基于大型动三轴试验和神经网络的粗粒土临界动应力研究

为研究基床粗粒土填料的累积塑性变形特性、动力稳定性和临界动应力，开展不同围压、动应力和含水量的系列大型动三轴试验。结果表明：粗粒土的累积塑性应变ε_p随动荷载振动次数N的关系曲线可分为破坏型、稳定型和临界型。建立分析ε_p-N曲线类型与土体围压、含水量及动应力相关性的灰色关联模型，结果表明曲线类型受围压、动应力及含水量的影响显著，且三者对决定粗粒土的动力稳定状态具有同等重要作用。构建预测粗粒土临界动应力的BP神经网络模型，分析表明粗粒土的临界动应力随围压增加而近似线性增大，随含水量的增加而非线性减小；综合试验和模型分析结果，提出考虑围压和含水量影响效应的粗粒土临界动应力经验公式。     

基于FCM-AHP方法的加工中心典型测试工况优选

针对传统载荷谱典型测试工况选取方法中存在的问题，通过模糊聚类分析挖掘工艺参数间潜在关系，实现了工况数据分类初选，同时充分考虑了分类过程的模糊性并且避免了方案初选的主观随意性。在初选结果基础上引入层次分析法，综合考虑测试工况选取的典型性、全面性、试验开展的经济性以及编谱数据量4个综合评价指标，建立了系统层次结构模型，将定性分析和定量计算相结合，选取了具有代表性的测试工况，从而提高了典型测试工况选取的科学性和系统性。     

基于AMESim和Simulink的主动升沉补偿系统仿真分析

通过AMESim和MATLAB/Simulink联合仿真的方法建立二次调节主动升沉补偿系统的仿真模型，模型加入了时变和非线性因素的影响，能较为真实地反映实际主动升沉补偿系统特性和实现各种控制策略。研究结果表明：采用具有双前馈补偿的串级PID闭环控制，提高了系统的升沉补偿精度；变量机构与二次元件斜盘配合的间隙等非线性因素会降低系统补偿精度；绞车的非线性摩擦力矩对补偿精度的影响较小。     

面向自动驾驶全链条测试数据交易的区块链确权方法

自动驾驶全链条测试过程中产生的海量测试数据,可通过交易释放其潜在的价值。但因测试数据来源多样等原因,导致数据责权不清,造成交易难以安全开展。现提出基于区块链的测试数据确权方法,利用“元数据+云存储”方案,实现测试数据在区块链上的存储与访问,并在综合考虑测试数据生产者、数据平台和数据消费者三方参与的情况下,设计测试数据在区块链系统中实现确权和交易的流程。测试数据的确权和交易过程被记录在区块链上,保障了确权过程和交易过程的公开可审计性和可追溯性,具有公平交易、去中心化等优势。