基于Unity 3D的多机协同化纤长丝生产线工艺仿真

将化纤长丝生产线按功能特点分成生产、检测、包装和仓储4个子系统,基于Unity 3D分别在4台电脑上进行协同仿真和显示。生产子系统使用数据化驱动可以仿真任意生产规模的场景,检测子系统与智能检测模块联合可以仿真基于视觉处理的真实生产线产品质量检测,包装子系统可以对质量合格的丝饼按规格打包,仓储子系统根据订单需求对已打包的丝饼进行存储并完成进出库操作。对各子系统需要通信的数据制定了协议,使用基于TCP/IP(transmission control protocol/internet protocol)的Socket通信完成多台电脑协同仿真。试验表明,多机协同仿真可以更高效地设计和优化化纤长丝生产线。     

样本缺失情况下的雷达目标自适应检测

雷达信号自适应检测问题中,参考数据中部分样本丢失会导致常规检测器性能显著下降。在无先验信息条件下,采用期望最大算法获得杂波协方差矩阵的最大似然估计,得到基于期望最大算法的自适应匹配滤波器。利用探测环境的先验信息,在贝叶斯框架下,采用Gibbs抽样获得杂波协方差矩阵的后验均值估计,得到基于马尔科夫链蒙特卡洛自适应匹配滤波器。计算机仿真分析表明,这2种检测器可以在样本缺失情况下具有较好的检测性能。当杂波协方差矩阵先验信息较少时,EM-AMF与MCMC-AMF检测性能相当;当有先验信息可供利用时,MCMC-AMF的检测性能可以得到进一步提升。     

超薄膜流体摩擦的微观机制

为揭示超薄膜的特性与其微观结构的关系 ,运用分子动力学模拟的方法进行了研究。模拟系统采用云母晶面作为固体壁面 ,十六烷采用珠簧模型。模拟表明 ,超薄膜状态下流体出现了层状的类固态微观结构。采用固液比作为类固态与类液态的比例指标 ,发现等效粘度的上升是薄膜流体类固化造成的。模拟发现了摩擦力的非线性特性 ,这种非线性与超薄膜微观结构的变化具有较好的对应性     

表面力仪及其在表面接触研究中的应用

介绍了清华大学摩擦学国家重点实验室研制的表面力仪（ＳＦＡ）的原理及其构造,并应用它对固体的微观接触进行了初步的研究,比较了粘着与无粘着时的接触。实验表明,Ｈｅｒｔｚ理论与无粘着接触时的实验非常吻合,ＪＫＲ理论则较好地描述了粘着时的现象。     

两相混合式步进电机的响应及转速波动

通过分析两相混合式步进电机的机械结构,理论推导了影响步进电机起动过程的多种因素.搭建了一套基于光电传感嚣的步进电机性能参数测量系统,并编写了数据收集和处理的软件.应用此系统对不同批次的步进电机进行了测试,实测数据与理论分析基本吻合.最后,从电机应用的角度,提出了改进步进电机起动过程性能参数的方法.     

超薄膜润滑的分子动力学模拟

超薄膜（膜厚趋于分子量级）的摩擦特性与宏观流体膜有很大的不同,与超薄膜的微观结构有密切的关系。本文应用可以同时模拟超薄膜宏观和微观特性的分子动力学模拟（ＭＤＳ）方法,研究了超薄膜的微观结构与摩擦学特性间的关系,发现了平行于壁面的层状类固态结构;固液作用强度及膜厚大小对类固态结构有着明显的影响;超薄膜的极限膜厚由类固态与液相的比例决定。这种微观结构的相变改变了超薄膜的摩擦学特性。模拟中还发现了剪切诱导的微观构型。     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle, UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法。以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作为不同膜内优化准则,利用膜系统计算的并行性和膜内信息交互优势提高算法性能;并对膜内进化规则进行非支配排序、搜索加权等改进,实现了UAV三维多目标航迹寻优。仿真实验表明,所提方法在有无威胁两种环境下均能快速搜索到不同侧重目标的相对最优航迹,证明了该方法的有效性。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先，采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

基于遗传算法的化纤落卷任务优化

化纤长丝卷绕生产过程中,因生产线卷绕机数量多,落筒机器人在落卷、转运和置放丝饼过程中存在满卷信号累积的情况,导致超出窗口时间而无法完成落卷。因此,优化落筒机器人处理落卷任务的顺序对减少人工干预具有重要意义。采用遗传算法对落筒机器人处理落卷任务的顺序进行优化,建立了以落卷的窗口时间作为优化目标的数学模型。结果表明,在任务量、生头时间间隔和任务位置不同的情况下,采用遗传算法可明显减少人工干预次数。     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。