某V12发动机曲轴强度计算与扭振分析

基于某V12发动机开展了曲轴轴系的扭振、应力集中和耐久疲劳强度分析.按照IACS UR M53标准及CCS《钢质海船入籍规范》,采用一维分析法测定了曲轴主轴承圆角、曲柄销圆角、曲柄销油孔出口的名义应力,同时计算了等效应力和最小安全系数.结果显示:曲轴设计满足IACS UR M53标准及CCS《钢质海船入籍规范》的要求.     

基于深度学习融合网络的含噪电能质量扰动识别方法

针对强噪声环境下电能质量扰动识别精度不高的问题,提出一种自适应小波降噪和深度学习相结合的电能质量扰动识别方法。首先,通过改进峰和比分层自适应阈值和能量优化的阈值函数算法对含噪扰动信号进行降噪处理。然后,通过残差神经网络对降噪后的扰动信号进行深层特征提取,在此基础上融入多头注意力机制下的双向长短时记忆网络,建立时序特征依赖关系,构成适用于噪声环境下的扰动识别框架。最后,在不同强度噪声环境下对20类扰动信号进行仿真实验。由仿真结果可知,该方法具有良好的噪声鲁棒性,在不同噪声环境下均有较高的识别正确率。     

未知非线性多智能体系统的分布式有限时间自适应神经网络控制北大核心CSCD

针对一类具有未知磁滞输入的非线性多智能体系统,提出了一种基于改进命令滤波器的分布式预设性能自适应神经网络渐近一致控制方案。首先,为保证系统的跟踪性能,提出了基于新型性能函数的有限时间Funnel控制方案,使得跟随者与领导者在有限的时间内输出一致。其次,利用径向基神经网络和放缩方法消除了未知非线性的影响。然后,使用命令滤波器解决了传统递归方法的“微分爆炸”难题。理论分析表明:该控制方案消除了未知磁滞输入的影响并且实现了一致性误差渐近收敛至0。最后通过实例仿真验证了文中控制方案的有效性。     

含未知磁滞输入的机械臂系统预设性能控制

针对一类含有未知磁滞输入的单连杆机械臂系统，提出一种基于动态面的自适应预设性能控制方案。利用Bouc-Wen模型描述机械臂执行机构内的磁滞现象，通过RBF神经网络预估该系统内的未知函数，同时利用Funnel控制确保跟踪误差的最大超调量，据此按照动态面策略设计控制器以避免传统反演策略所固有的微分膨胀问题。理论分析表明该方案能有效消除未知磁滞的影响，能同时确保系统的瞬态及稳态性能，并能确保闭环系统内全部信号达到半全局有界。最后，通过仿真对该方案的有效性进行验证。     

性能优异的锂离子电池阳极SiCO@CNFs复合材料的制备

以聚乙烯吡咯烷酮(PVP)为碳前驱体，聚碳硅烷(PCS)为增强相，采用静电纺丝和退火工艺制备SiCO@CNFs复合材料。通过扫描电子显微镜(SEM)、X射线衍射仪(XRD)、X射线光电子能谱(XPS)、热重分析(TG)和傅利叶变换红外光谱(FT-IR)等方法对样品进行结构表征；通过电化学工作站和高性能电池检测系统对样品电化学性能进行测试。结果表明，在100mA/g的电流密度下，SiCO@CNFs复合材料的初始放电容量为1498.71mAh/g。在电流密度为300mA/g时，经过500次循环后，SiCO@CNFs的容量保持率可为49%,而CNFs的容量保持率仅为12%。SiCO@CNFs显示出优异的锂存储性能和循环稳定性。     

农产品干燥过程数值模拟研究现状及进展

我国是农业大国，农产品种类丰富，产量也居世界前列。但目前产后加工贮藏环节较薄弱，常因产后干燥不及时致产品发生霉变，或干燥参数不合理影响农产品品质，造成巨大经济损失。随着计算机技术的发展，数值模拟方法已广泛应用于农产品干燥研究中，通过数值模拟方法对农产品干燥过程进行分析，可有效模拟其干燥过程温湿度变化，节约干燥工艺开发时间，降低生产成本。该文概括了农产品干燥经验模型、理论模型以及人工神经网络预测模型的研究进展，提出了农产品干燥过程数值模拟研究当前存在的问题，并对未来发展趋势进行了展望，以期为数值模拟技术在农产品干燥领域中的优化及应用提供参考。     

基于ACO-SVM模型的油浸风冷式变压器热点温度预测方法

针对目前应用人工智能算法对油浸风冷式变压器进行热点温度预测时，预测模型输入特征量的选取不够精准及预测准确率不足的问题，本文作者在变压器内部温升-散热过程的分析基础上，提出以油浸风冷式变压器的箱壁温度作为预测模型输入特征量之一,建立了蚁群算法优化支持向量机（ACO-SVM）预测变压器绕组热点温度的模型。以实测数据作为样本进行模型训练，将文中模型与PSO-SVM模型和SVM模型的预测性能进行比较，文中模型的均方误差和平均相对误差相较于PSO-SVM模型降低了87.74%和40%，相较于SVM模型降低了87%和38.86%，测试结果表明该方法预测精度更高，对预测油浸风冷式变压器的热点温度具有更好的适用性。     

多传感器融合的激光雷达点云矫正与定位方法

针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、FLOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。     

海上油气田仪控系统智能化方案

海洋石油、气田智能化的开发，是为了提高油田的数字化、智能化水平，提高装备的可靠性，缩短作业周期，降低现场维护，优化人力，提高全过程的服务水平以及油田的循环利用率。海洋石油和天然气的仪器和控制系统是海上石油和天然气勘探开发的关键技术。通过对海洋石油、天然气的仪器和控制系统的研究，根据海洋油气资源开发的目标，对其进行了智能化的设计。     

基于电压曲线形态特征聚类的低压台区相位辨识

针对电压曲线分布集中导致低压台区用户相位难以准确辨识的问题,提出基于电压曲线形态特征聚类的低压台区相位辨识方法。首先,采用分段聚合近似(PAA)对配电变压器低压侧三相以及低压用户的电压曲线进行分段,提取反映整体分布的主要特征信息,减少冗余噪声的干扰。引入一阶导数与动态时间弯曲(DTW)增加对每个分段序列局部趋势变化的分析,并将其集成到PAA距离度量中,既弥补了均值特征缺乏对电压曲线趋势变化信息的考量,又能降低DTW的时间复杂度。然后,通过该距离度量综合判定电压特征序列的相似度,并以此改进传统k-means聚类的相似性度量,构建低压台区相位辨识模型。最后,通过实际台区算例分析验证了所提方法的有效性。