磁性微球机器人在模拟血液中的运动控制

微纳机器人因其尺寸小、操控精度高、易到达小腔道等优点,可精确、高效地递送药物,是未来精准医学的新方向。本文以明胶为基材,构建了磁性微球机器人系统,它兼具明胶对环境无毒、无污染、生物可降解的优点,以及磁场对生物组织无害、不与物质直接接触而实现控制等优点。通过优化制备条件如明胶浓度、搅拌速度和乳化剂的浓度及乳化时间,制备出稳定、均匀的明胶磁性微球。研究了粒径、磁场强度、频率及液体粘度对粒子运动的影响,进一步探讨了粒子在不同浓度的模拟血液中的运动控制。今后,可以结合机器视觉、自动识别导航等从而真正体现微纳技术的优势,有望获得广阔的医学应用前景。

基于理论-实验-项目三位一体的制造工程认知实践课程改革

为了使学生在学习制造工程认识实践课程中,将理论知识的学习、实验技能的训练及实践能力的培养有机融合,提出构建理论-实验-项目三位一体的课题体系。理论部分主要起到扩大学生的知识面,了解制造业的前沿的目的;实验部分主要通过设计不同的实验环节,让学生掌握基本的实验技能;实践项目是基于学习的理论知识及掌握的实验技能,通过完整的项目选题、项目实施及项目展示培养学生的创新能力及实践动手能力。通过理论-实验-项目并行推进、融汇贯通,从而达到学生知识、技能、能力的全方位提升。同时建立与前期课程CAD和工程制图的衔接,打通由“工程表达”到“工程实现”的渠道,通过在课程中引入“精度”“配合”“成本”“效率”等概念,为学生后续系统学习机械设计、机械制造基础、先进制造实践等专业课程起到引导作用,从而实现课程的衔接与贯通。

利益相关者理论指导下校企联合培养研究生的方法

校企联合培养研究生是高等院校联合科技创新型企业共同开展的研究生人才培养方式,在培养人才的同时推动着企业及院校技术升级并促进地方科技经济发展。该文基于利益相关者理论,以南方科技大学机械与能源工程系与企业联合培养研究生为例,阐述政府、高校、企业、导师和学生等重要利益相关方的权责及利益诉求。研究方法能够为相关高校培养研究生提供参考和经验。

突发公共事件背景下研究生课程学习探析——基于线上教学的思考

课程学习是学生接受学校教育的重要渠道。与本科生的课程学习不同,研究生课程学习具有积极性相对偏低、拓展任务相对较重、有效供给相对不足等问题,而突发公共事件又加剧了这些难题,严重影响了研究生课程学习效果。以信息技术为支撑的线上教学是新时代高校教育教学的重要手段之一,是我们有效应对突发公共事件的重要对策之一。线上教学具有授课地点灵活、授课面广、授课画面清晰易读等优势,但也存在教学平台不稳定、外界干扰因素较多、学生自控能力有限等问题。对此,教师要合理选择并熟练使用线上教学平台,根据研究生特点强化学术供给,运用互动提高学生出勤率和课堂参与度,合理布置并及时批改课后作业,积极打造线上线下混合教学模式;学生要提高自主学习意识,创造良好学习环境,选择合适学习方法,主动加强沟通联系,保质保量完成作业。通过师生共同努力,提升研究生课程学习效果,助力实现中国教育高质量发展。

一种复合聚合物缠绕玻璃微管制备技术

围绕环境污染和能源危机的担忧日益加剧,已经引发了对可持续能源取代传统化石燃料的迫切需求。在这些潜在的替代品中,分子氢(H2)由于其显著的能量密度和对环境友好的特性,作为一种很有前途的能量载体而受到了普遍的重视。为了实现氢气的可靠存储和运输,领域内出现了多种材料的氢气存储器皿。其中,以复合材料和玻璃材料制成的氢气存储容器居多。通过大量的实践检验证明,玻璃材料制成的氢气存储容器效果更好。因为玻璃材料制成的氢气存储容器,不仅成本远远低于复合材料,而且制成后的器皿重量也不高。玻璃材料制成的氢气存储容器,还有一个特别突出的优势,就是不会出现一般材料制成氢气存储容器时会出现的氢脆问题。因此,玻璃材料也有望成为储氢领域的主流选择,为人们的生产和生活带来更多的安全和便利。

基于视觉的移载协作机器人机床上下料末端纠偏算法

针对复合机器人在机床上下料中的定位方法,本文主要关注识别机床卡盘和末端作业面的定位。首先分析了复合机器人在机床上下料过程中的工作原理及其基本结构,包括AGV (自动导引车)和协作机器人的功能及特点。然后,详细阐述了如何使用视觉系统和纠偏算法来识别机床卡盘和末端作业面,进而实现了复合机器人在机床上下料作业过程中的精确定位。接着提出了一种基于视觉系统和纠偏算法的复合机器人定位方法,该方法可以有效地识别机床卡盘和末端作业面。最后,对文中所提出的定位方法进行了实验验证,并与现有的定位方法进行了比较。实验结果表明,本文提出的定位方法能够有效地提高复合机器人在机床上下料过程中的定位精度和工作效率。总之,本研究为复合机器人在机床上下料中的应用提供了一种有效的定位方法,具有较高的实用价值。

锯齿尾缘构型降低圆柱-叶栅干涉噪声的实验研究

通过在叶栅上游放置圆柱产生各向异性的湍流尾迹,并与下游叶片相互干涉产生干涉噪声,研究了仿生学锯齿尾缘构型对圆柱-叶栅干涉噪声的影响。针对西北工业大学航空叶轮机气动力学与气动声学实验室(TAAL)低压涡轮平面叶栅,在不同来流速度的情况下,使用远场圆弧阵列测量了叶栅远场噪声,并基于CLEAN-SC数据处理算法使用由31个传声器组成的线阵列测量识别了不同叶栅的尾缘噪声,得到了圆柱尾迹来流下锯齿尾缘构型的降噪效果。实验结果表明,不同锯齿尾缘构型的降噪效果存在差异,当来流为圆柱尾迹时,对叶栅尾缘噪声的识别测量结果显示此时锯齿尾缘降噪效果有限,最佳降噪量仅为1.296dB,当来流速度较高时,采用的锯齿尾缘构型无法降低圆柱-叶栅干涉尾缘噪声。

皮层听觉诱发电位客观评估助听效果的综述

助听器效果验证是选配流程中的重要一环。受年龄、认知、多残、语言背景等因素影响,部分患者无法配合行为学言语测听。因此,开发客观的助听器助听效果评估工具具有重要的临床意义。皮层听觉诱发电位(cortical auditory evoked potential,CAEP)作为一种电生理测试,因其客观性、可在清醒状态下测试、可使用言语刺激以及与行为学听阈的良好一致性,适用于以上群体的助听效果评估。本文从助听器用户的言语觉察和识别能力,以及激活助听器技术,如非线性频率压缩、降噪算法等影响入手,介绍CAEP相关主题的研究基础和现状。尽管CAEP有潜力表征助听后言语觉察和识别能力以及助听器新技术的影响,但距离其临床应用仍需大量研究。

基于深度强化学习的类集成测试序列生成方法

类集成测试序列的生成是面向对象软件测试中的关键步骤,当类的测试序列不同时,相应的测试代价也不相同.在集成测试中生成一个合理的类集成测试序列可以有效降低软件测试的代价.本文将深度强化学习中的Advantage Actor-Critic算法应用于解决类集成测试序列生成问题.首先,利用类间各种依赖关系构建与智能体交互的环境模型;然后,记录智能体从初始状态到终止状态的路径,即每次选择的动作对应每次选择集成到序列的类编号;最后,得出最终的类集成测试序列.实验结果表明,本文方法所得到的类集成测试序列花费的总体测试桩复杂度,在选取的7个项目中有5个表现最佳,在剩余2个项目中表现中等.

骨修复中可吸收材料降解行为的研究进展

可降解骨植入物因可避免骨修复后植入物取出的二次手术,或减少永久性植入物存在的炎症等问题,备受临床医生和研究者们的关注。然而,用于构建植入物的生物材料因其固有属性而存在降解太快或太慢、机械性能或成骨能力不足等问题,从而限制了其临床转化应用。为了解决现有可降解植入物在临床应用中的瓶颈,学者们通过表面功能涂层修饰、晶体结构或多孔结构优化、功能元素/小分子掺杂等方式,以调控生物材料的降解行为和成骨能力。综述可降解植入材料(包括金属、生物陶瓷、天然聚合物和合成聚合物)的降解机制、降解行为的调控方法及其对力学性能和骨再生的影响,以期为开发降解行为依附于新生骨形成的新型可降解骨植入材料提供参考。

基于自适应动态规划的移动机器人视觉伺服跟踪控制

针对移动机器人视觉伺服跟踪控制问题,提出一种基于自适应动态规划(Adaptive dynamic programming,ADP)的控制方法.通过移动机器人上的相机拍摄共面特征点的当前图像、期望图像以及参考图像,利用单应性技术得到移动机器人当前的位姿信息与期望的位姿信息(即平移量与旋转角度),从而通过当前与期望的平移旋转之间差值得到系统的开环误差模型.进而,针对此系统设计最优控制器,同时做合适的控制输入变换.在此基础上设计一个基于ADP的视觉伺服控制方法以保证移动机器人完成轨迹跟踪任务.为求出最优控制输入,采用一个评价神经网络近似值函数,通过不断学习逼近哈密顿-雅可比-贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程的解.与以往不同的是,由于系统存在时变项,导致HJB方程也含有时变项,因此需要设计具有时变权值结构的神经网络近似值函数.最终证明在所设计的控制方法作用下,闭环系统是一致最终有界的.

冯·诺依曼瓶颈下计算机体系结构的创新

在计算机体系结构的发展过程中,冯·诺依曼架构无疑是最为传统且主流的架构之一。为了追求更加高速的计算效率,人们在冯·诺依曼架构的基础上不断做出优化,直至达到其发展瓶颈。从传统冯·诺依曼架构出发,分析了该架构固有的局限性,并列举了针对这些局限性所作出的基本改良措施。然后具体介绍了存算一体、数据流计算等在冯·诺依曼架构上进行创新的多种技术手段。最后简述了突破原始电子计算机物理材料体系的其他非冯·诺依曼架构的发展历程,例如类脑计算机和量子计算机等,并展望了现代计算机体系结构的发展前景与方向。

纤维素纳米晶和Pebax1657共物修饰的玻璃微管的制备和性能研究

氢气属于清洁和可持续能源,可以作为环境友好型替代能源。目前,氢气的承载装置自重沉、成本高,亟需替换产品。该文以玻璃类储氢容器为研究对象,针对玻璃微管抗剪切力不足的问题,采用CNC掺杂Pebax1657共修饰GT的方式制备一系列PC材料,同时制备一系列碳纳米管(CNT)改性的PT材料作为对比样。该文着重研究了CNC和Pebax1657对GT的形貌、微观结构和抗剪切力强度的影响,为新型储氢容器的制作提供新的思路和方向。

面向超大规模阵列的近场通信研究

超大规模阵列可以有效提升传输距离,克服路径损耗,为通信发展带来新的机遇。在超大规模天线阵列系统中,用户和散射体更可能位于近场辐射区域,通信系统应采用更精确的球面波模型。然而,目前针对超大规模阵列近场通信的研究尚处于初始阶段,面临着码本搜索开销大、波束追踪复杂度高等问题。基于现有研究基础,分析了近场通信中的关键问题,包括波束训练、波束追踪以及天线可视区域,指出所面临的挑战,并提出了未来愿景。

基于TOC的轴加工工艺均衡优化

任何生产系统中的瓶颈工序就好比是一个链条中最薄弱的环节,它制约着生产产出,属于制造系统中“关键因素”。基于此,以配气轴工序生产现状为研究对象,提出并实施了基于TOC约束理论对配气轴加工制造工序进行动态均衡的优化方案。结合配气轴加工工艺识别出瓶颈工序,通过分析瓶颈工序作业内容,对标基准节拍,制定并实施优化方案,从而消除瓶颈工序影响,以实现工序间生产均衡并提高成品生产产量。

聚乙烯醇-聚偏氟乙烯共包裹玻璃微管的制备和性能研究

氢气是一种可替代化石能源的可持续,环境友好型能源。而安全有效的储氢、运氢方式是限制氢能大规模使用关键问题。玻璃微管(GT)作为轻质固态储氢材料具有质量轻、强度高、耐腐蚀性好、抗拉强度大等优点,但玻璃微管脆性大,在承受较大剪切力时,微管容易破损。因此,通过一锅法将聚乙烯醇(PVA)和聚偏氟乙烯(PVDF)共聚后包裹在玻璃微管表面,制得PVA-PVDF共包裹玻璃微管。利用复合聚合物的增强作用,可有效分散应力,提高材料的力学强度,尤其是提高包裹玻璃微管的剪切力断裂强度。包裹玻璃微管的剪切力断裂强度从5.4 MPa增强到8.2 MPa。

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优。方法设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr_(2)O_(3)固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的有效性以及固化温度选择的合理性。使用自制的Cr_(2)O_(3)固结磨具在抛光机上进行加工试验,测量蓝宝石晶片的去除率和Cr_(2)O_(3)丸片的磨削比。综合考虑丸片的磨削效率与使用经济性,将去除率与磨削比采用min-max方法归一化后,乘对应的权重值并相加,得到丸片综合评分Y,作为丸片的评价标准。以磨粒粒径、磨粒质量分数、成型压力、烧结温度为输入,综合评分Y为输出,建立基于神经网络的丸片制作工艺参数与丸片综合评分Y之间的BP神经网络预测模型,并使用决定系数R2评价BP神经网络的训练结果。最后,设计初始化种群个体N、交叉概率Pc、变异概率Pm的正交试验表,基于构建的神经网络,根据正交试验表,使用遗传算法进行制作工艺参数的全局寻优。依据寻优结果制作丸片并进行试验,计算综合评分Y,与预测评分对比。结果构建了4个输入层神经元、12个隐含层神经元、1个输出层神经元的三层BP神经网络。构建的BP神经网络的决定系数R2为0.9313,丸片综合评分Y的预测值与实际值的误差在4%以下,满足工程的实际应用。在给定的工艺参数范围内,在参数组合为初始化种群个体N为80、交叉概率Pc为0.6、变异概率Pm为0.06的条件下,使用遗传算法寻优得到的蓝宝石加工用Cr_(2)O_(3)固结磨具最优的制作工艺参数组合为:磨粒粒径10μm,磨粒质量分数88%,成型压力80 MPa,成型温度174℃。丸片综合评分Y的寻优值为94.09,试验得到的丸片平均综合评分Y为89.87,与寻优值的误差为5%。结论BP神经网络可以有效建立固结磨具制作工艺参数与丸片综合性能的预测模型。神经网络结合遗传算法寻优,可以为固结模具制作工艺参数组合的优化选择提供指导意义。

液氧煤油补燃发动机泵间管路高温富氧燃气掺混冷凝特性数值研究

针对液氧煤油补燃发动机液氧预压泵和主泵间管路富氧燃气掺混冷凝现象,建立了大过热度下富氧燃气和液氧两相流动掺混冷凝特性的全三维数值仿真方法,并以常温制冷剂R123为工质,通过气液掺混冷凝实验验证了数值仿真模型对管内两相流型和气液再液化性能的精确预测能力。仿真结果表明:弯管段气液两相在离心力作用下发生横向相对流动,强化了相间热质交换;在较低的液体流速(1m/s)下,气体水平注入管路后形成一个与气孔相连接的局部气腔,注气速率低于80m/s时,气腔一侧贴在管路内壁上,注气速率超过100m/s后气腔脱离管路内壁面。气相在气腔下端被撕裂成离散的气泡,随液体向下游流动并逐渐冷凝。在实际工况下管路的富氧燃气没有全部完成再液化过程,此时流体状态会对液氧主泵造成气蚀影响。

机器学习在力学模拟与控制中的应用专题序

近几年来,随着高性能计算机和大数据科学的快速发展,机器学习方法在各个领域得到了越来越多的应用.力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据,这些大规模、高维度的数据蕴含了丰富的物理特征,但传统方法无法有效地处理这些庞大的数据群.机器学习方法可以从巨量的数据海洋中挖掘有用的信息,并能为总结新的物理规律提供有效的指导.另一方面,机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题.针对基于第一性原理的力学问题开展机器学习研究,并和已知的物理规律相对照,有助于更深入地理解机器学习方法.因此,与机器学习的交叉融合,将有力地促进力学学科研究范式的创新,并不断拓展该学科的研究深度和应用范围.

时间矢量推进方法及其在叶轮机非定常流分析中的应用

为提高周期性非定常流动的求解效率,将非定常计算的初值问题转换为边值问题,提出了时间矢量推进方法,并将该方法应用于叶轮机多排的非定常流动分析中。通过对两排对转风扇进行非定常仿真,并对比双时间步计算方法的计算结果,讨论了新方法的计算效率,研究了该方法对排间干扰捕捉的准确性和可靠性。得到了以下结论:在物理时间步长相等的情况下,新方法与双时间步方法的计算结果基本一致,且计算时间约为双时间步方法的1/8;时间矢量推进方法能够很好捕捉排间的势扰动、熵扰动和涡扰动以及主流和扰动之间的非线性作用;时刻样本数较少会使时间矢量推进方法捕捉到的非定常变化幅值变小,且无法解析时间尺度较小的非定常流动现象。