织构化钛合金表面二硫化钨磷酸盐涂层的制备及其宽温域摩擦学性能

本文中以水为分散介质,二硫化钨为固体润滑剂,二氧化锆为增强相,磷酸二氢铝为黏结剂,采用喷涂工艺在织构化的钛合金表面制备环境友好型的磷酸盐涂层.考察涂层在室温～400℃范围内的摩擦磨损性能,并探究涂层与钛合金表面微织构的协同减摩抗磨机制及其对涂层磨损寿命的影响.结果表明：钛合金表面的二硫化钨磷酸盐涂层在宽温域条件下展现出良好的减摩抗磨性能.在400℃时,含有涂层的钛合金磨损率可降低至1.3×10^-4 mm³/(N·m),比钛合金基底的磨损率降低了45%.在钛合金表面构筑微织构,可进一步改善涂层的耐磨损性能,延长宽温域条件下的磨损寿命.在室温～400℃温度范围内,钛合金织构化表面涂层与TC4球对摩的摩擦系数均可低至0.30以下,磨损率可低至1.2×10^-5 mm³/(N·m)以下.同时提出了高温条件下涂层的润滑机理,以及表面微织构与固体润滑涂层间的“机械互锁”与“自补偿润滑”的减摩抗磨机制.     

基于融合Dropout与注意力机制的LSTM-GRU车辆轨迹预测

在智能驾驶环境的车辆轨迹预测环节,为更好地获取环境车辆的轨迹时序特征,在长短期记忆神经网络（LSTM）基础上,嵌入Dropout层以增强网络泛化性,引入注意力机制予以预测效果影响较大的时序数据更大权重从而提高预测结果的可靠性,且将改进的LSTM模型与门控循环单元GRU模型结合,构建LSTM-GRU预测模型以进一步提升环境车辆轨迹预测的准确性.在此基础上,使用NGSIM公开数据集对模型进行训练、验证和测试.研究结果表明,融合了Dropout和注意力机制的LSTM-GRU神经网络轨迹预测模型相较标准的LSTM长短期记忆网络以及GRU门控循环单元,在预测较长时序的车辆轨迹上具有优势,提高了轨迹预测的准确性,降低了实际轨迹和预测轨迹之间的均方根误差和平均绝对误差.