基于操纵平稳性的液压挖掘机轨迹规划方法

以既能达到良好的轨迹规划精度,又有优良的操纵平稳性为目标,提出了一种挖掘机器人的智能轨迹规划方法.以挖掘姿态角为优化变量;油缸进程和加速度梯度为双目标;位置盲角和最佳切削范围为约束建立优化数学模型,采用遗传算法寻找最优值.对3种规划策略：被动修正法、主动调整法和智能规划法进行了行程和速度梯度对比,结果表明,采用优化规划方法可以大幅减少液压系统冲击和振动,使挖掘机操纵更加平稳.     

斜加劲梁柱节点翘曲传递分析

对梁和柱内的翘曲位移及其双力矩通过斜加劲的梁柱节点的传递提出了新的数学分析模型.新模型除了节点区内梁柱翼缘在自身平面内的弯曲变形和扭转变形外,还考虑了斜加劲肋在自身平面内的弯曲变形和扭转变形、节点区腹板对斜加劲肋扭转变形的约束,得到了节点域双力矩的计算公式.算例表明,提出的模型与板壳有限元方法结果符合非常好,而传统的梁柱翘曲连续的处理方法与板壳有限元方法结果有较大的误差.该方法可以简单地通过修改传统的薄壁杆件单元刚度矩阵来实现,并可以解决薄壁构件框架弯扭线性和非线性分析.     

混流式水轮机叶道涡演化及压力脉动特性研究

水—风—光互补发电系统中的水轮机将由主要担任发电任务的常规水轮机逐渐转变为担任调节负荷任务的调能水轮机,其运行在部分负荷工况诱发的叶道涡严重制约着水轮机的运行稳定性.本文基于SST k-ω湍流模型与Zwart空化模型耦合的方法开展了混流式水轮机部分负荷工况下叶道涡不稳定流动特性研究.结果表明,转轮上冠处的流动分离对叶道涡的形成有重要贡献.叶道涡在转轮内为一个强度周期性改变的动态过程,其脉动主频为转频的1.1倍.叶道涡强度的变化可分为涡结构由展向中间位置向出水边迅速发展形成完整叶道涡和完整叶道涡强度缓慢增加的两个过程.叶道涡的动态演化会显著增强转轮叶片吸力面出水边一侧的压力脉动幅值,直接影响水轮机的水力稳定性.     

无人机在输电线路运行中的应用分析

利用无人机进行线路巡视,已成为输电线路提高巡视效率、质量的主要手段之一.无人机技术与输电线路运行方式深度结合,可有效弥补传统巡视方式的不足.但这种新的巡视方式并不完善,所以及时剖析现阶段无人机在输电线路运行中的作用与影响,对于下一步无人机在输电线路领域的应用尤为主要.结合无人机特性与输电线路巡视需求,从无人机巡视的功能分类角度出发,阐述了各种工况下对电网巡视带来的变化与待改进的地方,为无人机在输电线路巡视中的下一步发展提供参考.     

基于功率波动和储能可用电量的直流微网改进动态下垂控制算法

传统下垂缺乏对电压偏离和分布式储能的灵活控制,对此提出一种直流微网改进动态下垂控制方法.首先构建余弦函数曲线特性的动态下垂系数,在功率波动增大时自动减小下垂系数,抑制母线电压波动;然后引入储能剩余可用电量,对下垂系数进行二次调整,保证直流系统稳定的基础上降低储能过充过放的风险;最后根据可用电量计算均衡系数,提高分布式储能的均衡效果.对3种不同下垂控制进行仿真对比,结果验证了该改进动态下垂控制策略的灵活性和可靠性.     

Trace Identification and Visualization of Multiple Benzimidazole Pesticide Residues on Toona sinensis Leaves Using Terahertz Imaging Combined with Deep Learning

Molecular spectroscopy has been widely used to identify pesticides. The main limitation of this approach is the difficulty of identifying pesticides with similar molecular structures. When these pesticide residues are in trace and mixed states in plants, it poses great challenges for practical identification. This study proposed a state-of-the-art method for the rapid identification of trace (10 mg·L⁻¹) and multiple similar benzimidazole pesticide residues on the surface of Toona sinensis leaves, mainly including benzoyl (BNL), carbendazim (BCM), thiabendazole (TBZ), and their mixtures. The new method combines high-throughput terahertz (THz) imaging technology with a deep learning framework. To further improve the model reliability beyond the THz fingerprint peaks (BNL: 0.70, 1.07, 2.20 THz; BCM: 1.16, 1.35, 2.32 THz; TBZ: 0.92, 1.24, 1.66, 1.95, 2.58 THz), we extracted the absorption spectra in frequencies of 0.2–2.2 THz from images as the input to the deep convolution neural network (DCNN). Compared with fuzzy Sammon clustering and four back-propagation neural network (BPNN) models (TrainCGB, TrainCGF, TrainCGP, and TrainRP), DCNN achieved the highest prediction accuracies of 100%, 94.51%, 96.26%, 94.64%, 98.81%, 94.90%, 96.17%, and 96.99% for the control check group, BNL, BCM, TBZ, BNL + BCM, BNL + TBZ, BCM + TBZ, and BNL + BCM + TBZ, respectively. Taking advantage of THz imaging and DCNN, the image visualization of pesticide distribution and residue types on leaves was realized simultaneously. The results demonstrated that THz imaging and deep learning can be potentially adopted for rapid-sensing detection of trace multi-residues on leaf surfaces, which is of great significance for agriculture and food safety.     

共享电动汽车混合充换电站选址优化

在未来城市中更换电池这种便捷、高效的方式将成为共享电动汽车补充电能的主要方式.为了建立效率高、成本低、电网友好型的混合充换电站,首先根据共享电动汽车的租赁规律以及功率、时间等充电数据,利用蒙特卡洛模拟方法预测共享电动汽车的充电负荷;然后,以共享电动汽车充换电站对用户捕获程度最大、配电系统网络损耗最小和配电系统电压偏移最小为目标,建立共享电动汽车混合充换电站最优规划的多目标模型;最后,采用改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对多目标模型进行求解,得到Pareto最优解集.以25节点交通网络和IEEE 33节点配电系统为例,验证了所建模型的可行性,可为共享电动汽车混合充换电站的建设提供可行性经验.     

CeOx-MnOx/TiO2低温SCR催化剂的制备及脱硝性能

利用超声浸渍法分别制备了MnOx/TiO2和CeOx-MnOx/TiO2低温选择性催化还原（SCR）脱硝催化剂,并对其进行了SEM、EDS、BET及XPS等表征,在此基础上,研究了催化剂的低温SCR脱硝性能,重点考察了Mn负载量及Ce/Mn摩尔比对催化剂性能的影响,结果表明：当Mn负载量为15%时,催化剂具有较高的催化活性;Ce的掺杂有利于催化剂催化活性的提升,当Ce/Mn=0.8时,其催化活性最高,在180℃时达到了97.86%。另外,Ce的掺杂有利于提升催化剂的抗硫抗水特性,但仍有待进一步提升。     

基于图像识别的铜转炉吹炼造渣期渣含Fe预测模型研究

铜转炉吹炼是火法炼铜的关键工序,其终点判断与炉寿、铜产率和直收率紧密相关,目前现有人工经验、仪器测定和物料平衡法等终点判断方法均存在一定的局限性。理论上铜转炉吹炼造渣期终点与渣含Fe是否达标有关,而不同Fe含量渣样呈现不同的图像特征,鉴于此,基于图形识别的特征向量提取原理,分别采用卷积神经网络(CNN)算法与支持向量机(SVM)算法,构建了铜转炉吹炼造渣期渣含Fe预测模型,为图像识别技术在铜转炉吹炼终点判断中的应用奠定数模基础。两种模型的实例分析表明,卷积神经网络的训练集预测准确率98%,测试集预测准确率约50%;支持向量机模型的训练集预测准确率99%,测试集预测准确率62%。     

纯铜动态再结晶的Monte Carlo法模拟

本文建立了一种基于能量判据的确定动态再结晶各个阶段临界应变的方法，并基于此种方法Monte Carlo(MC)法进行了纯铜动态再结晶的二维模拟，定量计算了变形引起的存储能与变形之间的关系，计算出了发生动态再结晶的临界应变。模拟结果表明，采用MC法可以揭示动态再结晶的形核生长过程与应变历史之间的关系。结合本文所建立的基于能量判据的确定动态再结晶各个阶段临界应变的方法，可以预测开始发生动态再结晶的临界变形条件。