摘要:为研究与心动周期有关的胸部冲击时刻对钝性心脏损伤的影响，开发并验证了一个精细人体心脏生物力学模型，并针对40例处于不同心动周期的心脏进行胸部冲击仿真. 心脏模型几何来源于医学影像，包含四个心腔、瓣膜以及主动脉、肺动脉等结构. 通过Abaqus中基于面的流体腔方法考虑冲击过程中血液与心脏的流固耦合作用. 心脏的不同状态采用各心腔内压力与瓣膜的激活与否来表征. 仿真结果显示：（1）建立的心脏模型在胸部正面冲击下心内血压曲线在试验范围内，能够正确反应心脏的冲击响应. （2）乘员胸部正面冲击下，左心房的血压峰值为（164.91±17.33） kPa，明显高于右心腔，使二尖瓣损伤风险高于三尖瓣；右心心肌的应力值为（1887.07±168.74） kPa，远大于左心，导致右心更容易发生心肌破裂. （3）心脏处于心室充盈期受到冲击时，心肌应力为（1901.3±150.7） kPa明显高于其他时刻，更容易发生心脏损伤. （4）心腔内的初始血压对碰撞中的峰值血压影响不明显，Pearson相关系数小于0.2；而瓣膜的开闭状态对心肌的损伤风险影响较大. 研究结果有助于进一步理解钝性心脏损伤机理，为车辆安全设计提供基础.

摘要:在飞机移动装配线中，人力资源的技能水平可以通过一定时间的学习培训得到提升. 针对该现象，提出了在已知期望人力资源结构条件下考虑柔性资源技能进化的多项目组合调度问题，建立了以最小化达到目标人力资源结构所需项目个数和投入总成本为目标的混合整数规划模型. 针对该模型，设计了一种多层链表结构编码方式的混合多目标教学优化算法，并结合邻域搜索提高算法的局部搜索能力. 最后，通过实验数据结果验证了本文模型与算法的有效性.

摘要:为描述数控机床运动构件的故障率随时间变化的情况，本文从元动作单元出发，建立了一个关于元动作单元的故障概率模型. 首先，根据元动作单元故障发生的原因将故障分成两类，随机故障和老化故障. 然后，根据这两种故障类型故障数据的不同特点，选用两个不同的概率分布函数分别进行描述，随机故障用泊松分布进行描述，老化故障用威布尔分布进行描述. 接着，给出这两种故障概率模型中各参数的物理意义和估计方法. 更进一步，工作负载和工作环境会分别对元动作单元的老化故障和随机故障的故障率造成影响.为比较这两者对故障率影响的大小，提出了工作负载参数Rl和工作环境参数Re，并给出这两个参数的估计方法. 最后，根据收集到的运动构件的故障数据作出频率直方图，同时，对故障数据进行参数估计得到概率密度函数，并将这两者画在同一幅图上，发现两者具有较好的拟合效果. 表明提出的元动作单元故障概率模型适合于描述运动构件故障率随时间的变化，模型有效.

摘要:为了提高摩托车头盔防护性能降低头部损伤风险，本文引入功能梯度仿生泡沫结构替代传统头盔的均匀密度泡沫衬垫. 通过头盔耦合生物力学头部有限元模型，获取撞击过程中头部质心加速度、生物力学响应和头盔结构响应，综合分析不同密度梯度方案对头盔防护能力的影响. 结果表明，功能梯度泡沫结构在中高速冲击下有更明显的优势. 相比传统头盔吸能缓冲层的均匀泡沫密度方案和新型头盔的正/负密度梯度方案，最大密度为80 kg/m3的负密度梯度泡沫设计方案可以更有效改善头盔结构碰撞响应并降低碰撞过程中头部损伤，且随着密度差的增大，负密度梯度头盔的防护性能得到了进一步提高.

摘要:为提高旋转式磁流变阻尼器输出扭矩密度，提出了一种具有更高精度的旋转式磁流变阻尼器设计方法. 建立了螺旋流动磁流变阻尼器内部各通道的磁流变液准稳态流动微分方程，基于Herschel-Bulkley本构模型推导了磁流变液速度分布表达式，研究了螺旋流动阻尼器在高速工况下阻尼力矩和动态范围的计算方法. 对阻尼器各通道的输出扭矩进行了数值仿真，结果表明，在高速工况下，随着电流增加，螺旋流动模式的扭矩增强效应呈现先上升再下降的趋势，并最终退化为纯剪切模式. 设计加工了样机，并进行了低速和高速性能测试，实验结果显示，实验结果与理论计算吻合，零场高速工况下改进模型相较于传统模型平均误差减小129.4%，为设计高输出扭矩密度的旋转式磁流变阻尼器提供了理论基础.

摘要:针对锂离子电池单体成组后温度场的非均匀性导致的热不一致性问题，以及高温下电池单体间的热交互引发的热安全性问题，采用仿真与试验相结合的方式，基于锂离子电池生-传热机理，设计了电池单体单独成组、电池单体之间夹隔泡沫棉、电池模组底部布置液冷板3种递进式散热方案，并对液冷板进行了优化设计. 采用有限元软件STAR-CCM+，仿真分析了3种方案下电池模组在不同放电倍率时的温度分布. 结果表明：增加泡沫棉可减少电池间的热交互，进而提高电池单体间的热均衡性. 在结合泡沫棉、导热板以及优化后（采用液冷管道串-并联组合方式）的液冷系统散热条件下，电池模组以2C倍率放电时最高温度为35.08 ℃，最大温差仅为4.85 ℃. 研究结果可为电池热管理散热系统结构设计提供一定的理论基础.

摘要:磁悬浮冷压缩机是大型超流氦制冷系统的关键部件. 针对某磁悬浮冷压缩机转子系统，通过构建基于铁木辛柯梁理论的转子有限元模型，以及将电控硬件的作用定义为等效刚度和等效阻尼，组建了闭环系统中磁悬浮转子的完整模型，并完成了临界转速和不平衡响应的仿真计算. 仿真和实验测得冷压缩机转子在相同PID控制器作用下的刚体临界转速分别为27 Hz和28 Hz，前两阶弯曲临界转速的百分比误差均不超过2%. 控制器的关键参数在一定范围内变化时，通过不平衡响应仿真计算和50 000 rpm范围内的升速实验这两种方法得到的转子动力学特性较为相符. 这验证了所提出的建模和动力学计算方法的可靠性和准确性，研究成果对冷压缩机转子的结构设计以及控制器调试具有重要参考意义.

摘要:在低附着路面情况下，针对现有以线性时变模型预测控制（LTVMPC）为基础的无人驾驶汽车路径跟踪精确性和稳定性问题，提出一种改进的控制算法. 以汽车动力学理论为基础，将四轮轮胎侧偏角和滑移率精确地表示为车辆状态量的非线性函数，在预测时域内对车辆状态方程线性化处理而求解雅可比矩阵时，为降低系统维度，将轮速作为非状态量，建立改进的三自由度车辆模型，在二次规划性能指标中加入横摆角速度跟踪误差项以提高路径跟踪性能，考虑质心侧偏角对跟踪精度和车辆稳定性的影响，修正参考横摆角，建立改进的LTVMPC. 在Carsim-Simulink联合仿真平台进行低附着系数路面情况下的双移线跟踪仿真，结果表明改进后的控制算法在保证实时性的前提下，提高了路径跟踪的精确性和车辆行驶的稳定性.

摘要:针对三峡升船机超大模数变位齿轮-齿条传动润滑设计缺失与过早磨损，开展低速重载使役状态下传动系统的润滑特性研究. 构建变位齿轮-齿条传动系统瞬态热弹流润滑计算模型，利用多重网格法与FFT方法求解各啮合点处的润滑特性参数. 分析启动至正常运行阶段的转速和载荷、变位系数、模数、压力角、材料配副和油膜黏度，对油膜压力、膜厚、齿面摩擦力与摩擦系数的影响. 研究结果发现，齿条啮入瞬间的成膜条件差，滑移速度与摩擦力较大，易使齿条顶部发生磨损；齿轮副硬材料表面的润滑性能较差；适当增大变位系数、模数、压力角和黏度可改善润滑性能.

摘要:针对在复杂的工况下车道线检测的鲁棒性和实时性较差等问题，本文通过融合边缘检测与多颜色空间阈值分割结果，进行车道线特征点的提取. 结合车道线在鸟瞰图中的位置特点，提出了基于DBSCAN二次聚类（Reclustering based on Density-Based Spatial Clustering of Application with Noise，RC-DBSCAN）的特征点聚类算法. 并以簇点是否进行二次聚类和Lab空间采样簇点的平均灰度值为依据，进行车道线线型和颜色的识别. 使用最小二乘法对车道线进行拟合，通过基于可信区域的卡尔曼滤波算法对拟合后的车道线进行跟踪. 最后在实际道路采集的视频与公开的数据集中进行了实验. 实验表明，本文算法在复杂路况下对车道线检测的鲁棒性优于传统聚类算法，实时性能够满足实际需求；在结构化道路上，对车道线类型的识别也具有很高的准确率.

摘要:风暴单体是形成各类强对流灾害天气的基本单元，它们的雷达回波形状复杂、内部分布不一、外层相互交织，从而造成单体分割困难. 提出了一种基于形态结构特征的对流单体自动迭代分割方法. 以雷达图片中区域树结构单体分割结果为初始输入，在每次迭代分割过程中，首先计算各个分割结果的3个形态结构特征，然后通过一个预先训练的支持向量机（Support Vector Machine，SVM）分类器判断分割结果是否为对流单体，对非单体的分割结果进行再次分割. 通过3种不同类型的风暴案例进行测试，结果表明，本文方法能够有效地识别出聚集的单体和处于分裂/合并状态的单体，并且能够获得单体的完整结构. 在定量评估测试中，本文算法获得了0.84的临界成功指数评分，高于传统的风暴单体识别与跟踪算法（Storm Cell Identification and Tracking，SCIT）方法（0.55）和单阈值方法（0.49）.

摘要:多变量时间序列各变量间依赖性较强，数据变化趋势不明显，预测难度高. 传统研究采用带门控机制的循环神经网络及变体进行预测，但序列间存在相互依赖关系，突变数据段建模预测不精确. 基于信息熵，本文提出一种新的改进门控权重单元，利用信息熵技术量化数据序列的变化程度，动态调整权重矩阵刻画数据的变化趋势. 基于4个公开数据集分别进行实验，实验结果表明新模型比传统循环神经网络模型具有更好的预测性能.

摘要:细菌耐药性的日益加剧，以及目前的耐药性检测方法周期长等问题，给临床第一时间准确用药带来极大的挑战和困境. 为此，本文将探索深度学习技术在抗菌药物耐药性预测中的应用，提出一种融合注意力机制的双通道卷积神经网络模型，通过上下两个通道对建模后的送检数据做不同粒度的特征提取，每个通道经过卷积和池化后引入注意力机制，聚焦重要的特征信息，而后将两个通道的特征进行融合，从而完成分类输出. 将模型在某三甲医院细菌药敏检测历史数据集上，与多种不同方法进行对比实验，结果表明，本文所提出方法在分类准确度F值指标中平均实现20.35%的提升，同时在小样本分类上表现出更好的效果.

摘要:针对母体腹部混合心电信号中胎儿心电信号微弱、包含诸多噪声，难以清晰提取的问题，本文提出了一种基于奇异值分解（SVD）、平滑窗（SW）技术和最小二乘支持向量机（LSSVM）的胎儿心电提取新方法. 首先，利用SVD从单通道母体腹部心电信号中重构分解矩阵，估计出母体心电参考信号，并利用SW方法对估计出的母体心电参考信号进行平滑处理；然后，利用LSSVM建立非线性估计模型，通过该模型和平滑后的母体心电参考信号估计出腹部信号中的母体心电成分，并采用布谷鸟搜索算法（CS）优化LSSVM的超参数；最后，将腹部混合信号与CS-LSSVM模型估计出的母体心电成分相减，即可获得初步胎儿心电信号，为了进一步消除干扰，对初步获取的胎儿心电信号再进行SW-SVD操作，从而获得较为清晰的胎儿心电信号. 采用Daisy数据集进行实验，结果表明，本文所提出的方法在可视化对比分析和四个统计评价指标上均优于其他三种经典方法，可从腹部混合信号中提取出更清晰的胎儿心电信号.

摘要:为了提高软件质量，组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能. 本文提出一种基于鲸鱼优化算法的类图重构方法，并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优. 在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构，研究结果表明：基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法，可有效提高重构质量.

摘要:基于图神经网络的推荐算法通过从图中获取知识，提高了推荐的可解释性. 然而随着推荐系统网络数据规模的不断扩大，用户-项目评分矩阵呈现出稀疏性问题，图神经网络难以学习到高质量的网络节点特征，导致推荐质量下降. 本文将图神经网络与异质信息网络相结合，提出一种基于异质图神经网络的推荐算法. 该算法使用异质信息网络对多源异质数据进行联合解码，将注意力机制引入用户-项目交互网络和用户社交网络的用户、项目聚合表示过程，从而实现用户-项目交互和用户社交两类网络间的节点及拓扑结构特征的有效融合. 两个公开数据集上的对比实验结果表明，本文提出的算法在不断稀疏化的数据集上的推荐误差比基线方法少40%.

摘要:基于55 nm CMOS工艺提出了一款具有高输出功率的太赫兹基波压控振荡器（Voltage-Controlled Oscillator，VCO）. 设计采用堆叠结构来克服单个晶体管供电电压受限导致输出摆幅较低的问题来有效提高了输出功率. 依据单边化技术在核心晶体管的栅漏之间嵌入自馈线来调整栅漏之间的相移和增益以最大化晶体管在期望频率下的可用增益，从而提高晶体管的功率输出潜力. 提取版图寄生后的仿真结果表明：在2.4 V供电电压下，VCO的输出频率范围为200.5 GHz~204.4 GHz，电路峰值输出功率为3.25 dBm，在1 MHz的频偏处最优相位噪声为-98.7 dBc/Hz，最大效率为8.1%. 包括焊盘在内的版图面积仅为0.18 mm2. 此次工作实现了高输出功率并具有紧凑的面积，为高功率太赫兹频率基波VCO设计提供了一种设计思路.

摘要:随着电动汽车的普及，大规模电动汽车入网对配电网造成的影响愈加明显. 在该背景下，提出了考虑电动汽车充电桩无功响应能力的充电站实时滚动优化调度策略，充分考虑电动汽车的时空分布特性以及充电站与电网之间的有功无功交互能力，建立双层模型分别从时间和空间上对充电站的有功无功进行优化调度. 分别采用二次规划、二阶锥规划对上、下层模型进行求解，最后以改进的IEEE33节点配电网系统进行仿真，仿真结果表明该策略可以有效降低系统负荷峰谷差，减小系统网损，改善系统电压水平.

摘要:高效的生产调度策略是铸造企业提高生产效率、降低生产成本的重要手段. 目前，铸造生产优化调度的相关研究通常是针对熔炼浇铸加工与机加工两阶段分别进行的，制约了铸造生产线全流程优化调度的效果. 针对铸造生产线生产过程当中熔炼浇铸加工与机加工协同调度问题，建立了以最小化总完工时间为目标的铸造生产线全流程优化调度模型. 为了有效地解决该调度模型，提出一种混合并行混沌优化算法（HPCOA）. HPCOA中设计了并行混沌搜索用于高效的全局搜索，并引入基于关键路径的变邻域搜索用于增强算法的局部搜索能力. 通过在实际案例的对比试验，证明了HPCOA算法的有效性.

摘要:低频振荡是三相电力系统中的一种平衡现象，如何准确、快速地估计振荡信号的参数对于评估和消除低频振荡至关重要. 本文提出了一种采用复频谱插值DFT的低频振荡下电力系统动态信号参数估计的方法，该方法利用三相系统的对称特性，通过克拉克变换将电力系统中的三相实信号转换为正交分量形式的复信号，然后对复信号进行离散傅里叶变换，通过复频谱插值方法，利用两个幅度最大的谱线样本来估计各项动态参数. 实验仿真结果表明本文方法能在低频振荡的场景下准确高效地实现电网动态参数的估计.

摘要:深度神经网络中的自动编码器（Autoencoder，AE）通过收发端两个神经网络模块进行全局优化，利用端到端的训练方式以提高通信系统的可靠性. 然而，现有对AE的研究未针对信道进行特殊设计，尤其对于时变的水声信道的多径效应，难以进行灵活调整，降低了该方法的实用性. 本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型，基于Attention网络可以高效地从大量信息中筛选出关键信息的特点，设计了一种针对水声信道的Attention机制，该机制能够增加网络提取水声信道特征的能力，使系统的适应性大大提高. 仿真验证和湖试实验结果表明，基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比，具有更高的信道环境适应性.

摘要:锂离子电池的荷电状态（SOC）、健康状态（SOH）和剩余使用使命（RUL）是锂离子电池安全稳定运行的重要状态参数，本文提出一种基于充电电压上升片段的锂离子电池状态联合估计方法，实现对电池预测起点（SP）到寿命终点（EOL）的较长运行周期内SOC、SOH和RUL的联合估计. 该框架在充电阶段进行SOH和RUL估计，在放电阶段进行SOC估计. 首先提取电池恒流充电电压曲线片段的上升时间作为健康特征（HF），以HF作为输入，循环容量作为输出，建立最小二乘支持向量机（LSSVM）电池老化模型，对当前健康状态进行估计；采用等效电路模型对该电压区段进行非线性拟合，用拟合参数建立状态空间模型，结合无迹卡尔曼滤波算法进行SOC估计；用高斯过程回归时间序列模型对电池的健康特征序列进行建模，通过循环次数外推预测健康特征的变化趋势，并结合LSSVM老化模型，对RUL进行预测并给出置信区间. 实验结果表明，所提方法具有较高的估计精度和较好的稳定性.