讨论了空间机械臂在轨插、拔孔操作的阻抗控制问题。为此，结合系统动量守恒关系，空间机械臂替换部件末端输出插、拔孔主动力与孔内所受摩擦阻力作用关系，以及第二类拉格朗日方程，推导得到了载体位置、姿态均不受控制情况下，空间机械臂在轨插、拔孔操作过程系统动力学方程。同时，根据相关操作控制系统设计需要，利用系统位置几何关系分析、建立了空间机械臂替换部件末端相对基联坐标系的相对运动雅可比关系。之后，由空间机械臂替换部件末端位姿与末端输出插、拔孔主动力之间的动态关系并结合阻抗控制原理，建立了二阶线性阻抗模型。在上述工作基础上，针对空间机械臂在轨插、拔孔操作过程同时存在运动学与动力学不确定性的情况，设计了空间机械臂替换部件末端力/位姿跟踪指数型阻抗控制策略；并通过李雅普诺夫理论，证明了控制系统的稳定性。提到的控制策略具有结构简单、收敛速度快、稳定性好的特点。系统数值仿真，验证了上述控制策略的有效性

以承德钼尾矿和水泥构成的简单免烧砖体系,对其在成型工艺、微观结构和着色特性方面进行基础工艺研究.结果显示,水泥-钼尾矿免烧压砖适宜的水泥/钼尾矿质量比为0.18~0.25,成型水/固体原料质量比为0.1,成型压强25 MPa,保压时间30 s,在阶梯式成型施压方式下可改善砖块性能.经长期养护后,压砖中Ca (OH)2、钙矾石和CaCO3的相对含量会随水泥掺量增加而逐渐升高,而云母含量则逐渐降低.当水泥量质量分数达25%时,会有低硫型水化硫铝酸钙相(AFm)形成.此外,在试块中可见大量水化硅酸钙(C-S-H)凝胶、钙矾石和Ca (OH)2矿相形成.掺加9%以内氧化铁型红、黄、绿颜料,对试块强度无不利影响,而掺加蓝、黑颜料会使试块强度损失,在保证砖材强度前提下,添加量宜控制在6%~9%

采用真空感应熔炼法制备了医用Ti-50. 7%Ni合金(原子数分数), 测试了铸态合金的成分、相变点、微观组织和硬度, 并采用Gleeble-3800热模拟实验机在变形温度750~950℃、应变速率0. 001~1 s-1, 应变量为0. 5的条件下对Ni-Ti合金进行高温压缩变形, 分析其流动应力变化规律, 建立了高温塑性变形本构关系和热加工图.结果表明: 当变形温度减小或应变速率增大时, Ni-Ti合金的流动应力会随之增大.应变速率为1 s-1时, 合金的真应力-真应变曲线呈现出锯齿状特征.根据热加工图, 获得了Ni-Ti合金的加工安全区和流变失稳区, 进而确定其合理的热变形温度范围为820~880℃, 真应变速率低于0. 1 s-1.从而为制定镍钛合金的锻造工艺参数提供理论和数据基础

焊接过程的数值模拟作为一种有效的计算手段,在焊接温度场及残余应力分布的评价中获得了广泛应用,而焊接热源模型的选择及模型参数的确定直接影响到计算和评价结果的准确性.本文通过对近年来常用的电弧焊接热源模型进行梳理,介绍了其研究进展,分析了不同热源模型的特点及适用性.高斯面热源模型和双椭球体热源模型作为基础热源模型,广泛应用于较小尺寸工件和规则轨迹的焊接过程数值模拟,且具有较高的计算精度;简化热源模型和温度替代型热源模型多用于大厚工件的多层多道焊接及复杂轨迹焊接过程的数值模拟,能够实现效率和精度的统一;多丝电弧焊接热源较为复杂,采用修正后的双椭球体叠加热源模型,计算结果能保证一定的精度;结合型热源模型对熔池形状的描述更灵活,在深熔电弧焊的数值模拟中具有优势.本文可为电弧焊接过程数值模拟的热源模型选择和模型参数确定提供有益参考

岩石多场耦合作用的研究已经开展了数十年，包括岩石在单一物理场、两场耦合或三场耦合作用效应的研究。然而深部矿产资源开采和地下空间开发中岩体的赋存环境非常复杂，岩体在高温、高渗透压、高应力及复杂水化学环境中将发生温度–水流–应力–化学（THMC）多场耦合作用。综合分析岩石多场耦合作用下的裂隙演化、变形力学机制、力学本构和耦合模型构建等方面的研究，在分析岩石强度理论的基础上得出岩石多场耦合本构模型以及岩石蠕变本构模型。不同行业对岩石多场耦合作用的研究重点存在一定的差异，岩石多场耦合作用不仅涉及到矿产资源开发、油气田开采、地热资源开发等资源能源领域，其在水利水电工程、高寒工程、地下工程、地下核废料处置及深埋能源储库等领域也是研究的重点。岩石在高应力、水流、高温和化学作用下，不仅会发生耦合作用，而且会对岩石本身的物理力学性能产生影响。分析研究多场耦合作用下岩石的力学性能对于预防事故发生和保障工程安全开展具有重要的现实意义。最后探讨分析了岩石多场耦合研究的重点、难点和今后研究的方向，为工程实践和相关问题的解决提供参考

剪切作用是膏体重力浓密制备的基础要素, 本文研究了浓密床层孔隙和喉道的变化对导水通道的影响, 揭示了水分排出的来源与比例. 开展半工业实验并结合计算机断层扫描(CT)与孔隙网络模型(PNM)提取床层微观孔隙结构, 利用最大球搜索算法识别并分析剪切前后孔隙与喉道的演化规律. 结果表明, 添加转速为2 r·min-1的剪切作用将尾砂底流浓度(即底流的固相质量分数)由55.8%提升到58.5%, 孔隙率由43.05%降低到36.59%, 孔隙率降低的比率为15%. 通过PNM技术将孔隙空间划分为\球体\储水孔隙与\棍体\喉道; 剪切后球体和棍体数量分别增加了16.5%和22%, 球体平均尺寸小幅下降, 球体半径多集中在40~60 μm之间. 棍体平均半径由9.83 μm降低至8.58 μm, 降低了12.7%, 棍体长度变化较小. 剪切作用下的球体配位数在5~10的部分从25.73%增加至44.58%, 配位明显增多, 颗粒接触紧密. 本文提出\球棍比\的概念用于孔隙结构的定量表征. 剪切后球体体积占比由14.14%降低至12.75%, 球体体积减少的比率达到9.83%;棍的体积由28.91%降低至23.84%, 棍体积减少的比率为17.54%. 球棍比由48.91%增加至53.48%, 球棍比提升的比率达到了9.34%, 与球体体积减小相比, 棍的体积减少的幅度更大, 导致球棍比上升. 本文从孔隙结构变化的角度揭示了全尾砂重力浓密剪切排水机理; 剪排水过程中主要排出的是喉道中的水分, 孔隙中的水分排出较少

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

为实现岩石试样蠕变全过程的准确模拟,并从细观角度探究蠕变过程中微裂隙的发生和发展规律,在二维颗粒流程序(PFC2D)中开发出具有黏弹塑性特征的西原体流变接触本构模型,进一步提出包含两种非定常元件的非定常西原体模型,推导了模型本构关系和蠕变方程.在PFC2D中调用自定义西原体流变模型,通过参数调试,获得与真实试样具有相同强度特性的数值试样.以室内单轴压缩蠕变试验数据为基础,在Matlab中对模型非定常参数进行拟合反演分析.在此基础上,进行单轴压缩蠕变试验的模拟,计算过程中分别采用定常和非定常两种模型,并对微裂隙进行监测.对比分析结果表明:定常模型仅适用于衰减和稳定蠕变阶段;非定常模型也可用于描述加速蠕变阶段,从而准确模拟蠕变全过程;加速蠕变阶段主要是由微裂隙的加速发展而产生,加速蠕变将导致试样剪切破坏

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度