n物种反应扩散系统扩散驱动不稳定性的判定

讨论了含有n(n≥3)个物种的反应扩散系统的扩散驱动不稳定性,通过分析其线性化矩阵特征多项式的零次项,得到了系统产生扩散驱动不稳定性的一个必要条件.     

双伺服驱动高速精冲机主传动系统的运动规划

针对高速精冲过程中滑块速度和力能分配急剧变化的特点,提出一种双伺服驱动二自由度七杆机构的高速精冲机主传动系统.通过构造伺服电机柔性加减速函数,使伺服电机速度平滑过渡,结合精冲工艺要求及主传动机构尺寸参数,研究双伺服电机的运动规划方法,得到双伺服电机的运动与冲裁板厚、极限冲裁速度、电机特性的关系函数.利用ADAMS(动力学分析软件)建立主传动系统虚拟样机模型进而对整个精冲的过程进行仿真,分析不同冲裁板厚及不同极限冲裁速度下滑块的运动学特性曲线及伺服电机扭矩曲线.实验结果表明:该运动规划方法能够满足不同冲裁板料精冲工艺要求,降低伺服电机功率,提高精冲机工作效率.     

轮毂电驱动汽车乘坐舒适性研究

针对轮毂电驱动汽车乘坐舒适性变差及驱动电机的质量问题, 建立了车身与车轮两自由度四分之一车辆 振动系统模型, 通过计算不变点说明乘坐舒适性变差的原因, 并给出驱动电机的质量要求以提高乘坐舒适性, 并用 Simulink 对结果仿真和验证。 结果表明, 频率不变点不会因为弹簧刚度和阻尼系数的改变而改变, 而且频 率不变点所对应的车身加速度对路面输入速度的幅频特性值很接近极大值, 对乘坐舒适性影响很大, 导致轮毂 电驱动汽车乘坐舒适性变差, 并给出驱动电机最适合整车舒适性的质量要求。     

4D打印:智能材料与结构增材制造技术的研究进展

4D打印技术是基于智能材料与结构的增材制造技术提出来的,4D打印制造的实体结构形状可以随外界环境发生变化。通过对形状记忆合金、形状记忆聚合物、压电材料、电致活性聚合物、光驱动型聚合物、水驱动结构等智能材料与结构的增材制造方法与驱动效果进行综合比较发现:直写打印成型具有适用性广的特点,单一智能材料的驱动性能有限;混合增材制造技术可以兼具多种智能材料的性能,拥有多种原位驱动模式,能够克服单一智能材料与结构的不足。文献综述表明:4D打印技术研究整体还处于实验室探索阶段;4D打印还需要在拓宽智能材料范围、开发打印软件、探索打印工艺、研究软材料打印方法、解决不同智能材料的兼容问题等方面展开深入研究,才能够在医疗、军事、航天等领域得到广泛应用。     

非对称载荷下驱动轴强度与刚度的匹配与优化

为了解决某重载车辆的驱动轴容易发生早期失效的问题,提出了一种在非对称载荷作用下实现结构强度与刚度合理匹配的分段优化设计方法。通过分析非对称承载驱动轴的刚度对载荷分布的影响,建立了以结构强度和疲劳寿命为约束、驱动轴花键的应变相等为目标的驱动轴结构设计优化模型。优化设计结果表明,危险部位右侧花键齿根应力降低了90.3 MPa,驱动轴两侧扭矩分配更合理,且使用寿命提高了72.2%。     

微纳马达在生物医疗领域中的应用

 作为微纳尺度的动力装置,微纳马达具有体积小、质量轻和驱动力大等优点,在传感检测、微纳加工和环境治理等方面表现出突出的优势,特别是在生物医疗领域具有巨大应用前景。本文阐述了生物医用微纳马达的制备及驱动控制方法,总结了微纳马达在药物靶向运输、细胞识别捕捉、纳米手术、吸附毒素及溶解血栓等生物医疗领域中的应用,并讨论了其在生物医疗领域面临的挑战和未来的发展方向。     

大数据环境下科技情报研究的新模式

 大数据时代为科技情报研究与服务带来了重大的机遇和挑战,迫切需要发展新的数据驱动型情报研究模式来变革数据治理和工作流程,提高情报研究和咨询服务的质量。本文概述了传统的人力驱动型科技情报工作模式,分析了存在的问题和局限性;综述了海量异构数据集成、数据管理与分析方法和工具的开发进展;提出了建设数据驱动型科技情报研究模式的整体架构,展望了未来研究的重点。     

基于EMD的数据驱动模型在径流预测中的应用

为提高径流预测的准确性,提出一种经验模态分解EMD(Empirical Mode Decomposition)与数据驱动模型相结合的径流预测方法。该方法运用EMD将汾河上游兰村、汾河水库和上静游三个水文站年径流序列分解为随机分量和趋势分量,分别选择合适模型对各分量进行合理预测,再拟合各分量预测结果得到最终的年径流预测值。结果表明,通过EMD分解,预测效果有明显提高,满足规范要求,计算方法可行。预测结果可为汾河上游防洪抗旱规划,水资源管理提供科学的依据。     

我国高技术产业自主创新驱动因素及实现路径研究

在运用SBM模型评价高技术产业自主创新效率基础上,运用Tobit模型对五大高技术产业自主创新的驱动因素进行选择识别,依据解释结构模型分析的驱动因素内部关系,设计了适合我国高技术产业特点的"双轮驱动"自主创新实现路径。     

基于通信的数据驱动分布式预测控制

针对分布式控制系统的特点,提出了一种新型的基于数据的分布式预测控制优化算法。由输入、输出数据直接设计分布式控制器,控制器在各个子系统通信的条件下采用基于纳什最优的分布式控制优化算法,以较低的成本达到整个大系统的性能优化。这种基于数据的方法使传统的预测控制器设计过程中的系统辨识和基于状态空间模型的预测控制简化为直接的一步,即直接利用数据设计分布式控制器。本文给出了这种新型算法的收敛条件,仿真结果证明了该方法的有效性。