一种力感知型手术器械驱动装置的设计与实现

为了增强医生手术操作的临场感,设计了一种力感知型手术器械驱动装置,在非常紧凑的空间内同时实现了手术器械旋转、俯仰、偏航和开合4自由度的传动和力感知功能.对力感知组件中关键组件弹性变形体的三种结构设计方案进行对比与优化,确定了一种可行且易于加工的弹性变形体结构,并试制了力感知手术器械驱动装置样机;提出了一种通过惠斯通电桥间接测量该变形体变形来测量力/力矩的方案,根据应变片阻值变化测量手术器械各自由度力/力矩,实验验证了弹性体设计方案简单可行.提出的力感知型手术器械驱动模块具有成本低、运动灵活、力测量精度适中且易于消毒的特点.     

一类具有时滞和CTL免疫反应的HIV-1感染模型的稳定性和Hopf分支

研究一类具有时滞和CTL免疫反应的HIV-1感染动力学模型.通过分析特征方程,讨论了系统各可行平衡点的局部稳定性和系统Hopf分支的存在性.通过构造适当的Lyapunov函数,研究了未感染平衡点和CTL-激活感染平衡点的全局稳定性.最后对所得理论结果进行了数值模拟.     

饱和软土场地格栅加筋路堤地震动力响应分析

为探讨饱和软土场地中格栅加筋路堤地震动力响应特性规律,基于大型通用有限元分析软件ADINA,建立了饱和软土地基上格栅加筋路堤的数值分析模型,研究了布筋方式、筋材弹性模量与间距及路堤填料性质对格栅加筋路堤地震动力响应的影响规律.结果表明:增大筋材弹性模量可有效提升路堤动力稳定性,且筋材越靠近路堤底部其效果越显著;随着加筋层数增加,加筋效果提升率有所衰减;增加填料摩擦角和填料黏聚力可提高加筋路堤动力性能,但填料土性参数达到一定幅值后,其变化所引起动力性能提升效果降低.     

纯电动汽车正面抗撞结构耐撞性拓扑优化方法

为了解决纯电动汽车正面碰撞安全性差的问题,文章提出了一种综合考虑5种典型碰撞工况下整车优化区域以及动力电池布置分析的多目标耐撞性拓扑优化方法。基于混合元胞自动机(hybrid cellular automata,HCA)算法,耐撞性拓扑优化以单元相对密度为设计变量、结构内能密度分布统一为目标,运用固体各向同性微结构材料惩罚模型(solid isotropic material with penalization model,SIMP)下的变密度法进行材料分布;迭代收敛后,最终得到了传力路径优越、构型明朗清晰的耐撞性车身结构,同时得到符合整车性能要求的吸能纵梁形状。对优化后的整车模型进行的耐撞性验证表明,该优化结构让碰撞加速度与结构变形量同步最优化,大大增加了纯电动汽车正面碰撞的安全性,优化出的抗撞结构为纯电动汽车正面耐撞性设计提供了一定的参考。     

改进的CSF流体表面张力模型

传统连续表面力(continuum surface force,CSF)模型模拟流体表面张力时,流体表面的粒子受到的表面张力都是法向力,很难保证流体表面的光滑性,从而使得表面张力模拟失真;此外,流体表面的粒子不足还导致流体表面密度计算精度降低,模拟稳定性差。文章在CSF模型的基础上,对流体表面施加切向力,使得流体表面更加光滑;对边界粒子进行密度修正,提高了密度计算精度和模拟的稳定性。仿真实验结果表明,该方法模拟的流体表面张力效果更好。     

东鞍山贫铁矿石磁选预富集行为

针对东鞍山贫铁矿石(Fe质量分数34.60%)中含有赤铁矿、磁铁矿和少量的菱铁矿,提出了一种弱磁粗选-高梯度扫选的预富集工艺,并借助XRD、铁的化学物相分析及扫描电镜(SEM)考察了磁场强度和原料磨矿细度对东鞍山铁矿石预富集行为的影响.结果表明,在磨矿细度-0.074mm占70%(质量分数)、弱磁粗选磁场强度120mT、高梯度扫选Ⅰ磁场强度300mT及高梯度扫选Ⅱ磁场强度800mT的条件下,可获得Fe质量分数42.67%、回收率95.45%的预富集精矿;磁铁矿富集于弱磁粗选作业中,赤铁矿和菱铁矿在高梯度扫选作业中得到有效富集,尾矿中丢失的铁矿物主要为微细粒赤铁矿(＜10μm),由于受到的磁性捕获力弱而无法得到回收.     

纳米MoS2含量对纳米微量润滑磨削CFRPs的影响

为了研究磨削碳纤维复合材料(CFRPs)时,纳米二硫化钼(MoS₂)含量对纳米微量润滑效果的影响,制备了不同质量分数(0%,3%,6%,9%,12%)的纳米MoS₂和棕榈油混合液,作为纳米微量润滑油液,对碳纤维复合材料进行磨削加工.使用光学显微镜,观测分析碳纤维复合材料的表面粗糙度、表面形貌.使用测力仪对磨削力进行测量,并通过磨削力计算出磨削力比.最后对纳米(MoS₂)在纳米微量润滑磨削过程中的作用机理进行了阐述.结果表明,当纳米(MoS₂)质量分数为9%时磨削力比最低,为0.0632,表面粗糙度R_○a值最小,为1.86μm,且表面碳纤维损伤最小.     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.