FTA与BP神经网络结合的地平仪故障诊断方法研究

为了提高某型地平仪常见故障的诊断效率与准确率，研究了故障树分析(FTA)与反向传播(BP)神经网络相结合的地平仪故障诊断方法。根据地平仪的结构原理，首先采用FTA法得到了该型地平仪的所有故障模式及最小割集，建立了故障树的结构函数。然后按照最小割集重要度，筛选出BP神经网络训练样本的主要故障模式。最后以某单位该型地平仪的故障统计数据为基础，运用BP神经网络的方法建立了地平仪的故障诊断模型，并对模型进行了验证。验证结果表明，采用FTA法与BP神经网络相结合的故障诊断方法，弥补了2种方法单独诊断时的固有缺陷，提高了故障诊断的准确性和效率。     

B样条曲面三维扩展目标跟踪算法

在目标跟踪中，三维扩展目标跟踪的实现通常需要多角度的大量量测数据，单传感器所获得的量测无论是从数量还是完整性上来说，都不能良好地满足三维形状估计的要求。针对低量测率下现有的三维扩展目标跟踪算法形状跟踪效果差的问题，提出了一种基于B样条曲面的泊松多伯努利混合滤波算法。首先，利用小波聚类对多传感器获得的三维空间量测数据进行处理，得到量测簇，在提取有效信息的同时保证算法的效率；然后，对量测簇进行划分，获得控制矩阵，控制矩阵基于B样条的控制点原理实现，因此能够表征复杂三维形状的参数，利用控制矩阵与B样条曲面拟合获得三维扩展目标的形状；最后，将B样条融入泊松多伯努利混合滤波器，扩展到三维目标跟踪，预测和更新扩展目标运动状态和形状参数。经仿真实验和真实点云数据集的验证，所提算法能够对三维扩展目标的运动状态和扩展形状实现良好的跟踪效果，且能够实现不规则三维形状的估计。     

基于轮廓补偿的熔融沉积制造产品尺寸精度研究

针对熔融沉积制造（FDM）在热成型过程中由于材料收缩带来尺寸偏差的问题，基于初始设计模型进行轮廓补偿，以减小尺寸偏差，提升尺寸精度。采用正交试验设计系列正椭圆柱体、正三棱柱体和正四棱柱体模型，提出了两种轮廓补偿方式，分别采取方式一和方式二对试验件初始设计模型轮廓进行补偿。结果表明：针对本文研究案例，正椭圆柱体、正三棱柱体和正四棱柱体成型尺寸精度存在差异。两种方式均可提升尺寸精度，同一种方式对正椭圆柱体、正三棱柱体和正四棱柱体的尺寸精度提升程度不同，方式二有更优的补偿效果。