并联式自动加注机器人运动学标定

为解决并联式自动加注机器人在高精度运动学逆解建模的问题,以并联式自动加注机器人为对象,对其 运动学标定进行研究。采用矢量微分法建立位姿误差模型,对各误差源对动平台末端位姿的影响规律进行分析,寻 找合适的标定位置,并以位姿均方根误差最小为目标函数,使用粒子群算法对神经网络结构进行优化,最后通过仿 真试验对其进行验证。仿真结果表明：该方法能有效提高并联式自动加注机器人的精度,为后续实验应用提供了理 论依据。     

基于Volterra 级数对火工品起爆过程的辨识

为解决火工品起爆过程中线性函数不能解决元件参数变化、不确定性和非线性强的问题,将Volterra 级 数模型与基因表达式编程(gene expression programing,GEP)相结合,设计一种新的火工品起爆过程辨识算法。利用 Volterra 级数能准确反应非线性系统的特征来描述火工品起爆过程,GEP 算法则克服传统辨识方法的不足,辨识出正 确的模型。仿真结果表明,该方法能精确、快速地辨识出火工品起爆过程。     

基于AFSA-ACA自适应模糊滑模的采煤机滚筒液压调高控制

为研究采煤机滚筒在不同复杂工况下的位置跟踪控制,以液压机构的工作原理为基础,建立了滚筒液压调高机构的数学模型。基于自适应模糊微分积分滑模鲁棒性强的优点,提出了在鱼群-蚁群融合算法优化滑模控制器参数条件下的滚筒位置跟踪控制方案,并分析了滚筒在采用一般滑模控制器及自适应模糊微分积分滑模控制器下位置跟踪的特点。仿真结果表明:采用结合融合算法优化的自适应模糊微分积分滑模控制器的滚筒调高机构对内部参数摄动及外部时变干扰具有较好的鲁棒性,能够实现位置跟踪控制。     

LM算法BP神经网络的数控机床主轴系统故障诊断

针对目前数控机床故障复杂、诊断困难的问题,提出基于人工神经网络的故障诊断方法。在研究传统BP神经网络故障诊断模型基础上,引入改进的BP算法-LM算法,建立机床主轴系统LM-BP神经网络故障诊断模型,对机床主轴系统故障进行分析与诊断,再通过Matlab仿真与传统BP神经网络相对比,仿真结果表明:传统BP神经网络存在较难实现快速、准确的故障定位问题,而BP神经网络LM算法作为故障诊断的核心算法收敛速度快、识别准确。该方案设计合理可行,有较好的应用前景,并给出应用了实例。     

基于混合粒子群的RBF神经网络PID控制策略在某随动系统测试平台中的应用

针对某武器随动系统的研制需求,设计了一种基于电动负载模拟器技术的随动系统测试平台。为了解决该平台的模型不确定性、非线性和PID参数难以匹配的问题,提出了一种基于混合粒子群算法的RBF神经网络PID控制策略。实际应用表明该控制策略易于实现PID参数的自整定,控制效果良好,具有快速响应性和较好的鲁棒性、自适应性。     

基于SPH结合FEM的喷丸残余应力数值模拟

针对以往有限元模型中弹丸数量较少且为规则阵列排布的缺陷,采用光滑粒子流体动力学法(Smoothed particle hydrodynamics,SPH)与有限元法(Finite element method,FEM)相结合的方法,对喷丸过程进行数值模拟;使用MATLAB对弹丸空间位置坐标进行随机化处理,形成了大量丸粒冲击工件表面的随机喷丸仿真模型。通过分析确定了喷丸饱和时间,研究了喷射角度、弹丸流量对残余应力场的影响。结果表明:在喷丸参数一定的条件下,存在相应的饱和喷丸时间;研究喷丸参数对残余应力的影响时,应在喷丸达到饱和时间之后提取残余应力值;喷射角度增大,残余压应力增大;开始时弹丸流量增大,残余压应力会有所增大,但当其达到饱和值后,残余压应力不再变化。     

取向硅钢常化板织构及不同取向晶粒中析出相粒子的分布

利用SEM、EBSD技术对低温热轧技术的热轧板和常化板进行了织构研究,并对不同取向晶粒中的粒子进行了对比分析。结果表明:常化处理对热轧织构中旋转立方{100}011织构强度有一定的减弱;常化后4种不同取向晶粒中的粒子面密度及粒子尺寸存在明显的差异,其粒子面密度分布规律表现为黄铜取向晶粒Goss取向晶粒铜型取向晶粒{100}011取向晶粒,且黄铜取向晶粒中的粒子平均尺寸最小,40~60 nm范围内的粒子也明显多于其他取向晶粒。     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

瑞利分布乘性噪声去除的非局部TV模型

基于局部算子的TV模型用于瑞利分布乘性噪声去除时往往存在边缘模糊、纹理模糊等问题。因此,将非局部TV算子应用于传统的局部TV模型,提出一种新模型来去除瑞利分布的乘性噪声,并通过引入辅助变量构造一个逼近的泛函,设计相应的分裂Bregman算法,加快了计算速度。实验结果表明,所提出的非局部TV模型在峰值信噪比、结构相似度和视觉效果方面都优于传统算法,对图像纹理、边缘等特征的保持能力更强。     

锂离子电池循环寿命的融合预测方法

针对传统基于粒子滤波的锂离子电池剩余使用寿命预测方法的不足:过度依赖电池经验退化模型和模型输入变量单一的问题,提出了一种相关向量机、粒子滤波和自回归模型融合的锂离子电池剩余寿命预测的方法。通过相关向量机提取电池历史数据的退化趋势,构建趋势方程替换以往的电池经验退化模型,作为粒子滤波算法的状态转换方程。引入自回归模型的长期趋势预测值,替换观测值构建粒子滤波算法的观测方程。将3种方法相融合估计电池剩余寿命。实验结果表明:融合方法不仅预测精度高而且采用数据驱动的方法避免了构建复杂的电池机理退化模型,通用性强。