以铌硅基高温合金定向凝固铸造过程为对象，通过实验测试和反求法确定了铌硅基高温合金和型壳的热物性参数，以及凝固过程各界面换热系数等边界条件；利用ProCAST软件对不同抽拉速率下铌硅基高温合金凝固过程温度场进行了模拟。结果表明，随着抽拉速率由5 mm·min?1增加到10 mm·min?1，固/液界面离液态金属锡表面的距离由12.1 mm下降到8.2 mm；平均糊状区宽度逐渐变窄，由11.5 mm减小到10.4 mm。针对抽拉速率为5 mm·min?1的实验结果表明，数值模拟结果与实际定向凝固实验获得的一次枝晶间距差异在6%以内，从一个方面验证了温度场模拟结果的正确性，相关结果可为铌硅基高温合金叶片定向凝固铸造参数的确定提供参考

管道内气液两相流广泛存在于核工业、化工业以及石油运输等多个领域中，其诱发的流激力会引起管道振动，导致管系的疲劳破坏。本文分别从流激力发生机理、影响因素及计算模型出发，对流激力研究进展进行综述。研究表明：动量通量的改变被认为是引起流激力的最主要原因，管道内压力波动、液塞的脉动冲击、起伏不定的液波等因素同样会对流激力的产生做出贡献，针对不同流型建立完整的流激力发生机理的理论体系，是流激力机理研究方面的重点发展方向。在不同流型下，流激力展现出不同的波动特征，目前研究所针对的管道大多是单独的水平管或立管管道，开展多种集输–立管管道系统中流激力的研究将具有重要的工程意义。关于流激力经验模型和理论模型的建立逐渐完善，计算流体力学（Computational fluid dynamics，简称CFD）软件能够同时对流场和流激力大小进行模拟计算，优势明显，是一种重要的计算手段，对CFD软件计算结果的准确性进行研究，对比优选有效的CFD计算模拟方法，将具有重要科研价值

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

针对传统熔融沉积成型面临的成型精度低和打印材料受限, 基于电流体动力熔融沉积在成形高度、材料种类、基板导电性和平整性、3D成形能力等方面的不足和局限性, 本研究提出一种电场驱动熔融喷射沉积3D打印新工艺, 其采用双加热集成式喷头并施加单极脉冲高电压(单电势), 利用电场驱动微量热熔融材料喷射并精准沉积来形成高分辨率结构.引入两种新的打印模式: 脉冲锥射流模式和连续锥射流模式, 拓展了可供打印材料的种类和范围.通过理论分析、数值模拟和实验研究, 揭示了所提出工艺的成形机理、作用机制以及成形规律.利用提出的电场驱动熔融喷射沉积3D打印方法, 结合优化工艺参数, 完成了三个典型工程案例, 即大尺寸微尺度模具、大高宽比微结构、宏微跨尺度组织支架和网格三维结构.其中采用内径250 μm喷头, 打印出最小线宽4 μm线栅结构, 高宽比达到25:1薄壁圆环微结构.结果表明, 电场驱动熔融喷射沉积高分辨率3D打印具有打印分辨率高、材料普适性广、宏/微跨尺度的突出优势, 为实现低成本、高分辨率熔融沉积3D打印提供了一种全新的解决方案

为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

相变诱导塑性钢（TRansformation induced plasticity, TRIP）作为常用的先进高强钢在汽车等交通工具的轻量化方面有广泛的应用前景。而对于其复杂零件的成形过程，韧性断裂是不可忽视的问题之一。本文针对现有实验装置不易诱发薄板承受面内压剪时断裂失效，从而无法研究板料负应力三轴度区间断裂行为的问题，以高强钢TRIP800薄板为研究对象，设计了可在单向试验机完成压剪实验的试样和夹具。通过调整夹具旋转角度和试样装夹位置可以实现同一种试样在广泛的负应力三轴度范围内进行压剪断裂分析。基于ABAQUS/Explicit平台建立了三个典型加载方向20°、30°和45°对应的压剪过程有限元模型，分析表明：三种情况的试样局部变形区域的应力三轴度都小于0且断裂点的应力三轴度低至?0.485，验证了设计的装置可实现负应力三轴度区间的断裂失效分析，同时基于MMC断裂准则分析了不同应力状态的初始损伤情况及损伤扩展路径

非刚性图像配准一直是计算机视觉领域的研究重点. 为解决上述问题, 提出一种改进的光流场模型算法, 以提高光流估计的准确度. 算法首先对原始变分光流模型进行了改进, 提出利用新的各向异性正则项来代替原来的同向扩散函数, 以避免图像模糊, 保留图像的边缘特征与细节特征; 此外, 通过引入包含邻域信息的非局部平滑项来去除光流噪点, 同时增加了一个结合图像结构与光流运动信息的权函数, 以减少过平滑所造成的细节丢失, 提高算法的鲁棒性. 最后, 利用交替最小化与金字塔分层迭代策略相结合的方法求解位移场, 实现非刚性图像的自动配准. 仿真实验结果表明, 与传统方法相比, 本文算法对不同类型的非刚性图像均具有较高的鲁棒性, 取得了理想的图像配准效果

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

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