空域扇区显示与分析软件设计与实现

本文根据航路点的经纬度信息,将其转换成以管制区域机场为中心点的相对直角坐标,依据各航路点的相对直角坐标绘制Voronoi图,进行初始扇区划分,之后统计各点的管制员工作负荷.根据DORATASK方法确定优化后扇区数目,合理分配各扇区管制员负荷,进行扇区深度优化,利用MATLAB制作GUI界面,将管制区航路信息、航路点信息、管制扇区边界等显示在MATLAB中.本文创新性地引入了管制员指挥巡航上升飞机的负荷和使用英语指挥外航飞机的负荷,同时考虑到管制学员的情况,为管制学员单独进行了扇区优化.     

预应力锚杆嵌岩桩的设计参数研究

结合青岛市某大型具体工程,利用有限元软件PLAXIS对基坑工程中桩锚支护结构的预应力锚杆的主要设计参数(锚固段的长度、锚杆水平倾角、锚杆刚度、预应力的取值)及桩的嵌岩深度对支护结构水平位移的影响进行了数值模拟研究.对预应力锚杆的设计参数及桩的嵌岩深度进行了优化,对类似地层的基坑设计有一定的实践与理论意义.     

基于本体的协同制造知识建模

为解决企业间制造过程中涉及知识理解、知识共享和重用困难,而导致产品生产周期长、效率低等问题,提出一种基于本体的协同制造知识建模方法。通过对协同制造特点的分析,建立了分布式协同制造工作流程模型。以航空产品协同制造为研究背景,结合领域本体构建方法,构建了分布式协同制造知识本体框架,并对协同制造知识进行分类与概念抽取、属性定义及OWL描述。最后通过实例验证知识建模方法的可行性与有效性。     

超声波处理对羊毛纤维结构的影响

为了研究超声波处理对羊毛纤维结构的影响,分别测试了处理前后羊毛纤维的碱溶解度、表面组成、结晶度以及处理液氨基酸构成。结果表明：超声波处理对纤维表面及内部结构均有一定的破坏作用,处理后羊毛纤维的损伤程度整体提高。FTIR测试表明,其表面鳞片层中的胱氨酸被进一步氧化成为磺基丙氨酸;XRD测试则显示,纤维结晶指数也有一定程度的降低;而处理液氨基酸分析则表明,超声波处理对纤维的细胞间质也有破坏作用,导致溶液中的高硫蛋白和高酪氨酸蛋白含量增加。     

基于本体的协同制造知识建模北大核心

为解决企业间制造过程中涉及知识理解、知识共享和重用困难,而导致产品生产周期长、效率低等问题,提出一种基于本体的协同制造知识建模方法。通过对协同制造特点的分析,建立了分布式协同制造工作流程模型。以航空产品协同制造为研究背景,结合领域本体构建方法,构建了分布式协同制造知识本体框架,并对协同制造知识进行分类与概念抽取、属性定义及OWL描述。最后通过实例验证知识建模方法的可行性与有效性。     

超声波对普拉红B染料缔合状态的影响

 染料在溶液中的缔合状态对染色有着重要影响。本文通过染液的电导率和吸收光谱变化研究了超声波对染料缔合状态的影响。结果表明,弱酸性普拉红B溶液的最大吸收波长随着浓度的增加逐渐减小,发生蓝移,其缔合浓度为1×10-5mol/L。在高于染料缔合浓度的条件下,随着温度的升高,经超声波处理的染液电导率的增加幅度大于未经超声波处理的。在50℃下,染液随超声波处理时间的延长,其电导率逐渐增加,吸收光谱发生红移,吸收光谱中肩峰的峰值逐渐减小。     

基于任务分层策略和属性相对变权决策的设备资源优化

设备资源作为制造技术的重要物质载体是企业向智能制造转型升级中的重要组成部分,其配置水平的提高对于增强企业竞争力具有重要意义.以往的研究主要是将制造任务相关的成本和负载等作为目标建立优化模型,忽略了任务功能需求的差异性和复杂性,且在决策方法方面忽略了需求方在属性上的偏好依赖关联行为,存在一定的缺陷.针对上述问题,提出一种设备资源双层优化模型,并设计了相应的求解算法生成候选方案集合;提出基于属性相对变权决策的优选模型从候选方案集合中获取综合评价最优的方案.仿真实验表明:运用所提方法可以生成与需求方关于属性偏好依赖关联看法及客观事实高度相符且综合评价最优的方案,具有良好的性能.     

载药聚乳酸/丝素纳米纤维的制备及缓释性能

将药物阿司匹林、聚乳酸(PLA)和丝素蛋白(SF)同时溶解在三氟乙酸、二氯甲烷（体积比7:3）的二元溶剂中,通过静电纺丝技术制备载药PLA/SF复合纳米纤维。借助扫描电镜观察纳米纤维形貌,利用红外光谱分析其成分,并用紫外分光光度计检测其释放在磷酸盐缓冲液中药物的吸光度,并计算其释药速率。结果表明：复合纤维的平均直径随着药粉质量分数的增高而减小且PLA和SF能很好的复合;SF质量分数为3%时复合纤维释药速率最大;释药速率随着药粉浓度的增大而加快。     

离散制造车间的数字孪生仿真参数修正方法

为了提高数字孪生模型的准确度，提出了一种离散制造车间的数字孪生仿真参数修正方法。根据数据驱动仿真参数修正的方式，将数字孪生模型的仿真参数划分为静态属性、动态属性和性能属性3类，设计了一种基于深度学习的时间序列预测算法—DF-LSTM用于表征性能属性。在复杂离散制造车间的仿真模型基础上，用时间序列预测算法的预测结果作为仿真模型的性能属性值，以实时数据驱动仿真模型的动态属性和性能属性的更新，实现了由仿真模型向数字孪生模型的转变。开发了装配车间的数字孪生系统，实现了装配车间的可视化监控和数字孪生模型的在线运行，最终实验验证了方法的可行性。