基于结构权重的三维模型动态约简方法的研究

为了提高虚拟现实场景中三维模型的渲染速度,通过对三维模型的结构特征的研究,在分析了三维模型各个子结构对模型整体的真实性的影响权重大小不同,提出了基于结构权重的三维模型结构的动态约简方法。该方法可以通过计算三维模型每个子结构的权重系数,针对不同硬件水平的计算机,根据视点与三维模型结构的距离,动态调节模型子结构的渲染效果,实现模型的快速渲染。通过对该方法进行的测试实验,表明该方法显著提高了三维模型的渲染效率,减少了模型三角面片的渲染数量,降低了系统的内存占有率,保证了模型的真实性。同时经过对比实验,相同距离下,该方法显著提高了虚拟现实场景渲染时的FPS(画面每秒传输帧数)。     

基于FFSM的数控机床加工状态建模方法

为描述数控机床加工过程中的刀具状态,提出一种基于模糊有限状态机的建模方法。由该方法建立的模型通过"状态叠加"机制定量刻画了刀具的临界属性,从而预测刀具未来状态。围绕建模步骤、模型参数优化和预测方法进行了详细讨论,定性分析了状态转换规则及输入变量,设计了一种基于遗传算法的模型参数定量优化方法,并揭示了当刀具分别处于稳态与临界态时的预测原理。实验表明,在一定预测步长内,其预测误差小于低阶线性自回归模型,同时该模型具有连续预测刀具状态的能力。     

ARM平台电机矢量控制分析及性能评估

对ARM平台电机矢量控制模型进行了分析及性能评估,弥补了当前伺服控制系统中该评估工作的空白.分析了电机矢量控制模型和能实现该模型ARM平台的软硬件环境,给ARM平台电机矢量控制分析及性能评估奠定了基础.使用了一种利用建立空闲任务计算CPU负载率的方法,并用此方法进行了以CPU负载率为性能指标的评估实验,对不同条件下矢量控制策略的适用情况进行了分析.分析结果对ARM平台下矢量控制策略的选择有一定的指导意义.     

LVS资源负载策略应用研究

LVS （Linux Virtual Server）是提高云平台资源利用率的方案之一,但是由于LVS负载均衡算法的权值设置不科学以及在分配连接请求时不能实时地平衡任务,导致云环境中的服务器负载失衡,降低了系统对外提供服务的能力.针对以上问题,本文将模拟退火算法和加权最小连接算法相结合,提出一个基于最佳负载因子的负载均衡策略.并通过实验证明,最佳负载因子策略能够使集群中节点负载更加均衡,极大程度上提高了集群资源利用率.     

基于XGBoost和自回归模型的轴承故障诊断和预警方法研究

针对轴承在数控车间生产中易发生故障且对轴承故障预警困难的问题,提出了一种基于XGBoost算法和AR(I)MA自回归模型的数据驱动的故障诊断和预警方法。首先使用XGBoost算法将轴承的历史数据划分为正常、滚珠故障、外圈故障和内圈故障4种状态,然后使用AR(I)MA模型来预测轴承在未来一段时间内的振动信号变化,再将预测出的振动信号进行降噪和特征提取后输入到训练好的XGBoost中进行故障诊断。使用PRONOSTIA平台采集的轴承工作数据进行实验,结果表明,文章方法可以准确预测出轴承短期内的振动信号并诊断出可能发生的故障,证明了该方法在轴承的故障诊断和预警中的可行性与正确性。     

开放式数控系统的低能耗和可靠性调度算法

为充分利用多核处理器的并行能力,同时在保证数控系统可靠性约束下实现系统低能耗。在任务级粗粒度软件流水线技术基础上,首先提出非依赖有向无环图算法将周期性依赖任务转换为基于重定时的一组独立任务,通过任务并发执行和动态电压调节技术降低系统能耗。其次,在保证系统可靠性方面,算法分为无错和容错两个阶段。在无错阶段,一个任务的多个副本同时执行,通过投票确定任务是否执行正确。当不一致时,任务进入容错模式。在容错模式下,剩余副本独占处理器以最高速度完成容错。实验结果表明,所提出的算法在保证数控系统可靠性前提下,可以降低系统能耗,相比已有算法不仅具有更高的可靠性而且能耗更低。     

基于RBPF-SLAM算法的研究与实现

同时定位与地图创建（the simultaneous localization and mapping,SLAM）是机器人领域的难点问题,目前广泛采用Rao-Blackwellized Particle Filters （RBPF）算法解决该问题.在传统的RBPF算法实现中构建的高误差建议分布会采样计算大量粒子来拟合目标分布,频繁的重采样步骤导致粒子逐渐耗散,浪费大量计算资源.在本文中通过把运动模型信息与观测信息相结合优化建议分布,减少采样粒子数量,引入自适应重采样方法减少重采样步骤.在算法的实现时使用树形数据结构存储环境地图,实验结果表明,该改进算法可以显著计算效率,减小存储消耗,构建地图更为精确.     

多种算法融合的产品销售预测模型应用

销量预测一直是一个热点研究的课题,对于各个企业有着重要的意义.近年来,随着深度学习的崛起,用于销量预测的模型越来越多,而单一模型的预测性能往往不够理想,所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归（Support Vector Regression,SVR）、GRU神经网络作为基础模型,然后将LightGBM作为最终的预测模型,并且融合了新的特征.集中了几种模型的优势,大大提高了模型的预测性能,更加接近真实的销量数据,为回归预测提供一种新的预测方法.     

基于粒子群算法的机器人关节空间最优运动轨迹规划

为了提高机器人的工作效率,对机器人轨迹规划进行研究。文章依据机器人运动学特征,提出了一种关节空间运动轨迹规划的算法。其基于粒子群算法,采用高次多项式插值的方式,对机器人关节空间的运动轨迹进行拟合。在确保运动轨迹平滑的同时,保证了关节运动的平稳性。最后,在MATLAB中进行仿真实验,实现了关节空间最优运动规划。该算法结构简单,易于实现,为提高机器人的工作效率提供了科学依据。     

基于MAS的智能数控系统体系结构研究

作为智能制造的技术基础与核心控制单元,智能数控系统表现出信息感知、交互以及自主决策优化等特性。利用MAS进行智能数控系统体系结构设计,可以充分发挥Agent在学习推理以及智能决策等方面的优势,满足系统智能化需求。在分析智能数控加工流程的基础上,提出采用层次结构设计,按系统功能划分为人机交互、信息管理、几何设计、工艺规划、运动控制、逻辑控制以及故障诊断等模块。各模块间采用混合式结构进行通信。