隐式参数化白车身多目标协同优化设计

利用参数化建模软件SFE-CONCEPT建立了某轿车白车身的参数化模型,用仿真方法分析了白车身的静态弯扭刚度、主要低阶模态频率并与试验对比,再将白车身与动力总成、底盘连接后,对整车正碰性能进行仿真分析,并与试验对比,验证了所建参数化白车身的有效性.由于安全性分析属于非线性分析,传统优化方法通常需要人工介入,无法实现优化流程的全自动化.通过编写批处理文件,提取安全性能指标,实现白车身结构轻量化优化流程的自动化.白车身结构轻量化优化后弯曲刚度提升0.15%,扭转刚度降低0.03%,一阶扭转模态频率提高1.30%,一阶弯曲模态频率提高0.09%,碰撞安全性能基本不变的情况下,白车身质量降低24.17kg,减重率高达7.42%,取得了显著的轻量化效果.      

自适应卡尔曼滤波在供水管网爆管预警的应用

根据Supervisory Control and Data Acquisition （SCADA）系统异常监测值能及时预警供水管网爆管,但由于用水周期变化、随机波动及监测误差,导致实际中很难预警较小爆管。针对该难题,开展了基于自适应卡尔曼滤波的供水管网爆管信号识别研究,提出将历史监测数据按用水周期分解,采用自适应卡尔曼滤波结合平均低通滤波对管网供水量进行实时估计,根据监测值与估计值的差,预警爆管、估算爆管流量。分别采用仿真数据与实测数据验证所提出方法,结果表明,所提出方法可用于实际供水管网爆管预警;对所采用实测数据,爆管预警精度约为最大时水量的9%;此外,实际爆管预警精度主要取决于用水量本身的随机波动,同时与监测数据采样频率相关。     

大豆收获机车架的轻量化设计

以某大豆收获机的车架为对象,利用三维建模软件Solidworks进行了参数化建模,导入有限元前处理软件Hypermesh对车架进行有限元网格划分和模态仿真分析,对车架样件进行模态试验分析,验证了仿真模型和结果的正确性。对车架不同工况下进行了强度校核计算;以车架固有频率和动载荷系数为2.5时材料的最大许用应力为约束,以车架质量最小为目标,进行了轻量化优化设计,优化后底盘车架减质量16%。     

基于水力模型的多因子水质监测点优化布置方法研究

随着城市快速的发展,城市供水管网的规模也在不断的扩大,其拓扑结构也越来越复杂,增加了供水安全的难度。其中供水水质安全最为迫切,因此需要在供水管网中设置一定数量的水质监测点对供水水质进行监测。在前人研究的基础上,针对供水管网水质监测点优化布置的问题,在单一的节点水龄法的基础上综合考虑其他影响因素对管网水质的影响,利用北方某市供水管网水力模型进行水质监测点的优化布置方案设计,通过水力模拟软件,优化节点水龄法,设计出了基于多因子优化法的水质监测点优化布置程序。并对北方某市供水管网进行计算,结果表明,基于水力模型的多因子水质监测点优化布置方法计算出的水质监测点位置与实际位置有43.75%的重合度,不仅覆盖了在常规管网运行中水厂及加压泵站等重点水质监测位置,也在供水分界线、管网中以及管网末梢增加了部分监测点,同时对污染事故的预警时间也比优化前短,效果明显。因此,在人工经验的基础上,以多因子法为补充加强,理论与实际相结合,使布置方法更有科学依据,考虑因素更加全面,布点更加合理。利用该方法分析供水管网工况,可为水质监测点优化布置工作提供较好的实施方案。     

2018年先进纤维复合材料研发热点回眸

 先进纤维复合材料的产品创新研发和技术日益成熟,对国民经济的发展及国防现代化建设具有重大的意义。回顾了2018年先进纤维复合材料在成型工艺、性能优化、产品创新、成本缩减、技术转化等方面的进展,评述了先进纤维复合材料在航空航天、轨道交通、汽车、船舶和能源领域的应用。     

基于随机线性网络编码和UDP的可靠低时延传输方法

针对传输控制协议（transport control protocol,TCP）在无线通信中吞吐量受到丢包和反馈时延影响严重的问题,提出一种结合随机线性网络编码（random linear network coding,RLNC）和用户数据报协议（user datagram protocol,UDP）的可靠低时延无线通信传输方法。分别考虑一般RLNC和降低了编译码复杂度及头部开销的稀疏RLNC,原型实现了（稀疏）RLNC的编码、再编码、译码模块;并通过ns-3网络仿真在两跳有损中继链路中将所提方法分别与TCP和快速UDP网络连接（quick UDP internet connections,QUIC）协议的传输完成时间进行对比。仿真实验结果表明,在较高丢包率链路中,所提结合RLNC的UDP传输显著降低了传输完成时间。通过选择适当的编码参数,稀疏化的RLNC在链路条件较好的环境中能够进一步降低RLNC的传输时间,但在高丢包率环境中其传输完成时间高于RLNC。     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。     

基于FPGA的BAN认证算法硬件实现

针对智能传感节点采集的隐私生理信息在人体局域网(body area network, BAN)通信过程中存在的安全隐患问题,结合BAN的IEEE 802.15.6标准,提出一种将挑战/应答(challenge/response)的身份认证机制应用到BAN的认证中的设计方案,该方案使用HMAC-SHA256算法。采用硬件描述语言Verilog和流水线(pipeline)设计思想对该算法进行硬件实现。在Quartus II集成开发环境下,以Altera公司的Cyclone IV系列ED2-115开发板作为硬件平台完成了设计综合,并使用Modelsim软件进行功能仿真,验证了算法的正确性。实测结果显示,该方案满足BAN系统功耗和资源消耗的设计要求,可应用于BAN的身份认证设计。     

利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

基于深度卷积神经网络的水稻病害图像识别研究

水稻病害类型多,采集过来的图像病斑交界特征复杂多变。即便同类别水稻病害在不同的生长时期,发生在叶片、茎秆、穗部等部位呈现的病斑特征也不一样,而且不同类型病害也存在相似病斑,这些都给水稻病害图像的精准识别带来了相当大的困难。采用深度卷积神经网络模型,使用数据集扩增技术,运用fine-tune方法对网络进行调参及构建,将自然场景下采集的常见8类水稻病害图像输入网络模型中进行训练和测试,在有限的图像数量下取得较高的识别精度,其中纹枯病的准确率为93%。不同于其他方法仅聚焦在水稻叶部或稻穗部,本文识别的图像是多株水稻的场景,可为水稻病害远程自动诊断提供关键技术支持。