面向大流量应用的硅微阀致动器优化设计

设计了一种面向大流量应用的硅微阀流控芯片,基于电热耦合理论对芯片中的V型电热致动器进行了优化设计.通过构建温度分布的优化模型,对硅微阀流控芯片中V型致动器进行了变截面设计,并对优化前后的致动器进行了多物理场模拟.结果表明:与恒定截面V型致动器相比,在致动位移相同的情况下,优化后的致动器所需的最高温升降低了7.14％,且温度和应力分布更为均匀,在保障致动性能的同时提高了热平衡稳定性和结构稳定性.     

计算微致动器结构可靠度的新方法

为了解决微致动器结构功能函数不能明确表示的可靠度分析问题,以BP神经网络、响应面法为基础,提出了求解可靠度的几何分析新方法:对神经网络响应面法加以改进并利用其拟合极限状态函数,得到显示的结构功能函数表达式;利用均值波动法对微致动器局部应力最大处进行可靠度分析,求得结构可靠度因子β为3.353.与JC法比较,方法简便可行,为结构可靠度计算问题提供了新的有效的思路和方法.     

V型电热硅微致动器动态频率特性

提出了V型电热硅微致动器的弯曲振动力学模型。考虑到微米尺度上的硅梁难以简化为质量块、弹簧振动模型,采用了连续体建模,据此可进行其模态分析及动态频率特性的理论研究。利用自行设计制造的在线动态测试机构,测试了V型电热硅微致器在不同激励电压驱动下的响应输出,结果表明其位移输出也是随交变驱动电压的变化而非同步地发生变化。     

微致动器在流动控制中的应用研究

基于MEMS技术,研制了一种微气泡型致动器.对前缘布置有微致动器的三角翼进行了数值模拟和风洞实验,结果表明:微致动器可以改变三角翼前缘的旋涡流状态,扰动边界层,改变三角翼前缘分离涡位置,合理布置微致动器可以获得一定的滚转力矩,利用微致动器可以进行流动控制,进而改变飞行器的动力性能.     

微光机电陀螺微致动器设计与有限元分析

提出了一种锆钛酸铅(PZT)薄膜微致动器的结构模型。该致动器采用高d33特性的压电陶瓷材料,用于对空间谐振式微光机电(MOEMS)陀螺微镜进行位移和角度的精确定位。建立了该致动器的简化模型并利用有限元方法分析其驱动能力。结果显示,当采用双层结构的PZT薄膜微致动器时,在外加电压50V作用下,环形PZT位移控制器中心位移可达到0.345μm;十字形角度控制器偏转角度可达3.29″,增加PZT薄膜的层数可以进一步增加致动器对微镜位移和角度的控制能力。通过对仿真结果进行分析可以得出结论,选用多层PZT薄膜材料制成的微致动器能够满足调整微镜位移和角度所需的范围和精度要求。     

偏置磁场对超磁致伸缩致动器输出特性的影响分析

采用Terfenol-D棒作为超磁致伸缩致动器GMA(Giant Magnetostrictive Actuator)的主要材料,研制了有偏置磁场和无偏置磁场两种超磁致伸缩致动器,分析了具有分段式永磁偏置和无偏置致动器的结构及性能.基于安培定律、磁路基尔霍夫定律、叠加原理对致动器的磁场进行理论分析.为进一步分析磁场分布,创建三维模型,利用有限元仿真软件对GMA内部磁场进行分析和比较,仿真结果表明:分段式永磁偏置结构致动器能够达到理想的偏置要求,无磁场偏置的致动器在电流作用下磁场分布更均匀.实验结果表明:超磁致伸缩致动器输出位移和力的大小分别与Terfenol-D棒长度、直径呈正相关,施加偏置磁场能够改善超磁致伸缩致动器的动静态输出特性,提高致动器静态输出位移和力的线性度,消除动态输出位移与输出力的倍频现象,提高其输出精度.     

软体仿蛙游动机器人关节式气动致动器研制

为实现仿蛙游动机器人的微小型化,增强其环境适应能力,结合软体材料的优势特点和青蛙划动推进的游动方式,提出了一种关节式气动软体致动器,该致动器在满足软体仿蛙机器人游动过程中的运动性能和力学性能的同时,使得其肢体结构更加紧凑、轻量．利用Yeoh本构模型和虚功原理,结合关节式气动软体致动器的几何参数,建立了致动器的形变分析模型．进而,在致动器总体尺寸受约束的情况下,以一定弯曲角度下致动器输出恢复力矩最大为目标,确定了致动器的具体结构参数．融合3D打印、模塑成型等加工工艺方法,加工制备了关节式气动软体致动器,并通过对比分析,确定了采用纤维线限制致动器径向凸起效应时纤维线的绕线形式和绕线密度．最后经过实验测试分析,该致动器质量约7.5 g,可实现由180°弯曲状态至伸直状态的形态变化,并且在弯曲角度一定时通过调整充入气压的大小可以匹配一定范围内不同大小的负载力矩,从而验证了针对软体仿蛙游动机器人设计的关节式气动软体致动器的可行性．     

基于Morlet小波的飞控系统故障诊断方法研究

对Morlet小波及其变换特性进行了分析,选择Morlet小波的实部为神经元的作用函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

刮板式微致动器性能研究

刮板式微致动器,是一种可以实现大位移、步进式MEMS纳米微致动器。结合刮板式微致动器的表面硅加工工艺,考虑支撑梁的反作用力建立了新的理论分析模型,分析了微致动器的临界电压、单步位移以及最大输出位移等几个重要性能参数,将理论模型的计算结果与已有的实验数据以及理论模型作了对比。结果表明,本文理论分析模型的的理论值与实验结果有较好的一致性。     

基于小波网络的飞控系统故障仿真建模及诊断*

选择以Sigmoid函数为基础的小波基波函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

VC++环境下的BP神经网络建模和模拟退火优化研究

文章简要介绍了BP神经网络和模拟退火算法的原理,提出了一种基于VC 环境的BP神经网络建模与模拟退火优化方法,通过模拟退火对BP网络的输入参数进行优化,实现算法接口并进行了软件设计.采用一个焊接算例进行验证,证明了该BP神经网络逼近能力强、收敛速度快,模拟退火能寻找到最优焊接参数,该软件平台具有一定的实用性.     

基于神经网络的复合材料胶接修补参数优化

胶接参数对于胶接修补的效果影响非常明显,但是采用传统的数值计算方法不容易分析得到优化值.针对复合材料层合板胶接修补参数优化,采用改进的BP神经网络建立参数优化预测模型.层合板胶接修补的有限元分析为神经网络预测模型提供训练样本,通过神经网络预测胶接参数对修补效果的影响,并用试验结果验证预测结果的准确性.结果表明所建的模型是准确有效的,最后采用预测模型得到优化的胶接修补参数为:补片的直径为孔径的2.41倍、补片厚度为母板厚度的0.608倍、补片的铺排方式为:(0/90/±45/90)s.     

基于BP神经网络的有限元应力修匀的研究

以四边形平面应力等参单元为例,以高斯积分点为样本点,基于BP神经网络分别考察了以下两种训练模型：以高斯积分点的坐标为输入,Mises应力为输出;以高斯积分点的坐标和位移同时为输入,Mises应力为输出。通过与传统的有限元整体应力修匀比较,经过BP神经网络学习得到的结点Mises应力,不论是单独以坐标为输入还是以坐标和位移同时作为输入得到的结点Mises应力精度都比有限元传统的整体应力修匀高,并且第二种BP神经网络训练模型得到的结点Mises应力比第一种的精度要高。     

基于模拟退火优化BP神经网络的PH值预测

为自动准确测定水质p H值,采用大量的具有代表性的p H值检测数据为样本,提出了一种基于模拟退火优化BP神经网络的p H值预测方法。利用模拟退火算法优化BP网络的权值,调整优化样本的选取和隐层神经元数,训练BP神经网络预测模型得到最优解。由测试样本对网络进行了预测试验,并与非线性回归的预测结果进行了对比。结果表明,该方法对水质p H值预测具有较好的非线性拟合能力和更高的预测准确性。     

基于退火BP神经网络的模拟电路故障诊断方法

针对BP神经网络在模拟电路故障诊断中存在的固有缺陷,提出模拟退火(simulated annealing,SA)算法与BP算法相结合的神经网络故障诊断方法,发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练收敛速度慢和陷入局部极小;应用MATLAB编写程序对一典型模拟电路的仿真故障样本进行训练,在其它初始条件都相同的情况下,基于提出的算法神经网络比传统BP算法神经网络训练收敛速度快且诊断精度高,是一种新的有效的模拟电路故障诊断方法。     

基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数

卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明：在研究所选的3个主要研究区,基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高,农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863,BP神经网络模型的估算结果决定系数分别为：0.763、0.710和0.742,NDVI经验模型的精度最差,其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性,选取独立研究区进行验证,结果显示验证精度较高,R²为0.842,RMSE为0.689 5,说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力,有效防止了BP神经网络模型滑入局部最小值,是提高高空间分辨率LAI估算精度的有效手段。     

模拟退火PSO的神经网络的网络流量预测模型

为解决网络流量时间序列的预测问题,针对传统BP神经网络的网络流量时间序列预测模型容易陷入局部极小值的不足,提出一种基于模拟退火的微粒群算法训练神经网络的网络流量时间序列预测模型.将模拟退火算法和基本粒子微粒群算法相结合,设计出一种基于模拟退火的微粒群算法.利用基于模拟退火微粒群算法优化BP神经网络的权值和阀值,对实际采集的网络流量时间序列进行建模.实验结果表明,基于模拟退火的微粒群算法训练的神经网络具有较高的预测效果,相对于传统的神经网络模型具有更高的预测精度和良好的自适应性.     

基于融合算法的测试优化选择问题研究

测试优化选择是个集覆盖问题,而启发式算法是求解集覆盖问题的有效方法。文中将遗传算法、BP神经网络和模拟退火算法进行融合,提出了一种融合算法,该算法充分利用遗传算法全局搜索能力强、BP神经网络训练能力强和模拟退火算法搜索速度快的优点,既避免陷入局部最优的现象,又提高了搜索的效率和精度。该算法已应用于求解测试优化问题。实例证明,该算法能够快速有效地求得测试优化问题的最优解。     

基于改进的BP神经网络的网络空间态势感知系统安全评估

文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。     

Precision positioning using a novel six axes compliant nano-manipulator

In this paper, a novel micro-scale nano-manipulator capable of positioning in six degrees of freedom (DOF) is introduced. Undesired deflections, while operating in a specific DOF, are restricted by the aid of distinctive design of flexure hinges and actuators’ arrangements. The compliant mechanism is actuated by thermo-electro-mechanical actuators, as they could be integrated and exert large forces in a nanometer resolution. The actuators are bidirectional capable of applying force in both transverse and longitudinal directions. Performance of the two degrees of freedom actuator is thoroughly explored via numerical and analytical analyses, showing a good agreement. The workspace and performance of the precision positioner is studied using finite element methods. Finally, identification of forward and inverse kinematic of the nano-manipulator is performed utilizing neural network concept. A well-trained and appropriate neural network can efficiently replace the time-consuming and complex analytical and experimental methods.