电动汽车车架的多目标拓扑优化-尺寸优化-精细化设计

以某电动旅游观光车桁架式车架为例进行多目标优化,先后采用了基于梁单元的多次局部迭代拓扑优化方法、基于梁单元的横截面尺寸优化方法和基于壳单元车架强度分析的精细化设计方法。具体步骤为,首先建立基于梁单元的车架有限元模型,以车架的刚度性能为优化目标建立多目标优化模型,通过多次局部迭代拓扑优化确定梁结构的布置位置,然后以梁的横截面长、宽、壁厚作为优化变量进行尺寸优化设计,确定车架梁的横截面尺寸;在此基础上,建立基于壳单元的车架有限元模型进行强度分析,基于强度分析结果对车架的高应力区域进行精细化设计,最终优化后的车架质量降低了10.5%,性能至少提升了9.3%,并且直接可以用于生产制造。该优化设计方法综合运用了梁单元模型和壳单元模型分析的优势,分别应用于概念设计阶段和工程设计阶段,为桁架式车架的优化提供参考。

智能交通信息物理融合云控制系统

针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题,基于云控制系统理论,以现代智能交通控制网络为研究对象,设计了智能交通信息物理融合云控制系统方案,包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据,在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算,能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略,用于解决拥堵路段交通流分配难题,提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.

Stochastic stabilization of Markovian jump cloud control systems based on max-plus algebra

In this paper, stochastic stabilization is investigated by max-plus algebra for a Markovian jump cloud control system with a reference signal. For the Markovian jump cloud control system, there exists framework adjustment whose evolution is satisfied with a Markov chain. Using max-plus algebra, a maxplus stochastic system is used to describe the Markovian jump cloud control system. A causal feedback matrix is obtained by exponential stability analysis for a causal feedback controller of the Markovian jump cloud control system. A sufficient condition is given to ensure existence on the causal feedback matrix of the causal feedback controller. Based on the causal feedback controller, stochastic stabilization in probability is analyzed for the Markovian jump cloud control system with a reference signal.Simulation results are given to show effectiveness of the causal feedback controller for the Markovian jump cloud control system.

纳米技术和纤维纺织,走向未来的纤维艺术可能

在纳米技术、电子技术、光学技术的飞速发展的同时,人们的服装织物在功能、外观等方面的需求也不断提高。本文作者从科技领域关注纤维纺织的研究与发展,探讨纤维纺织的现状以及纤维艺术与科技结合的可能性。