轴流压气机叶型的类/形函数表示方法及气动优化

利用分析函数表示叶型中弧线与厚度分布,结合准三维流动求解器以及序列二次规划算法对高负荷级的动叶和静叶进行了以减小落后角和气动损失为目标的气动优化。初始叶型为NACA 65叶型,中弧线采用广义抛物线表示,只用最大拱度和最大拱度位置控制;厚度分布采用一阶类/形函数表示,只用一个比例因子KR控制。叶型几何只用3个参数变量,实现对初始叶型的表达。优化后动叶和静叶设计点损失分别下降19%和7.4%,工作范围均有增加,静压比提高,优化叶型的气动分布符合可控扩散叶型的设计思想。     

两轮自平衡车的吸引区域估算方法

在很多情况下,精确求解系统的吸引区域是非常困难的。以两轮自平衡车为例,利用二次Lyapunov函数的坐标变换方法来扩大吸引区域估算值。通过与吸引区域估算结果的对比,证明该坐标变换方法的有效性和计算的简便性。最后运用开源的Python程序仿真验证了在吸引区域范围内的初始条件,均可通过PID线性控制器使车体平衡稳定。     

基于工业机器人的铁氧体湿压磁材表面缺陷检测

为 了 保 证 永 磁 铁 氧 体 湿 压 磁 材 的 质 量 与 一 致 性 ，提 出 一 种 基 于 工 业 机 器 人 的 永 磁 铁 氧 体 湿压 磁 材 表 面 缺 陷 检 测 系 统 及 检 测 方 法 。 首 先 ，设 计 了 检 测 系 统 的 虚 拟 样 机 ，阐 述 了 系 统 的 工 作 原 理 。 进而 ，分 析 了 系 统 中ＳＣ Ａ Ｒ Ａ机 器 人 的 正 向 运 动 学 、反 向 运 动 学 及 轨 迹 规 划 算 法 ，展 示 了 铁 氧 体 磁 材 的 被 检测 过 程 。 然 后 ，给 出 了 铁 氧 体 磁 材 表 面 缺 陷 检 测 方 法 ，包 括 自 适 应 直 方 图 均 衡 化 、 Ｋｉｒｓｃｈ 边 缘 提 取 和 缺 陷域 特 征 处 理 。 最 后 ，通 过 仿 真 算 例 和 检 测 试 验 验 证 了 本 文 所 设 计 检 测 设 备 的 合 理 性 及 表 面 缺 陷 检 测 方 法的 可 行 性 。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

济阳坳陷下古生界潜山油气藏特征及成藏模式

济阳坳陷下古生界潜山具有多样性、复杂性的特点，潜山差异性的形成演化、油气成藏主控因素和控藏模式不明确，严重制约了该区潜山油气勘探。在潜山分类的基础上，综合利用系统恢复、分类对比和典型解剖等方法，揭示了济阳坳陷下古生界不同类型潜山的形成演化过程和油气成藏主控因素差异性，分类建立了油气成藏模式。研究表明，济阳坳陷下古生界主要发育高位新盖侵蚀残丘潜山、中位古盖拉张断块潜山、中位新古盖拉张剪切断块潜山、中位中古盖挤压拉张断块潜山和低位古盖拉张滑脱断块潜山5种潜山类型。不同类型潜山的形成演化和油气成藏各具特色，其中，高位新盖侵蚀残丘潜山的发育受隆升、侵蚀作用控制，油气成藏主要受控于油源和盖层条件，表现为"单向供烃、砂体-不整合岩溶体联合输导、残丘控藏"的成藏模式；中位古盖拉张断块潜山的发育受掀斜、断裂作用控制，油气成藏主要受控于储集条件，表现为"单向供烃、顺向断层输导、反向断层控藏"的成藏模式；中位新古盖拉张剪切断块潜山的发育受反转、翘倾和走滑切割作用控制，油气成藏主要受控于输导条件，表现为"多源供烃、断溶体立体输导、断裂控藏"的成藏模式；中位中古盖挤压拉张断块潜山的形成受强烈挤压、拉张滑脱作用控制，油气成藏主要受控于储集条件，表现为"多源供烃、断缝体输导、断褶控藏"的成藏模式；低位古盖拉张滑脱断块潜山的形成受强烈拉张滑脱作用控制，油气成藏主要受控于输导条件，表现为"顶部供烃、断缝体输导、断裂控藏"的成藏模式。     

基于深度学习的番茄叶部病害识别模型

番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。