基于拮抗机制的可变刚度流体驱动柔性致动器研究

柔性致动器具有柔顺性高、环境适应性强及人机交互性好等特点。针对传统柔性制动器刚度控制性能差的问题,基于柔性伸长肌和收缩肌的拮抗机制,提出一种新型可变刚度的流体驱动柔性致动器,该致动器能够实现伸长/缩短的复合动作,并通过协同调整伸长和收缩力实现刚度的控制;基于伸长及收缩织物的柔性形变机理,建立了柔性致动器的力学特性模型,并进行了仿真分析;开展了柔性致动器的力学特性试验,测试了致动器在不同充压及形变位移下的力学特性,并验证了柔性致动器的刚度调节特性。     

基于临场感的遥操作机器人共享控制研究综述

共享控制策略作为基于临场感的遥操作机器人的主要控制模式,能够充分利用操作者的感知、判断和决策能力,也能发挥出机器人自身的优势. 阐述遥操作机器人临场感技术;综述遥操作共享控制策略的发展现状,主要基于触觉反馈引导、运动学限制规避以及共享因子分配等,对各控制策略的原理进行介绍,并梳理和分析遥操作共享控制策略发展中的瓶颈和不足,如共享因素的单一化或僵硬化、时延问题和机器人自主判断能力有限等问题. 针对研究存在的局限性,从3个方面对未来的发展提出展望,分别为提升干预水平、加强机器人意图预测、结合机器学习, 具有一定的指导意义.     

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。     

基于NCS2神经计算棒的车辆检测方法

基于深度学习的车辆检测方法准确率较高,其在性能卓越的计算机与图形处理器设备上实时性较好,但在性能相对较低的嵌入式设备上实时性较差。在改进Tiny-YOLO网络的基础上,提出一种利用NCS2神经计算棒的嵌入式车辆检测方法。采用深度可分离卷积替换Tiny-YOLO网络标准卷积降低计算量,去除池化层并使用全卷积层以保留低级特征信息,采用Tensorflow深度学习框架训练改进的Tiny-YOLO网络,并将其部署到配备NCS2神经计算棒的嵌入式设备上。实验结果表明,与原始Tiny-YOLO网络相比,改进Tiny-YOLO网络检测实时性提高1倍,在MS COCO和VOC2007数据集上平均检测准确率分别提升1.12和0.23个百分点,配备NCS2神经计算棒后该方法检测的每秒传输帧数达到12,实时性较原始Tiny-YOLO网络大幅提高。     

蛇形机器人：仿生机理、结构驱动和建模控制

蛇形机器人是一种能够模仿生物蛇运动的新型仿生机器人,由于它能像生物蛇一样实现“无肢运动”,因而被国际机器人业界称为“最富于现实感的机器人”。研究涉及材料学、仿生学、机械设计制造、传感技术等多学科交叉融合,在消防灭火、灾后救援、海底环境与管道探测、复杂环境作业、军事侦查等领域具有广阔应用前景,受到国内外学者及机构的广泛关注和研究。从蛇的生物特征、仿生原理、结构驱动、建模及控制等方面对蛇形机器人研究进行综述,按结构类型将蛇形机器人分为被动轮式、主动轮式、履带式、螺旋桨式和其他结构等;按驱动方式将蛇形机器人分为直流电机驱动、流体驱动、混合驱动和其他驱动等;以及目前常用于蛇形机器人的建模方法和控制策略。从中归纳和分析,得到蛇形机器人的关键研究问题包括材料升级、结构优化、柔性传感技术和自适应控制,其未来发展方向包括新型材料制备成型、高效结构设计加工、灵敏柔性传感技术、新型适合大变形的建模方法、自适应控制系统研发。     

“三位一体”安全管理模式的研究与实施

坚持以安全文化建设为先导,以"四抓四严一追究"为支撑,以群防群治为保障,通过塑造本质安全人,提高装备水平、打造本质安全环境,构建安全管理的长效机制,实现矿井安全生产。     

多测度融合的立体匹配算法研究

摘 要：针对多测度融合的立体匹配算法的测度选择问题,提出一种基于测度互补系数的 测度选择方法。通过该方法选择多种测度进行融合作为匹配代价,并使用改进的半全局算法进 行代价聚合,实现多测度融合的立体匹配算法。首先定义互补系数,通过互补系数选择多种相 似性测度进行融合作为匹配代价;然后,针对半全局代价聚合使用随机初始化视差图导致立体 匹配效果较差的问题,使用基于 SURF 特征得到的视差作为初始视差进行半全局代价聚合;最 后计算视差并优化视差得到最终视差图。实验表明,使用该测度选择方法可以选择互补特征, 结合改进的半全局代价聚合方法可以提高立体匹配效果。     

18CrNiMo7-6高铁齿轮钢的疲劳极限评定

在不同最大循环应力(600～880 MPa)和应力比0.1下对18CrNiMo7-6高铁齿轮钢进行棘轮试验和疲劳试验，先通过对稳定阶段的棘轮应变差值和温升与最大循环应力进行拟合来预测疲劳极限，然后再基于由棘轮应变差值和温升计算的断裂疲劳熵来预测疲劳极限，并将不同方法的预测结果与试验结果进行对比。结果表明：由稳定阶段的棘轮应变差值和温升与最大循环应力的线性拟合得到的疲劳极限分别为664.9,681.4 MPa,与由疲劳试验得到的疲劳极限(689.0 MPa)的相对误差分别为1.11%,3.50%,说明用这2种方法预测疲劳极限的精度较高；当最大循环应力为673.2 MPa时，断裂疲劳熵值由0.1 MJ·m^-3·K^-1以下突变增至0.46 MJ·m^-3·K^-1,由此预测得到的疲劳极限为673.2 MPa,与疲劳试验结果的相对误差为2.3%,预测精度较高。