经网络在全采样下的精密度、召回率、F1值分别为91.87%、90%、90.23%。该方法利用鬼成像原理,仅通过手写字体透射的总光强值而无需对手写字体的特征进行提取与识别便可进行快速分类,大幅提升了手写字体的识别效率。     

声纹的变压器放电与机械故障诊断研究

变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7％.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网...     

基于麻雀搜索算法结合深度前馈神经网络的近红外模型转移方法研究

该文提出了一种基于麻雀搜索算法结合深度前馈神经网络（SSA-DFN）的近红外光谱模型转移方法。使用深度前馈神经网络拟合不同仪器采集到的光谱之间的非线性函数映射,并将麻雀搜索算法用于网络各层连接权值和阈值的初始化,通过种群中个体位置的迭代更新,求得连接权值和阈值的最优初始值;通过多次调整深度前馈神经网络模型的超参数,使网络拟合效果趋于最优,最终确定转移函数。为验证方法的有效性,分别从烟叶近红外光谱谱图、主成分投影和预测结果的角度,将SSA-DFN方法与分段直接校正算法（PDS）、典型相关性分析算法（CCA）转移前后的效果进行了对比。结果表明SSA-DFN方法转移后的从机光谱与原主机光谱重合度最高,转移后主、从机总糖、烟碱含量的预测结果差异不显著,预测平均误差从8.32%、9.15%分别降至4.65%、4.82%,预测均方根误差（RMSEP）和决定系数（R2）等指标均优于PDS和CCA,取得了最佳的转移效果,可满足企业需求。结果表明该方法是一种有效的模型转移方法。