人工智能技术在车辆无人驾驶中的应用及价值价

随着人工智能技术的普及应用,在很多领域都展现了巨大的价值。在无人驾驶车辆的研究中,通过积极融入人工智能技术,可以更好地实现无人驾驶目标。无人驾驶车辆需要依托于计算机系统来控制车辆的行使,这就需要结合人工智能的学习能力,通过在人工智能模式下进行道路信息和车辆信息的分析和处理,形成自动控制下的车辆行进指令。

连续升温过程中γ-Fe→δ-Fe→液态Fe相变的分子动力学模拟

采用所构建的长程F-S势函数,对连续升温过程中γ-Fe→δ-Fe→液态Fe的相变过程进行了分子动力学(MD)模拟。结果表明,计算得到的γ-Fe,δ-Fe以及液态Fe的微观结构(径向分布函数、配位数)和宏观物性(密度)都能与实验结果吻合很好,但相变温度点与实验值的偏差较大,推测是由过快升温速度造成的过热度过高所致,从微观结构、瞬态能量及密度的分析出发,讨论了固态相变(γ-Fe→δ-Fe)和固-液相变(δ-Fe→液态Fe)的具体过程,其中,固态相变主要形成于晶格扭曲和滑移,而固-液相变即熔化过程起始于固体岛颗粒的边缘,并逐渐向其中心扩散,在相变演化过程中,通过瞬态能量和密度的起伏观察到明显的孕育过程。

用于α-Al_2O_3分子动力学模拟的长程Finnis-Sinclair势函数

用金属势函数描述氧化物是实现金属-氧化物界面分子动力学模拟的关键.基于此,通过拟合α-Al2O3的晶格能、晶格常数、弹性常数,获得了一套用于描述α-Al2O3的长程Finnis-Sinclair(F-S)势.通过与已报道的描述α-Al2O3的EAM势、Glue势和modifiedMatsui(m-Matsui)势的比较,结果达到或优于前人的结果.进而,在300K的温度下对α-Al2O3体系进行了MD模拟,模拟结果与实验值也符合较好,证明了本套势参数对α-Al2O3及Fe-Al2O3界面描述的适用.

Zn-Mg合金的长程Finnis-Sinclair势

通过拟合Mg的晶格能、晶格常数、弹性常数,并将其与前人的结果相比较后获得了描述Mg的最优长程Finnis-Sinclair(F-S)势函数参数,使用同样方法并引入修正因子后得到了Zn的长程F-S势参数.基于单质Zn,Mg的F-S势参数,进一步拟合合金Mg21Zn25,MgZn2,Mg2Zn11的晶格常数、晶格能获得Zn-Mg原子对的F-S势参数,构建了整套描述Zn-Mg合金的长程F-S势参数.在此基础上,对Zn,Mg单质及其合金在300K下进行了分子动力学模拟验证,并通过与其完美晶体结构的比较证明了本套势参数对Zn-Mg合金描述的适用性.最终得到了Zn-Mg合金的长程F-S势函数参数.