一种亚微米压电柔性微动系统设计及性能分析

为获得精密直线运动输出,设计一种压电柔性微驱动系统,系统由压电致动器及柔性微动机构组成,在压电致动器驱动下系统具有亚微米级定位精度。基于柔性铰链导向、传动原理,设计了一种精密柔性微动机构,在此基础上提出了压电柔性微驱动系统设计方案。采用有限元法对系统进行了运动学分析、强度分析、动态分析,分析结果显示,系统具有定位精度高(最大定位误差为0. 24μm)、强度性能好、动态性能优良等优势。研究对微驱动系统研究及应用具有一定的参考价值。     

精密对称驱动二级微动放大系统设计及性能

为获得具有较高运动精度、无寄生运动、放大比较大且可调的微动平台,基于直圆型柔性铰链的导向、传动原理及机构杠杆原理,设计出一种对称驱动且放大比可调的二级微动放大机构（设计放大比为1∶5）,并提出压电陶瓷致动器驱动微动放大机构的精密二级微动放大系统设计方案;分析微动机构驱动性能的导向原理及附加力平衡原理,并对微动二级放大机构的放大比进行理论计算;采用试验法分析系统微驱动器的驱动性能,并解析出其驱动方程;利用有限元法分析系统的强度、模态及运动性能。分析结果表明：系统的强度及模态性能符合要求,具有较高的运动精度（在运动行程内,理论计算与有限元分析最大绝对误差为6.27 μm、相对误差为8.36%）;所设计的精密对称驱动二级微动放大系统具有运动精度高、安全性强、放大比大且可调等优势。     

基于数据驱动的综采装备协同控制系统架构及关键技术

为解决智能化综采工作面关键技术难题之一的开采设备协同控制问题,提出了基于数据驱动的综采装备仿人智能协同控制模型,重点研究了大数据背景下智能综采装备的协同控制知识自学习、开采行为自决策、分布协同自运行等关键技术理论与方法。具体包括:从数据应用的角度分析了智能综采系统的数据特点,阐明了智能综采的3大数据化特征:泛在感知(数据获取)、信息融合(数据挖掘)、智能控制(数据决策);构建了面向经验操作员决策过程表征的综采装备协同控制框架;提出了基于扩展有限状态机的综采装备运行状态演化方法和基于多标记决策信息系统的综采装备运动行为模式学习方法,来实现数据驱动下智能综采装备行为决策知识的获取;提出了面向经典采煤工艺过程的综采装备行为模态类的决策知识划分方法和基于CBR与RBR融合的决策行为混合推理方法,来实现智能综采装备动作行为的自主决策;探讨了人工控制模式下综采装备驾驶员控制策略的表征方法,发展了具有自学习、自决策、工况自适应的综采"三机"仿人智能协同控制方法;给出了基于平行系统理论的平行综采技术逻辑,为综采装备协同控制的研究提供方法。所提综采装备协同控制系统为大数据背景下的综采生产系统的协同控制提供了解决方案。     

全现浇外包钢结构在安阳电厂八期工程的应用

全现浇外包钢混凝土结构是近十多年来在电力系统工程中逐步得到推广的一种新型结构。本文从设计、施工等几个方面阐述该结构的设计思路，可供以后同类型工程设计参考。     

基于改进YOLOv2算法的交通标志检测

针对YOLOv2算法实际检测到的小尺寸交通标志质量不佳, 识别率低, 实时性差的问题, 提出一种基于改进YOLOv2的交通标志检测方法. 首先, 通过直方图均衡化、BM3D对图像增强以获取高质量图像; 接着, 将网络顶层卷积层输出的特征图进行精细划分, 得到高细粒度的特征图, 以检测高质量、小尺寸的交通标志; 最后, 采用归一化及优化置信度评分比例对损失函数进行改进. 在结合CCTSD (中国交通标志检测数据集)和TT100K数据集的新数据集上进行实验, 与YOLOv2网络模型相比, 经过改进后的网络识别率提高了8.7%, 同时模型的识别速度提高了15 FPS. 实验结果表明: 所提方法能够对小尺寸交通标志进行精准检测.     

前馈控制器对伺服系统动力学特性影响研究

前馈控制器是运动控制器重要的组成部分之一。为了有效降低运动误差、提升伺服系统动力学性能,建立开放式精密运动平台动力学模型,研究前馈控制器对稳态误差、谐振现象、频域特性及稳定性的影响并总结影响规律。通过仿真与实验验证,证明了前馈控制器对伺服动力学特性影响规律的正确性。该结论对于指导工业现场对伺服系统前馈控制器的优化与整定提供了参考。     

一种单自由度对称驱动导向及转换的微动回转机构

基于柔性铰链的传动及导向原理,提出一种单自由度对称驱动、导向及转换的直线转换为回转的微动回转机构;机构具有中心对称性,通过铰链对压电致动器的微动直线运动进行导向,将直线运动转换为回转运动,平衡转换过程中产生的横向力及力矩;在建立机构运动学模型的基础上进行运动学分析,推导机构的直线运动输入Δu与回转运动输出Δθ的函数关系;运用有限元法对机构的转换性能进行仿真分析;试验检验该机构的转换性能,试验结果与机构运动学解析误差为8.0%,与有限元分析误差为6.2%;试验表明该机构的运动平稳、线性好,其线性度不小于0.998。运动学分析、有限元仿真及性能试验结果对比验证微动回转机构直线-回转运动转换的准确性及高线性度。本研究具有重要的应用价值。     

基于贝叶斯网络推理的数控机床元动作装配情景异常识别

针对机床的机械故障频发且装配因素难以识别的问题，提出了基于贝叶斯网络的机床装配情景异常推理识别方法。以机械零部件多尺度运动分析为切入点，建立了机床功能-元动作的多尺度映射模型，利用故障模式及影响分析(Failure Mode and Effect Analysis, FMEA)方法建立了机床元动作单元关键装配情景构成模型。基于装配情景构成模型建立了元动作单元装配情景的贝叶斯网络结构，利用证据推理法实现了元动作单元装配情景异常概率的智能推理。以蜗轮转动元动作单元为例，构建了蜗轮转动单元装配情景初始贝叶斯网络，获取了蜗轮转动元动作输出的异常概率(由装配因素引起)为2.35%;以蜗轮转动故障为起点进行了贝叶斯网络反向推理，识别出导致蜗轮转动故障的各装配情景异常概率。元动作装配情景的异常识别为实现机床故障装配因素的追溯提供理论依据。