稀土元素在ZL101合金中的偏聚状态及对α相生长的影响

通过在铝硅合金中添加稀土元素,促进固液两相区的固相-α相的球化生长,以满足半固态成型技术对半固态坯料的要求.稀土元索在α相界面前沿的偏聚改变了α相生长的热力学条件,使α相的生长趋于均匀化,提高了α相球化效果,同时阻碍了α相的生长,细化了晶粒.在ZL101加人稀土元素后,使合金中的α相得到了球化,球化效果与稀土的加入量有关,当稀土加入量为0.50%时为最佳,稀土元素还能细化α相的晶粒.     

一种新的变结构模型参考自适应制导律

在综合考虑脱靶量、落角、入射角等末端约束条件的基础上,利用模型参考控制和变结构控制理论设计制导律.在双平面解耦的基础上,将弹目相对运动的线性模型作为参考模型,依据模型匹配条件,得到基于积分型滑模超平面的等效控制,以线性最优制导律作为参考控制,设计带角度约束的变结构模型参考自适应制导律.典型弹道仿真结果分析显示:该制导律能够满足多约束条件下高精度制导的需要,具有良好的弹道性能.     

盾构刀具用5Cr5MoSiV1钢的球化退火工艺研究

研究了盾构刀具用5Cr5MoSiV1钢的球化退火工艺,讨论了加热温度和保温时间对碳化物颗粒的数量、大小、形态分布及退火硬度的影响。结果表明,随加热温度的上升,碳化物颗粒数量逐渐减少,粒径逐渐增大,颗粒趋于圆整化且分布更加均匀,同时硬度逐渐降低。随保温时间的延长,其对碳化物的球化及退火硬度的影响与加热温度的影响类似。对于5Cr5MoSiV1钢来说,900℃×4 h为最佳球化退火工艺。     

最大值原理在制导炸弹滑翔控制中的应用

结合最优控制理论,研究了控制变量和末端状态均有约束的条件下,为了满足某个性能指标最优的要求,制导炸弹的滑翔控制问题。首先,建立了制导炸弹滑翔的最优控制模型。然后,利用最大值原理,引入共轭变量,同时消去控制变量,将最优控制问题转换为微分方程两点边值问题。最后,针对制导炸弹滑翔控制的性能指标以及对末端状态和末端时刻的特殊要求,提出了一种改进的边值打靶法,并通过仿真算例验证了算法的可行性和有效性。     

基于可观测性分析的混合式惯性导航系统连续自标定模型选择

针对混合式惯性导航系统连续自标定的系统模型选择问题,从模型中惯性仪表安装误差的可观测性出发,分析了不同模型的可观测性和适用条件。根据不同动力学方程和观测方程构建了3种不同的混合式惯性导航系统连续自标定模型,从可观测性定义出发分析了惯性仪表安装误差与系统观测量之间的关系,以判断系统是否可观测。分析结果表明,选择失准角方程作为动力学方程、加速度计输出作为观测方程和选择框架角方程作为动力学方程、加速度计和平台框架角传感器输出作为观测方程时,系统模型是可观测的。对3种系统模型进行了仿真和试验分析,验证了理论分析结果的正确性。     

具有尺度和旋转适应性的长时间目标跟踪

目标发生尺度和旋转变化会给长时间目标跟踪带来很大的挑战,针对该问题,本文提出了具有尺度和旋转适应性的鲁棒目标跟踪算法.首先针对跟踪过程中目标存在的尺度变化和旋转运动,提出一种基于傅里叶-梅林变换和核相关滤波的目标尺度和旋转参数估计方法.该方法能够实现连续空间的目标尺度和旋转参数估计,采用核相关滤波提高了估计的鲁棒性和准确性.然后针对长时间目标跟踪过程中,有时不可避免地会出现跟踪失败的情况（例如由于长时间半遮挡或全遮挡等）,提出一种基于直方图和方差加权的目标搜索方法.当目标丢失时,通过提出的搜索方法能够快速从图像中确定目标可能存在的区域,使得跟踪算法具有从失败中恢复的能力.本文还训练了两个核相关滤波器用于估计跟踪结果的置信度和目标平移,通过专门的核相关滤波器能够使得估计的跟踪结果置信度更加准确和鲁棒,置信度的估计结果可用于激活基于直方图和方差加权的目标搜索模块,并判断搜索窗口中是否包含目标.本文在目标跟踪标准数据集（Online object tracking benchmark,OTB）上对提出的算法和目前主流的目标跟踪算法进行对比实验,验证了本文提出算法的有效性和优越性.     

连续时间多胞线性变参数系统变增益H∞/H2输出反馈控制

针对一类同时具有参数不确定性和外界干扰的非线性系统,提出了一种连续时间多胞线性变参数(LPV)系统变增益H_∞/H_2输出反馈控制方法.首先,对连续时间多胞LPV系统的变增益混合目标(H_∞/H_2指标和区域极点约束)输出反馈控制器综合方法进行了数学描述;其次,引入新的结构化松弛矩阵变量和参数依赖Lyapunov函数,将满足期望性能的混合目标鲁棒动态输出反馈控制问题转化为线性矩阵不等式框架内的有限维凸优化问题,进一步降低了所设计LPV控制器的保守性.最后,以四分之一车辆模型主动悬架系统为研究对象进行仿真,仿真结果验证了本文控制器的有效性.     

基于人工神经网络和Monte-Carlo法的混凝土配合比优化设计研究

结合BP人工神经网络和Monte Carlo随机试验法 ,建立混凝土配合比的直接优化设计模型 ,并开发出实用软件。该设计过程包括 :( 1 )首先建立配合比试验样本数据库 ,然后根据不同混凝土的设计要求 ,检索该数据库并动态建立网络模型 ;( 2 )以混凝土原材料和制作工艺作为输入单元 ,混凝土最终性能指标作为输出单元 ,训练、测试BP神经网络 ,并检验其可靠性 ;( 3)以建立的BP神经网络模型和其它配合比限制条件作为约束条件 ,混凝土单位成本作为优化目标建立Monte Carlo直接优化模型 ,设计出混凝土初步配合比 ;( 4 )按《普通混凝土配合比设计规程》对上述设计出的配合比进行试拌、调整 ,得到实际可使用配合比。