基于多参数优化的多机器人图案构成的分配算法

在不同应用场景下多机器人系统的图案构成受到越来越多的关注,然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成.为解决这一问题,提出一种新的基于目标匹配和路径优化的实时在线的优化算法.首先,以机器人与虚拟期望图案的距离为目标函数,建立一个多参数的图案构成模型,进而在一定的约束条件下求解得到最优的期望图案参数;其次,建立迭代控制器,使机器人在向目标点移动的过程中,可以实时在线地进行机器人与目标点的分配;然后,采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点,完成图案构成;最后,通过在MATLAB和V-REP中的仿真实验,验证所提出方法的正确性和有效性.     

现代水利工程与河流生态用水相结合之初探

按照可持续发展的思路和要求,在水利工程对河流生态用水影响理论的基础上,对水利工程建设中因未充分考虑生态用水而造成的河流生态系统遭到破坏这一问题进行剖析,并提出了相应的治理措施。     

雁宝绿色共鸣曲

<正>大自然赋予呼伦贝尔大草原美丽的袤野奇葩，同时也为草原人民馈赠了的丰富的自然资源。在旷古的气息中，草原轻盈的绿色与乌金厚重的浓黑相得益彰。秉承为社会赋能，为经济助力宗旨的雁宝人肩负起能源供应压舱石的使命，在“绿水青山就是金山银山的”生态文明理念指引下，用双手谱写一曲草原生态建设发展共鸣曲。     

轧制工艺对高强度车轮AG650LW轮辋钢的组织和性能的影响

通过Gleeble-3800热模拟试验机对AG650LW钢进行动态CCT曲线测定和轧制工艺模拟试验，得出满足650 MPa轮辋钢性能要求的组织为由铁素体+贝氏体+少量的珠光体，其终轧温度840～880℃,卷取温度480℃,轧后层流冷却速率≥10℃/s,硬度≥220HV。试验钢卷的综合开裂率4.3‰,满足了用户的加工期望要求。     

钕铁硼二次废渣制备铁系产品路径探析

钕铁硼二次废渣是钕铁硼烧结废料回收稀土后产生的工业废渣，年产量超过数万吨，是稀土磁性材料工业固体废弃物的最大单一排放源。钕铁硼二次废渣主要成分为Fe₂O₃，长期大量堆存不但占用土地资源，还引发污染环境问题。因此，对二次废渣的综合开发和高效利用可降低对环境的危害，减轻生产企业的环保压力，同时，还能提升经济效益。针对钕铁硼二次废料的物相及化学成分特点，阐述了利用钕铁硼二次废渣提铁，以及制备铁系产物的基本原理，并对制备路径进行了分析，以期为钕铁硼二次废渣的综合利用提供新思路。     

EBSD技术及其在金属材料中的研究应用

电子背散射衍射技术(EBSD)作为分析材料晶体结构、物相分布、织构以及取向差的新型研究方法,通过介绍EBSD的系统构成以及基本原理,对比其与传统分析技术之间的优缺点,结合具体实例说明EBSD在金属材料中织构、取向和晶粒尺寸等方面的应用。     

锆管表面沉积Cr-TiAlSiN复合涂层的表面形貌与性能研究（英文）

分别采用多弧离子镀和中频非平衡磁控溅射工艺,在锆合金管材基体上制备Cr-TiAlSiN复合涂层。利用扫描电镜对复合涂层的表面及截面微观形貌进行观察;利用Image J软件对复合涂层进行孔隙率和表面大颗粒数目统计分析;利用弹簧拉压试验机对涂层的膜基结合强度进行测量;利用高温热处理炉对试样进行800℃高温抗氧化试验和1200℃高温淬火实验。结果表明:采用多弧离子镀工艺所获得的涂层表面大颗粒物质比较多,但是孔隙率比较低,致使其高温抗氧化性能较好。复合涂层膜基界面比较明显且比较均匀,膜基结合强度较高,大于22.68MPa,1200℃高温淬火实验侧面表明采用多弧离子镀工艺的涂层其膜基结合强度较好。     

海藻酸钠对香椿采后脱落酸代谢的影响

黑油椿”椿芽作为安徽地方特产具有较高的食用价值和药用价值，但因其时令性强、采收季节短(谷雨前后)且气温回升较快等因素导致香椿采后货架期缩短，严重影响香椿采后产业的发展。文章旨在研究2种不同温度贮藏下，海藻酸钠喷雾处理对香椿保鲜效果及内源脱落酸(Abscisic acid,ABA)积累和相关基因表达的影响，以期为延长香椿采后的货架期提供新的方法和理论依据。以安徽省太和县“黑油椿”椿芽为试验材料，采用1%、3%和5%的3种浓度海藻酸钠处理香椿发现，3%浓度海藻酸钠能有效抑制室温贮藏下香椿落叶率(P<0.05)，改善其外观的表型特征。同时于室温和低温贮藏下，每3天测定对照组和3%海藻酸钠浓度组处理香椿芽内源ABA含量及其代谢和信号转导途径相关基因表达水平。结果表明，与室温贮藏相比，低温贮藏有效抑制了香椿内源ABA合成和代谢及信号转导途径相关基因的表达(P<0.05)。室温贮藏第6天，ABA积累及关键酶基因9’-顺式-环氧类胡萝卜素双加氧酶(9’-Cis-epoxycarotenoid-Dioxygenase,NCED)和ABA受体基因PYL9(PyrabatinRiesistan...