Bandgap optimization for chiral acoustic metamaterials based on material selection method北大核心CSCD

［Objectives］This study seeks to expand the bandgap frequency band, reduce the bandgap starting frequency and analyze and optimize the bandgap parameters of acoustic metamaterials. ［Methods］The influence of geometrical and material parameters on the bandgap properties of acoustic metamaterials is analyzed, and a method for maximizing the bandgap width is proposed. The multi-objective optimization problem is converted into a single objective optimization problem by normalizing the bandgap frequency coefficients. Structural material conversion is achieved via the material selection optimization method, and the optimization equations of bandgap parameters are established on the basis of weight-lightening. For chiral acoustic metamaterials, the material properties (density and wave velocity) and geometric parameters (scatterer diameter, ligament thickness and coating thickness) are defined as design variables, and the comprehensive optimization of structural parameters and material selection of acoustic metamaterials based on weight-lightening are implemented. ［Results］The optimization results show that the bandgap width increases by 27.7% and the lower bound frequency decreases by 1048 Hz, thereby achieving the goal of expanding the bandgap width based on lightweight acoustic metamaterials. The acoustic transmission analysis of the finite chiral acoustic metamaterial structure is then carried out to verify the effectiveness of the proposed method. ［Conclusions］The results show that the goal of lightweight acoustic metamaterials can be effectively achieved by integrating the comprehensive optimization of structural parameters and materials. As such, this study provides references for the design of new-type acoustic metamaterials. © 2023 Authors. All rights reserved.     

船舶低噪声建造工艺发展思考

论证低噪声建造工艺发展的必要性，梳理国内外低噪声建造工艺的发展现状，并分析国内低噪声建造工艺发展的不足，提出船舶低噪声建造工艺发展的思路，旨在为我国船舶低噪声建造工艺的发展进行有益的探索。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求,从数据层面探究影响船舶航行轨迹的特征,通过相关性分析确定网络的输入,提出结合循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short Term Memory,RNN-LSTM)的船舶航行轨迹预测模型.通过船舶Z形试验相关数据与实船实际航行数...     

异质结构焊缝检测的相控阵超声全聚焦算法优化

船舶异质结构焊缝检测的相控阵超声全聚焦算法信噪比高、适应性强，但该算法存在超大计算量和伪影等诸多问题。依据声束指向性提出该算法的优化方案。过滤非声束指向性声场中的重构点可大幅提升计算速度，并可优化相同路径默认调取全矩阵中同一幅值的伪影问题。将优化算法用于异质结构，获得高效高质量的检测结果，为满足铝钛钢复合接头大批量在线无损检测的工程需求提供思路。     

基于时-空注意力机制的车辆轨迹预测

城市交通环境中车辆的驾驶行为随机性较高，且驾驶人驾驶风格迥异。为了解决复杂交通环境下车辆行驶轨迹难以精确预测的问题，在社会生成对抗网络(Social GAN)的基础上，考虑车辆的行驶速度、加速度、航向角等行驶状态参数和形状尺寸，建立车辆间交互影响力场模型，提出一种基于时-空注意力机制的车辆轨迹预测算法(SIA-GAN)。根据受到场景中其他车辆交互影响力的大小赋予其他车辆不同的空间注意力权重因子，重点关注对自车行驶影响较大的车辆信息，并结合时间注意力机制挖掘自身车辆对观测时段内历史轨迹特征向量的时间依赖性，得到车辆预测轨迹。为验证所提算法的有效性，在开源数据集上对算法进行迭代训练，并与LSTM、Social LSTM、Social GAN三种轨迹预测算法进行对比分析。研究结果表明：SIA-GAN不仅在训练时的收敛速度上有较大提升，且与现有其他轨迹预测算法相比在平均位移误差、最终位移误差、平均速度误差、平均航向角误差等评价指标均有大幅下降，预测3.2 s时各项指标平均降低了51.25%、60.1%、37.84%、13.75%;预测4.8 s时各项指标平均降低了52.78%、61.47%、3...     

耦合深度学习-运动学的自动驾驶一体化换道研究

现阶段主流算法都面临着数据量不足导致的模型无法完全应对所有场景，从而造成换道失败或者影响换道过程中的安全性。提出了一种新的耦合深度学习-运动学的自动驾驶换道一体化模型。该模型基于经典BP神经网络，对神经元中的激活函数进行替换，从而克服已有模型的不足。通过CarSim仿真来研究了本模型产生的自动驾驶车辆换道轨迹的可跟踪性，结果显示本模型可以更好地学到人类的安全换道行为，可推广使用。