壳聚糖/埃洛石复合吸附剂的制备与吸附性能

将埃洛石分散于壳聚糖的溶液中,利用戊二醛进行交联,制备埃洛石/壳聚糖复合吸附剂,通过红外光谱仪对复合吸附剂进行结构表征分析,进一步研究复合吸附剂对Cr(Ⅵ)离子的吸附性能,通过单因素条件的变化研究了Cr(Ⅵ)离子浓度、吸附剂用量、吸附时间、吸附温度、p H值对复合吸附剂吸附性能的影响,表明复合吸附剂对Cr(Ⅵ)离子的吸附性能比单一组分的埃洛石更加优越。     

考虑扰动与输入饱和的机械臂连续非奇异快速终端滑模控制

针对机械臂控制过程中由于扰动与输入饱和造成的控制精度低的问题,提出一种连续非奇异快速终端滑模控制算法.首先,针对输入饱和问题,设计饱和补偿系统以消除输入饱和特性;其次,为避免滑模控制的抖振问题,设计二阶模型不确定与扰动估计器(UDE)对扰动项进行估计;同时,为进一步提高控制精度,采用自适应方法对扰动估计误差进行控制;在此基础上,设计基于二阶模型不确定与扰动估计器及输入饱和补偿的自适应连续非奇异快速终端滑模控制算法,并采用Lyapunov函数证明该算法的有限时间收敛特性;最后,以3自由度并联机械臂为控制对象进行仿真,并开展算法对比研究.仿真结果表明,该方法可以实现考虑扰动与输入饱和时的机械臂高精度有限时间轨迹跟踪控制.     

协作机械臂碰撞环境下的安全控制

针对人机协作过程中机械臂末端与操作者之间可能存在物理碰撞的问题,本文提出一种基于自适应导纳和滑模控制的机械臂安全控制方法.首先,采用基于广义动量的干扰观测器估计机械臂各关节和末端执行器上的干扰力.然后,设计一个双环控制结构,内环是基于干扰观测的双幂次趋近律滑模轨迹跟踪控制器,用以克服外界干扰的影响,达到期望的轨迹跟踪精度;外环是自适应导纳控制器,依据碰撞外力的大小和方向更新期望轨迹,以保证机械臂碰撞发生时的柔顺性和碰撞解除后迅速恢复工作状态的能力.最后,对所提算法进行仿真和实验验证.实验结果表明,协作机械臂碰撞环境下的安全控制算法能保证人机协作的安全性和机械臂工作的连续性,满足人机协作过程中的工作需求.     

采用积分流形与观测器的并联机器人轨迹控制

针对含柔性杆件并联机器人在高速运行时其末端存在弹性位移问题,以3RRR并联机器人为研究对象,提出一种基于积分流形与高增益观测器的柔性并联机器人轨迹跟踪复合控制算法.基于刚度矩阵引入小参数,将刚柔耦合动力学模型转为慢速与快速两个子系统.针对慢速子系统,采用反演控制,实现对末端刚体运动的跟踪控制,同时为避免杆件弹性变形与振动组成的弹性位移对机器人末端轨迹的影响,推导校正力矩,实现对弹性位移的补偿.针对快速子系统,采用滑模变结构控制,保证流形成立.为避免对曲率变化率的直接测量,引入高增益观测器对其进行估计.采用Lyapunov稳定性原理证明系统整体稳定性,并给出小参数上界.对提出的复合控制算法与奇异摄动及基于刚体动力学的反演控制算法进行仿真,从机器人末端振动抑制与轨迹跟踪性能两方面进行对比,验证了本文所提算法的控制效果.     

考虑输出约束的冗余驱动绳索并联机器人预设性能控制

提出一种考虑输出约束的冗余驱动绳索并联机器人(Redundantly-actuated cable driving parallel robots, RCDPRs)预设性能有限时间控制算法. 首先, 采用Newton-Euler方程推导系统动力学模型, 并建立绳索拉力优化模型保证系统正常工作; 其次, 将输出约束问题转化为位置跟踪误差的坐标变换问题, 设计给定时间衰减函数与非对称变换函数, 将约束形式的跟踪误差转化为无约束变量, 实现给定时间的输出约束; 然后, 针对滑模控制的抖振问题, 在预设性能控制中采用模型不确定与扰动估计器进行扰动估计, 并通过自适应方法对扰动估计误差进行补偿; 以此为基础, 提出一种基于精度驱动且在分段点处三阶连续的终端滑模面进行控制算法设计; 最后, 采用Lyapunov函数证明算法的有限时间收敛特性, 并以7自由度冗余驱动绳索并联机器人为控制对象进行仿真研究, 对算法进行验证.     

催化合成乙酸异丁酯的动力学初探

在间歇反应釜中,以A-36阳离子交换树脂作催化剂,考察了搅拌速率、催化剂粒径、浓度、酸醇比和反应温度对乙酸异丁酯合成的影响。     

紫外辐射接枝制备pH敏感膜的工艺条件探索

近十年来,人们开始关注开发对外界环境条件变化具有敏感反应与自我调节的功能膜。在检测、分离、纯化、药物释放和传感器等领域迫切需要一种对某种特定物质的渗透通量或截留效果可随pH的改变而发生变化的膜。文章主要介绍了环境敏感膜(EMR)的研究现状、pH敏感膜的研究进展以及高聚物的辐射接枝方法和原理,总结了辐射接枝的特色与创新之处。     

基于自适应多尺度图卷积网络的多标签图像识别

利用一阶谱图卷积探索类别标签间关系是目前多标签图像识别常用的手段,但是,较多的图卷积层数易出现过度平滑现象,使得该方法存在局限性.为此,提出一种基于自适应多尺度图卷积网络的多标签图像识别方法,主要思路为:采用块Krylov子空间形式的谱图卷积来挖掘类别标签间的相关性,在每个图卷积层中拼接多尺度信息并扩展到深层结构,并在自适应标签关系图模块所构建的关系图上学习分类器,从而更加有效地进行多标签图像识别.通过两个公开数据集PASCAL VOC 2007和MS-COCO 2014上的实验结果验证了所提出方法的有效性.