为改善超细水泥灌浆料的性能，将多壁碳纳米管(MWCNTs)加入超细水泥灌浆料中，测试了其对灌浆料强度、可灌性相关参数，以及灌入混凝土缝隙后黏结效果的影响。结果表明：直径为10~20 nm的MWCNTs在超细水泥灌浆料中的最佳掺量为0.10%(质量分数)，此时灌浆料56 d抗折强度、抗压强度、折压比相对于未掺加时分别提高了24.3%、23.4%、7.1%；随MWCNTs掺量增加，灌浆料的流动度降低，黏度增加，需要的灌浆压力增加，即灌浆料的可灌性逐渐降低，但在掺量不高于0.10%(质量分数)时，灌浆料硬化后灌浆区域孔隙率随MWCNTs掺量提高未明显增加，灌浆效果没有明显降低；劈裂抗拉试验结果显示，掺加MWCNTs可使灌浆料与混凝土的黏结性能明显增强。
多壁碳纳米管 超细水泥灌浆料 强度 灌浆压力 可灌性 黏结性能 multi-walled carbon nanotubes (MWCNTs) ultra-fine cement grout strength grouting pressure grouting property bond performance
为考察萘系减水剂(FDN-C)在土体固化中的应用效果, 在高塑性黏土中掺加不同用量FDN-C, 与木质素磺酸钙(CA-LS)对比, 分析其对压实荷载、无侧限抗压强度等力学性能的影响, 并对固化处理后试样粒度、微观结构、结合水以及矿物成分和官能团等进行分析, 研究FDN-C对土壤颗粒的作用机理。结果表明: 与CA-LS类似, FDN-C也可起到降低压实荷载, 提高土体无侧限抗压强度的作用, 在掺量超过土样质量的0.7%后, 掺加FDN-C试样的压实荷载更低, 添加两种减水剂试样的无侧限抗压强度相当; FDN-C和CA-LS均可通过分散土中的“假粉粒”, 降低土颗粒表面结合水膜厚度及减少颗粒间距, 使土颗粒间更密实, 从而提高土体的工程性质; 不同的是, CA-LS降低弱结合水膜厚度能力较强, FDN-C降低强结合水膜厚度能力较强。CA-LS分子中较多可交联的游离空位使其具有一定的粘合性, 可以使土颗粒更好地胶结到一起, 而未发现FDN-C有类似作用。
高塑性黏土 结合水 无侧限抗压强度 压实荷载 FDN-C FDN-C CA-LS CA-LS high plastic clay bonded water unconfined compressive strength compaction load
1 苏州大学机电工程学院, 江苏 苏州 215137
2 苏州大学沙钢钢铁学院, 江苏 苏州 215137
利用脉冲激光器对直径为400 μm的镍钛合金及铜丝进行激光焊接,通过设计不同的激光束偏移量对镍钛/铜异种激光焊缝形貌、显微组织、显微硬度及拉伸性能进行研究。结果表明,当激光束的入射位置由镍钛合金向铜一侧偏移时,镍钛/铜异种激光焊缝的尺寸逐渐减小,且焊缝内的元素分布由均匀分布转变为局部偏析;当激光束位于镍钛侧50 μm和中心线时,焊缝内的显微组织均为树枝状凝固组织;当激光束位于铜侧50 μm和100 μm时,焊缝由树枝晶、胞状晶和层状组织的混合组织构成。焊缝的平均硬度随着激光束位置的偏移而逐渐降低,当激光束偏移至铜一侧时,富Ni-Ti区域出现局部高硬度的现象。当激光束偏移至铜一侧100 μm时,焊缝内微裂纹的存在导致拉伸断裂在此处发生,且强度较铜母材显著下降。
激光技术 材料 脉冲激光 激光束位置 异种连接 镍钛合金 显微组织 中国激光
2021, 48(10): 1002107
针对传统的测试系统对导弹控制系统的完好性评估过于粗放的问题,提出利用隶属度函数将完好性状态等级细化。利用改进的D-S证据理论,有效地解决了在融合高冲突证据时出现错误的问题,将控制系统闭环模拟飞行测试的动、静态数据综合分析,得到模拟飞行过程中关键节点以及全过程的完好性状态等级,进而调整测试、维护周期。仿真验证了该方法的可行性。
导弹控制系统 D-S证据理论 闭环模拟飞行 完好性评估 missile control system D-S evidence theory closed-loop simulated flight performance evaluation
提出了一种包含在线采样、离线学习两个阶段的基于数据驱动的迭代自适应动态规划(ADP)算法，仅通过在线数据，解决输入约束的连续未知模型的非线性系统的H∞控制问题。通过策略迭代(PI）和迭代强化学习(IRL)方法推导出无模型(HJI)方程。构建3个神经网络，在线采集系统数据结束后，利用离线学习方法，近似求解无模型HJI方程，进而得到值函数、控制策略和扰动策略，神经网络的未知参数通过最小二乘方法求解。仿真结果验证了算法的可行性。
自适应动态规划 H∞控制 输入约束 最优控制 神经网络 adaptive dynamic programming H∞ control input constrains optimal control neural network
针对导弹控制系统模飞测试中存在的测试效率低、不能模拟导弹飞行状况等问题, 提出闭环模飞测试方案, 极大地满足了导弹控制系统模飞测试的快速性、全覆盖性和有效性的要求, 能够检验系统各部分之间的协调性, 以及整个系统对大干扰的调节能力。介绍了闭环测试方案提出的必要性、原理以及实现方法, 具体论述了激励信号算法设计, 以及根据测试数据判断导弹性能的方法。仿真验证了该方案的可行性。
控制系统 闭环模飞 激励信号 导弹性能 control system closed-loop flight simulation excitation signal missile performance
针对在MAP中, 测控设备高频率地采集数据导致数据呈现时序依赖性, 难以满足传统控制图要求的数据间相互独立的问题, 提出根据时间序列原理用受控状态下观测数据估计模拟出自回归模型AR(p),求出服从独立同分布的观测值残差, 建立控制图。为进一步说明残差控制图的有效性, 通过真实数据求出残差控制图并与休哈特控制图进行比较, 结果表明, 残差控制图的虚假警报明显减少。
导弹综合测试设备 残差控制图 时间序列 自相关过程 MAP MAP integral test eequipment of missile residual control chart timing sequence auto-correlation process SPC SPC
提出了一种在线的自适应动态规划算法, 近似求解耦合的哈密尔顿雅可比(Hamilton-Jacobi-Isaacs,HJI）方程, 获得非线性系统混合H2/H∞控制的纳什均衡策略。通过在控制策略和干扰策略中加入已知噪声, 从而不依赖系统的模型信息, 得到一个求解混合H2/H∞控制问题的未知模型的近似动态规划算法。分别使用2个评价神经网络和2个执行神经网络, 同步在线更新2个值函数、控制策略和干扰策略, 神经网络未知参数通过最小二乘法进行估计。仿真结果验证了算法的可行性。
自适应动态规划 H2/H∞控制 耦合HJIE 最优控制 神经网络 adaptive dynamic programming H2/H∞ control coupled Hamilton-Jacobi-Isaacs equations optimum control neural network
针对非线性静态输出反馈H∞控制设计过程复杂、难以得到全局最优解等问题, 提出了一种新的控制器设计方法。采用平方和（SOS）方法分析多项式非线性系统H∞性能；以系统L2性能指标为目标函数, 用遗传算法优化控制参数。仿真结果表明, 该方法设计的控制器实现了多项式非线性系统L2性能指标最优。
多项式非线性系统 鲁棒控制 SOS法 遗传算法 polynomial nonlinear system robust control sum of squares approach genetic algorithm
Author Affiliations
Abstract
Laboratory of Specialty Fiber Optics and Optical Access Networks, School of Communication and Information Engineering, Shanghai University, Shanghai 20072, China
This Letter presents intrinsic Fabry–Perot interferometers in the fiber tapers fabricated by the femtosecond laser micromachining technique. The sensing of temperatures as high as 1000°C based on the fiber device is characterized, with a sensitivity of 15.28 pm/°C. A nearly linear refractive index sensing is also obtained by using the fringe visibility to characterize, with a sensitivity of 73.05 dB/RIU. These intrinsic Fabry–Perot interferometers in fiber tapers may be useful in applications of high-temperature and linear refractive index sensing.
060.2370 Fiber optics sensors 050.2230 Fabry-Perot Chinese Optics Letters
2015, 13(12): 120602
