高压隔离开关多体动力学仿真及力矩特性研究

对高压隔离开关进行准确的动力学仿真是其性能优化、强度校核、故障诊断以及检修维护的基础。借助ADAMS进行高压隔离开关多体动力学仿真及力矩特性研究,建立参数化连杆机构以及触头触指模型;根据理论计算和ANSYS Workbench模态分析结果设置模型的相关动力学参数;仿真获取合闸过程触指形变和操作力矩等动力学特性,并将仿真结果与理论分析、实测波形进行对比,验证模型的准确性;最后分析不同参数下的隔离开关合闸力矩的变化情况。所提出的多体动力学仿真方法及分析结果可为隔离开关在设计阶段实现优化设计、降低成本,在工程应用阶段为工程分析、运维指导提供理论基础与数据支撑。     

边缘负载FBAR谐振器有限元仿真分析

外部激励施加于薄膜体声波谐振器(FBAR)时会激发纵向与横向剪切的振动,引发能量损耗,为了减少寄生谐振,降低FBAR器件的工作损耗,提高器件的品质因数,故需要抑制横向剪切振动。该文采用有限元仿真法讨论了顶电极边缘负载参数对FBAR器件横向寄生的影响,并通过COMSOL仿真软件实现且制备了结构完整的谐振器。测试结果表明,负载结构可有效提升器件品质因数约10%。     

手臂电磁通道特征研究

依据现有研究结果和未来体域网发展趋势研究了手臂电磁通道特征.将两个同样工作在5.8 GHz、尺寸为4 cm×4 cm的全织物贴片天线作为收发两端,研究竖直状态下手臂的传输特征;再依据自然行走状态,模拟前摆最大值位置、自然下垂和后摆最大值位置手臂的动态过程.通过对天线在空气和手臂不同位置上传输特征的对比分析,确定表面波对传输特征的影响,并采用曲线拟合方法获得相对路径损耗预测模型;通过对比手臂三种自然状态的实测结果,建立路径损耗的预测模型.研究表明,对自然下垂状态下的预测模型进行简单的修正即可较好地预测前摆和后摆时的路径损耗.     

新型电阻膜吸波体在封装辐射抑制中的应用

为抑制封装系统中无意的电磁辐射,设计了一种单元尺寸为0.079λ_L×0.079λ_L、厚度为0.057λ_L的新型电阻膜超材料吸波体结构.该电阻膜超材料吸波体通过在玻璃基板的两侧溅射氧化铟锡薄膜,并在顶层设计图案化的强耦合结构实现了超带宽吸收.通过仿真和实物测试证实了该吸波体结构在17～41 GHz频率范围内具有90%以上的吸收率.为了进一步研究其电磁辐射抑制能力,将该吸波体应用于封装系统模型中,仿真结果显示在18～47 GHz频率范围内3 m辐射电场明显降低,最佳抑制效果达到18 dB.所有结果表明所提出的电阻膜吸波体具有小型化、超宽带、极化不敏感和角度稳定的特性,其良好的辐射抑制能力为封装系统的辐射超标问题提供了新的解决思路.     

光学微纳结构红外隐身技术研究进展(特邀)EI北大核心CSCD

随着红外探测技术手段的多样化发展,红外隐身技术的需求日益迫切。由于传统的红外隐身技术面临着多途径目标探测和多功能兼容的严峻挑战,因此研究光学微纳结构红外隐身技术有着十分重要的意义。基于局域共振机制的亚波长尺度的光学微纳结构,极大地丰富了人们对光的传输行为的调控。在红外隐身技术领域,光学微纳结构可以针对红外辐射特性进行材料和结构的精细化设计,从而满足理想红外隐身发射光谱的需求,为发展更加多光谱、多功能、自适应的红外隐身技术提供全新的解决方案。文中围绕红外隐身技术的相关研究,首先介绍了多层薄膜吸收体、金属表面等离子激元、基于相变材料薄膜可调吸收体、智能化设计光学微纳结构实现光谱响应的基本原理,在此基础上,重点回顾了近年来基于光学微纳结构的红外隐身技术新特点,包括多光谱红外隐身技术、多功能红外隐身技术、自适应红外隐身技术的发展现状。最后,梳理了光学微纳结构红外隐身技术所存在的不足及面临的困难并对未来的研究方向和发展趋势进行了展望。     

具有反馈控制的多自主体系统迭代学习输出一致性

为改进多自主体系统的学习过程并提高系统对外部干扰的鲁棒性,提出一种具有反馈控制的迭代学习一致性控制算法。首先,自主体之间通过共享控制输入信息以改进其学习过程,并且当系统外部存在非迭代重复干扰时,通过设计反馈控制器以提高系统的鲁棒性;然后,使用压缩映射的方法对系统一致性进行分析,并严格推导出算法的收敛条件;最后,通过仿真实验验证了算法的正确性和有效性,改进后的算法与P型算法相比有更高的收敛速度,且在存在外部干扰时有更平滑的收敛曲线。     

余弦自适应混沌被囊体种群优化算法

针对被囊体种群优化算法存在易陷入局部最优、收敛速度慢等缺点,提出一种余弦自适应混沌被囊体种群优化算法。在模拟被囊体喷射推进行为中,引入余弦自适应曲线计算搜索个体间的社会作用力,从而改进算法易出现早熟的问题;并在搜索个体向最佳位置移动上增加了一种混沌行为,使其避免局部最优并拥有更快的收敛速度。采用多种标准测试函数进行测试,实验结果表明,提出的新的被囊群优化算法在保留原有算法优点的基础上具有更好的收敛速度、精度和全局最优性。     

基于深度学习的藏文乌梅体场景文字识别

藏文乌梅体场景文字识别是文字识别领域的一个难题,使用传统的文字识别方法人工构件难度很大。文章使用深度学习方法进行研究,使用卷积神经网络（Convolutional Neural Network,CNN）提取图像信息,采用注意力与循环神经网络（Recurrent Neural Network,RNN）结合的方式进行解码。实验结果证明,模型对于藏文乌梅体场景文字能够有效识别F1值达到86.76%。     

基于特征建模的连续体机械臂自适应鲁棒控制技术研究

针对连续体机械臂动力学建模困难,控制难度大的问题,使用特征建模的方法,用简化等价的特征模型设计了自适应鲁棒控制器。首先,通过对机械臂系统进行分析,使用特征建模得到等价的动力学模型,然后采用递推最小二乘法进行参数辨识,得到该特征模型的特征参数,最后,利用模型与辨识得到的参数设计了一种结合滑模控制的自适应控制器。通过仿真实验对本文方法与传统PID方法进行对比,仿真结果表明,本文的方法对于末端角度控制的跟踪精度高,同时对于末端扰动有着良好的自适应能力和鲁棒性。     

多智能体强化学习的机械臂运动控制决策研究

针对传统运动控算法存在环境适应性较差,效率低的问题。可以利用强化学习在环境中不断去探索试错,并通过奖励函数对神经网络参数进行调节的方法对机械臂的运动进行控制。但是在现实中无法提供机械臂试错的环境,采用Unity引擎平台来构建机械臂的数字孪生仿真环境,设置观察状态变量和设置奖励函数机制,并提出在该模型环境中对PPO(proximal policy optimization)与多智能体（agents）结合的M-PPO算法来加快训练速度,实现通过强化学习算法对机械臂进行智能运动控制,完成机械臂执行末端有效避障快速到达目标物体位置,并通过该算法与M-SAC（多智能体与Soft Actor-Critic结合）和PPO算法的实验结果进行分析,验证M-PPO算法在不同环境下机械臂运动控制决策调试上的有效性与先进性。实现孪生体自主规划决策,反向控制物理体同步运动的目的。