液力变矩器性能测试软件系统开发

液力变矩器的性能直接影响工程机械产品的性能和安全性,液力变矩器试验台能够描绘出液力变矩器的性能曲线。基于LabVIEW软件平台,开发出液力变矩器性能测试软件系统,可提高变矩器性能检测的自动化和智能化程度。经过长时间试验,证明该测试系统程序运行稳定可靠,测试结果精确,符合GB/T 7680—2005的要求。     

基于改进SBF模型的类比设计过程研究

类比设计是利用已有系统的问题解决方案或过程解决相似系统目标问题的创新设计方法。知识表征是类比设计的重要环节,为类比源检索和类比映射提供基础。针对结构-行为-功能(SBF)模型的不足,提出了改进的SBF建模规则,以更合理地表征设计知识。在此基础上,提出功能相似匹配和行为相似匹配的类比源检索方法,及以行为和结构映射为核心的4种类比映射路径,从而形成系统化的类比设计过程模型。该方法有助于设计者扩展设计空间,提高产品创新设计的效率。最后,以双导梁式架桥机的改进设计为例,验证上述研究的可用性和有效性。     

基于滑动平均与分段线性回归的时间序列相似性

针对时间序列相似性度量中欧氏距离对异常数据敏感以及DTW距离算法效率低的问题,提出基于滑动平均与分段线性回归的时间序列相似性方法。首先,使用初始可变滑动平均算法以及分段线性回归对原始时间序列进行数据变换,并将分段线性回归的参数(截距与距离)集作为时间序列的特征,以实现时间序列的特征提取和数据降维;然后,利用动态时间弯曲距离进行距离计算。该方法在时间序列相似性上与DTW算法的性能相近,但是在算法效率上几乎提高了96%。实验结果验证了该方法的有效性与准确性。     

义齿3D打印机挤出系统关键部件研究与验证分析

针对义齿3D打印机挤出成型的高精度要求与传统挤出成型设备局限性的问题,提出一种义齿3D打印机专用挤出系统的设计方案。利用Solid Works软件的Motion模块对该系统关键部件的运动进行仿真,以验证其是否能实现运动连续性要求,从运动连续性上保证出料的连续性。根据力学理论计算以及ANSYS FLUENT软件流体仿真,对关键部件进行分析,以初步验证设计方案与参数的合理性,最后通过样机实验对该系统的可行性与准确性进行进一步验证。研究结果表明,关键部件的运动符合要求的运动特性,设计参数的合理性与方案的可行性也能够得到证实,为后期针对该挤出系统控制算法的研究奠定了基础。     

基于LabVIEW的液力变矩器性能测试系统报表生成技术研究

报表生成系统是测试系统的重要组成部分.介绍运用LabVIEW与Excel混合编程的思路,结合液力变矩器性能测试系统中专业的报表,利用NI公司的Report Generation Toolkit For Microsoft Office模块和Report Generation类函数模块生成专业Excel报表的具体编程方法.液力变矩器性能测试系统应用该技术后,试验报表生成更简单、方便,提高了测试过程的自动化程度和测试效率.     

基于ROS的临场可重构排爆机器人系统架构研究

在面对危险爆炸环境时,排爆机器人的临场任务具有多样性,根据不同的临场任务,机器人会在自身本体硬件的基础上,在现场对模块化组件进行快速组装,即机器人硬件方面的临场可重构。利用机器人操作系统(ROS),针对不同的硬件模块组合,进行软件重构是临场可重构机器人的软件特性。提出了一种基于ROS的临场可重构排爆机器人软硬件架构模式,在面对复杂环境时,操作人员能够根据现场不同的任务要求,对模块化设计的排爆机器人进行组装,形成硬件重构;而系统软件根据硬件模块的组装情况进行软件自重构,从而使排爆机器人具备完成不同任务的能力。排爆机器人的这种软硬件架构设计模式使得机器人在实际工作中表现出高效性、鲁棒性和自适应性。     

神经网络在智能火灾预警系统的应用

提出了综合利用多种传感器准确判断火焰状态的算法.在神经网络算法下,根据一氧化碳传感器、烟雾传感器和温度传感器数据,对火焰状态进行分类.使用有限内存的拟牛顿(L-BFGS)优化算法对传统反向传播(BP)算法进行改进,加快了神经网络的收敛过程,有效提高了系统精度.实验验证了算法能够有效降低火灾预警系统的误报率,增强系统安全报警的灵敏度和可靠性,实现了实时有效的火灾预警.     

差速驱动AGV时变反步鲁棒自适应轨迹跟踪控制

为确保差速驱动AGV在不确定性干扰以及复杂环境下，能够进行移动、搬运等任务，同时保证运动精度及稳定性，提出了一种时变反步鲁棒自适应轨迹跟踪控制策略，用于解决差速驱动AGV的轨迹跟踪控制问题。首先，对差速驱动AGV进行数学描述，对其运动学和动力学分析建模；其次，根据运动学模型，基于李雅普诺夫稳定性理论，设计时变反步运动控制器作为外环控制器；然后，依据其非线性动力学模型设计鲁棒自适应滑膜控制器作为内环控制器；仿真实验结果表明，制定的控制策略有效，保证了对有界干扰以及模型参数不确定性的鲁棒性，并能快速达到稳定。     

基于Koopman算子的差速驱动AGV数据驱动控制

针对差速驱动AGV(automated guided vehicle)动力学的非线性、强耦合性、以及未建模问题导致无法建立精确模型进行轨迹跟踪控制任务，为此提出一种基于Koopman算子的数据驱动控制策略(koopman data-driven control, KDC)。首先，基于Koopman算子理论，利用扩展动态模态分解(EDMD)方法，得到了该AGV系统的近似高维线性动态显式表达式，即Koopman算子的近似表达。然后，基于导出的该高维线性Koopman动态表达式，设计线性模型预测控制器(MPC)实现AGV轨迹跟踪控制。最后，通过仿真测试对Koopman模型进行了对比验证，同时仿真实验验证轨迹跟踪效果，结果表明从数据中获取的模型信息精确，能高度拟合AGV的动力学模型，所设计的控制策略计算耗时少，在轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。