基于信息熵的复杂机械系统非线性特征提取方法研究

复杂机械系统运行状态和特征参量往往具有较强的非线性和耦合性,运用信息熵定量评价方法实现系统状态参量的非线性特征提取.针对单一信号非线性特征提取问题,将小波包分解和奇异谱熵相结合,提出了多分辨率奇异谱熵模型,可实现信号不同频带内奇异特性的定量描述;针对多变量耦合复杂机械系统,建立了联合复杂度信息熵和信息传递指数模型,可分别描述多变量关联特征和信息传递特性.仿真实验验证了研究方法的有效性.     

纳米黏弹性测量中谐振抑制方法研究

针对压痕测量软材料中悬臂梁谐振导致测量数据存在较大误差的问题,提出一种在宽带纳米黏弹性测量中抑制悬臂梁谐振的方法。基于z轴动态特性设计一种陷波器类型的前置滤波器,并对输入驱动电压进行滤波;设计基于最小均方误差准则(LMS)的自适应滤波器,参考赫兹接触模型对软材料的复蠕变量进行滤波,进而在输入环节和测量环节消除谐振影响。通过二甲基硅氧烷(PDMS)样本的黏弹性测量实验,验证悬臂梁谐振抑制方法的有效性。     

机械系统误差分析新方法

基于拓扑反变基本原理,建立用于描述机械系统运动误差问题的原始信息空间和目标信息空间以及拓扑反变映射算子,将系统的输出运动误差空间反推到误差源空间,通过减小相应误差源的误差为进一步提高系统的工作质量奠定了基础。将该方法应用于并联机器人的误差问题,通过对并联机器人误差模型进行仿真分析,得出减小位置参数误差可有效提高并联机器人精度的结论,验证该理论方法的有效性。     

测控专业课程项目式教学模式改革探索

针对测控专业自动化仪表方向首次开设测控电路课程,学时少且实践教学环节多,研究通过课堂知识内容整合、多媒体授课、课下复习相结合的方式,在有限的学时内完成教学任务,并将测控电路课程设计与嵌入式智能仪表课程设计进行整合,构建测控电路与智能仪表课程群课程设计,同时分解课程群课程设计内容到三级项目和课堂实验中,实现课程实践教学环节紧密衔接和实践内容功能完整性。     

基于蚁群算法的并联机器人误差补偿方法

提出一种利用蚊群算法补偿Stewart并联机器人位姿误差的方法.基于闭环矢量法建立Stewart并联机器人位姿误差模趔,通过6个驱动杆的长度误差和铰链误差得到并联机器人的位姿误差.在位姿误差模型的基础上,利用基于网格划分策略的连续蚁群算法,通过信息素更新指导蚂蚁反复搜索,对驱动杆杆长误差进行寻优,最终补偿Stewart...     

基于 sEMG 和肌肉骨骼模型的手指 多关节力矩耦合分析

手指内部力矩受表面肌电信号、肌力、手部姿态等因素影响而无法直接获取,为了实时且准确地获取手指各关节力矩以 及耦合力矩并应用于手部康复机器人的交互控制中,提出了一种基于表面肌电信号和肌肉骨骼模型的手指多关节力矩和耦合 力矩分析与实时获取方法。 首先设计了自适应手指关节角度采集系统,通过实验同步采集指浅屈肌与指伸肌的肌电信号以及 手指各关节的角度数据,建立手指多关节力矩模型,从而获取手指各关节力矩。 然后建立手指 D-H 模型,结合虚功原理获取手 指的耦合力矩。 最后,辨识了手指多关节力矩模型的参数,并通过 OpenSim 软件获取了仿真力矩。 计算力矩与仿真力矩的对比 结果显示:4 名被试 3 个关节力矩的均方根误差分别为 0. 156 7、0. 097 425、0. 084 95,证明了该方法能够实时并准确的获取手指 各关节力矩和耦合力矩,能够满足手部康复机器人交互控制准确性和实时性的需求。     

基于信息熵的裂纹转子动力特征分析与诊断方法

针对裂纹转子系统运行过程中的非线性、非平稳突变性等复杂特征,运用信息熵特征提取和融合分析方法,将裂纹转子系统动力分析与参量识别方法有机结合,分析裂纹转子在不同状态下响应参量随转速变化的信息熵特征及变化规律,实现裂纹转子动力响应特征参量的信息熵定量描述;在此基础上,将理论方法用于裂纹转子系统实测信号的分析诊断,并构建小波神经网络模型对裂纹转子信息熵特征曲线进行识别,实现裂纹转子系统故障状态诊断,验证理论方法的有效性.     

基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

基于sEMG的下肢运动解析方法研究

为了实现肢体运动解析并用于康复机器人系统自适应控制,提出一种基于sEMG的下肢运动解析方法。同步采集下肢6块肌肉的表面肌电信号(sEMG)和髋、膝关节角度;引入相干性分析方法,定量描述s EMG和关节角度耦合关系,进而优化选取肌肉通道;采用一阶递归滤波器补偿sEMG和关节角度的机电延迟(EMD);提出基于黄金分割的最小二乘极限学习机(GSLSELM)算法,进行下肢运动解析。实验结果表明,7名被试下肢运动解析的均方根误差(RMSE)和时长,能够满足康复机器人系统控制的准确性和实时性要求。     

基于混合迁移学习的运动想象分类算法研究及其在脑机接口中的应用

为提升迁移学习在运动想象脑机接口应用过程中的迁移高效性及普适性,综合实例迁移和特征迁移学习方法的优势进而构建了混合迁移学习模型。首先,依据样本权重极化原理改进TrAdaBoost算法以实现实例层面的迁移,优化源域训练样本;其次,基于大间隔投射迁移支持向量机进一步缩短源域与目标域间的分布距离以完成特征层面的迁移,实现迁移效率最大化。进一步,将该方法应用于脑机接口竞赛Dataset IIb数据集进行离线测试及分析,研究结果表明混合迁移学习模型的迁移效率明显高于单一迁移学习模型,并且对于不同迁移对象识别准确率相对提升均值在70%以上,验证了所述方法的有效性与普适性。此外,基于已搭建的运动想象识别系统进行在线测试,验证了模型的实用性。