双箭头负泊松比结构抗侵彻性能

采用数值模拟方法研究了双箭头负泊松比多胞结构抗子弹侵彻性能,对比分析了顶边撞击、铰点撞击、侧边撞击三种弹靶作用条件下子弹的侵彻行为与双箭头负泊松比结构的破坏形式。研究结果表明:当子弹以较高速度撞击双箭头负泊松比结构时,该结构的负泊松比效应不显著;顶边撞击与铰点撞击时,子弹直接贯穿结构,胞元破坏较小,此时双箭头负泊松比多胞结构抗侵彻性能较差;侧边撞击时,子弹未贯穿多胞结构,胞元破坏较大,双箭头负泊松比结构依靠其双三角结构使子弹发生偏转,显著增大了其侵彻阻力。分析了顶边撞击时子弹的入射角度变化对于双箭头负泊松比结构抗侵彻性能的影响,发现存在30°入射角和60°入射角。当子弹处于这两种入射角附近时,双箭头负泊松比多胞结构具有一定的抗侵彻能力。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

基于火光辐射的射流速度测试技术研究

为了满足超高速聚能射流的测速要求,采用狭缝光阑与高速光电探测器构成被动探测模块,探测射流的自身火光辐射。测速系统以多级光阑前后排列的方式限制探测幕面的视场与厚度。分别对两级、三级光阑2种滤光模式建立了光学模型,模拟射流过靶时各级光阑的滤光性能。仿真结果表明,三级光阑可以有效衰减射流自身的强辐射,并且可以滤除探测幕范围之外的爆炸火光以及设备内的反射光,滤光效果超过99.25%。采用三级光阑逐级滤光的方法,解决了射流辐射亮度强并且伴随有杂散光导致其速度不易测试的难题。最后在外场进行射流测速试验,得到的信号波形印证了仿真结果的正确性。对过靶信号进行相关性分析处理得到射流的精确过靶时间,计算得到的射流速度为6 500 m/s左右。将测得数据结果与高速摄影测速结果进行对比验证,测速系统的不确定度低于1.9%,验证了系统的可行性。     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

基于CPCM-液冷-翅片耦合作用的锂电池高温散热性能研究

针对锂离子电池组工作温度过高或温差过大将导致其容量和寿命降低的问题,设计了一种新型的复合相变材料(CPCM)/液冷/翅片耦合散热系统。通过数值模拟,分析了高温环境(38℃)、高倍率循环充放电时,冷却液流向、石蜡中膨胀石墨(EG)的百分含量及冷却液流速对该系统散热性能的影响。结果表明,在相变材料(PCM)冷却基础上,引入液冷和散热翅片使电池组的最高温度进一步降低了35.74℃。冷却液交错流比同向流冷却电池组的最高温度降低了1.66℃、最大温差降低了3.15℃,电池温度分布更加均匀。在石蜡中添加EG后系统散热性能有明显提升,EG百分含量为6%时散热性能最好。冷却液流速从0.10 m/s增加到0.20 m/s时,电池组的最高温度降低了2.68℃、最大温差降低了2.22℃;继续增大流速,散热性能提升不显著。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

基于神经网络的雷达抗干扰效果评估

分析了常用的雷达抗干扰效果评估方法的特点,建立了雷达抗干扰效果评价指标集,对指标数据的采集和处理方法进行了分析,提出了一种基于神经网络的雷达抗干扰效果评估模型,论述了网络结构和样本获取方法,最后通过算例验证了模型的正确性和实用性.     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

超启发式传感器选择算法

在传感器管理中,传感器的选择算法计算是目前需求量最大的问题,采用超启发式算法降低传感器选择算法的复杂度计算.依据协方差控制提出的传感器选择目标,从启发式的贪婪算法入手,研究贪婪/均匀和贪婪/次序两种超启发式算法在传感器选择算法中的应用,以提高传感器管理的运算效率,降低其计算复杂度.最后对这两种方法进行了仿真比较.     

链约束下加工时间恶化的Flow Shop排序问题

讨论作业具有线性加工时间,作业间具有链约束的两台处理机流水作业排序问题,目标函数为极小化完工时间。在作业加工时间简单线性恶化下,提出作业的非负开始和停止延迟恶化率,构造了满足约束条件的复合作业。在此基础上,给出作业间具有平行链约束的两台处理机流水作业排序问题的最优多项式算法。