基于级联神经网络的SiC MOSFET结温预测模型

对结温进行精准预测和提取仍然是SiC MOSFET器件应用中需要攻克的技术难题，对此，结合粒子群优化-反向传播(PSO-BP)神经网络预测精度高以及径向基函数(RBF)神经网络函数逼近能力强等优点，提出了一种基于PSO-BP与RBF级联神经网络的SiC MOSFET结温预测模型。模型将SiC MOSFET的漏极电流和通态电压作为PSO-BP神经网络的输入，再将PSO-BP神经网络的结温预测值以及插值法得到的温度插值作为RBF神经网络的输入。基于LTspice仿真获取的数据集验证了模型对SiC MOSFET结温预测的有效性。结果表明，该模型对SiC MOSFET结温预测的绝对误差在0.005℃以内，均方根误差和平均绝对误差分别低至0.0082和0.0015,相比单一的BP、PSO-BP以及RBF神经网络模型，其预测精度得到了大大提高。该级联神经网络模型可实现对SiC MOSFET结温(> 75℃)的精准预测。     

绳驱动柔性机器人运动学建模及主从控制研究

针对目前组装式绳驱动柔性机器人存在的装配复杂、控制精度差与刚度低等问题，提出了一种用于狭小空间探测的超冗余绳驱动柔性机器人。首先，设计了一种通过卯榫连接的绳驱动柔性机械臂，基于常曲率假设，利用MATLAB软件建立了该机器臂的运动学模型，并对其工作空间与绳长变化量进行了仿真分析；然后，分别设计了基于上位机软件界面和增量映射模型的主从控制方法；最后，搭建了单关节的柔性检测机器人系统样机平台，并通过旋转弯曲与负载弯曲试验，对所建模型和控制策略进行了验证。研究结果表明：新构型柔性机器臂可以解决柔性机器人刚度较低的问题，其运动特性明显优于芯柱型柔性机器人，其负载能力达到250 g时，末端位置的控制误差小于8%,满足柔性机器人的控制需求。     

利源公司德利铁矿无间柱连续采矿工艺的试验研究

德利铁矿原采用浅孔留矿采矿法,该采矿法工艺简单,但作业人员劳动强度大,回采率低。根据德利铁矿的地质条件和矿体开采技术条件,进行了无间柱连续采矿试验,取得了较好的效果。详细介绍了工业试验的技术条件、采矿方案和回采工艺,将试验结果与传统的浅孔留矿采矿工艺进行了比较。无间柱连续采矿工艺的成功试验为新疆同类高品位铁矿床的开采提供了借鉴。