原子制造与原子微系统:A2P与强约束集成微系统技术的结合

介绍了国外从原子到产品(A2P)研究,阐述了强约束集成微系统技术的微观架构及其两"微"内涵。在此基础上,将A2P与强约束集成微系统理念相结合,提出了原子制造和原子微系统概念,并初步分析了其科学技术框架体系。我们认为,原子制造和原子微系统技术是从"材料到系统"的集成微系统技术向原子层次的进一步延伸和发展,主要包含如下内涵:a)研究如何开发先进工艺,跨越原子尺度到宏观尺度的制造鸿沟,使得从原子出发集成定制的宏观尺度产品或系统能够保持优良的"原子级"特性;b)研究原子层级微观特性在向宏观产品传递过程中的变化的物理过程,讨论如何实现原子层次优良特性的选择性保留以及新特性开发,进而实现系统更强功能及更高性能。原子制造和原子微系统技术具有很强的前沿性、颠覆性,有望为后摩尔定律时代提供一条全新的技术途径,引发一场新的重大技术革命。

基于新约束集成的差分进化算法

提出基于新约束集成的差分进化算法用于求解带约束的优化问题.在产生新个体的阶段,算法采用3种不同的突变策略.利用不同的约束处理技术对新个体进行选择,并通过引入局部搜索,增强算法局部寻优能力,避免算法陷入局部最优.该算法在CEC 2017的28个基准函数上进行数值实验,并且与其他较为先进的算法进行比较,实验结果显示,新算法在求解精度上表现较好.

集成式儿童约束系统的研发

为某B级轿车开发了一款嵌入到后排座椅中间的儿童约束系统,可供不同年龄段的儿童乘员使用。针对整车正面碰撞工况,在不同的开发阶段,运用CAE等技术,进行虚拟设计和强度分析,对系统进行结构参数优化,得到有效的优化结构方案。通过生产试制与正面台车碰撞试验,验证了设计的有效性。所开发的集成式儿童约束系统使用方便,可有效避免误用,具有较好的保护性能。

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.

虚拟专用路由网络的集成研究

在虚拟专用路由网络(VPRN)的实现中,主干网的配置相对复杂,针对这一情况,分析了VPRN集成的约束条件和实现,使得在满足VPRN内部的连接和外部非关联VPRN之间相互独立的情况下更好地实现VPRN的集成。实现集成的目的是为了基于公共基础设施上的VPRN在满足低消耗和高性能的情况下容纳更多的用户,也可以实现不同用户参与不同的VPRN来达到不同的目的。

正面碰撞约束系统仿真和设计参数研究

提出基于安全气囊织物进行经纬向拉神试验和画框剪切试验,研究该材料的各向异性特性.建立包括安全气囊、可压溃转向柱、带可预紧和限力器的三点式安全带等的正面碰撞约束系统模型,并将仿真结果与实车试验结果对比和验证.分别从定性和定量分析两个角度,深入讨论约束系统设计参数对假人伤害评价指标的影响,以用于指导约束系统的碰撞安全性能设计.

水电站群联合调峰调度均匀逐步优化方法

由于受到系统规模逐年扩大、调度要求日趋精细和约束集合日渐庞杂等诸多因素影响,如何快速制定合理的发电调度计划是水电站群联合调度面临的关键科学难题,集中体现在初始解的快速生成机制、决策空间的科学辨识模式以及行之有效的优化调度方法等3个方面。为此,从工程实用化角度出发,提出求解水电站群联合调峰调度问题的均匀逐步优化方法。该方法首先依据水电系统相邻日运行工况估算各水电站可能发电能力,并由上游到下游依次采用切负荷方法来快速生成初始解;然后将多阶段决策问题分解为若干两阶段子问题进行求解,并将均匀试验设计耦入各阶段决策变量集合的构造工作,指导算法优选少数富有代表性的决策变量,大幅减少运算量与存储量,进而降低方法的计算复杂度;同时,在寻优过程中将多重复杂运行约束统一集成至指定约束,以动态辨识可行搜索空间,进而降低算法的计算消耗。工程应用结果表明,所提方法可快速获得满意调度结果,能够切实服务于水电调度运行工作的开展。

基于约束的典型相关分析集成学习算法

基分类器的差异性对于集成学习来说至关重要,从直观上讲,对约束重采样有潜力获得比对样本重采样更好的多样性.文中在典型相关分析算法基础上,通过引入成对约束作为监督信息对样本进行特征抽取从而形成新的训练数据.算法中集成学习的思想主要体现在成对约束的选取上,对约束进行随机重采样以获得具有多样性的基分类器.在多特征手写体数据集以及人脸数据集(Yale和AR)上进行实验考察该算法随选取的约束比例变化的情况,结果表明该方法获得比传统集成学习方法更好的性能.