欠驱动机器人动力学运动规划的动态子空间法及控制

欠驱动机器人的关节空间运动是通过主、被动关节间的动力学耦合实现的,系统运动可能发生动力学耦合奇异,使欠驱动机器人的动态操作性能严重降低。针对一般具有任意多个被动关节的开链欠驱动机器人系统,基于动力学分析提出一种优化控制方法,其核心是在欠驱动机器人的全部耦合运动空间中,根据动力学耦合操作性度量,动态构造有限个覆盖全部耦合运动空间的具有最佳耦合度的子空间,使发生在这些子空间中的耦合运动具有余度驱动的特点,从而实现提高欠驱动机器人的动力学耦合度的优化控制。提出的方法通过平面四连杆机器人进行仿真,仿真结果证明了这种方法是可行的。     

基于组合神经网络的柴油机振动信号预测

根据柴油机振动信号的特性，使其在相空间里重构，再应用组合神经网络，对柴油机振动信号进行拟合和预测。该组合神经网络是一个两级系统，第一级有两个神经网络的预报——一个多目标前馈网络和一个函数耦合神经网络，用模糊反向传播算法进行训练；第二级是由第一级产生的两个预测结果混合得到的组合模型，采用Karmarkar的线性规划算法进行训练。实际应用证明了该方法的有效性。     

基于人工神经网络的结构零件可靠度仿真方法

提出结构零件可靠度计算的人工神经网络－蒙特卡罗仿真算法,针对结构零件可行度计算问题,利用有限元计算方法,得到一组结构输入基本变量及输出响应数据,采用人工神经网络后向传播ＢＰ模型,建立结构的输入－输出关系,在该模型上,用Ｍｏｎｔｅ Ｃａｒｌｏ方法进行结构零件可靠度仿真计算。算例表明,该方法正确可行。     

NOISE IDENTIFICATION FOR HYDRAULIC AXIAL PISTON PUMP BASED ON ARTIFICIAL NEURAL NETWORKS

The noise identification model of the neural networks is established for the 63SCY14-1B hydraulic axial piston pump. Taking four kinds of different port plates as instances, the noise identification is successfully carried out for hydraulic axial piston pump based on experiments with the MATLAB and the toolbox of neural networks. The operating pressure, the flow rate of hydraulic axial piston pump, the temperature of hydraulic oil, and bulk modulus of hydraulic oil are the main parameters having influences on the noise of hydraulic axial piston pump. These four parameters are used as inputs of neural networks, and experimental data of the noise are used as outputs of neural networks. Error of noise identification is less than 1% after the neural networks have been trained. The results show that the noise identification of hydraulic axial piston pump is feasible and reliable by using artificial neural networks. The method of noise identification with neural networks is also creative one of noise theoretical research for hydraulic axial piston pump.     

基于神经网络的机械结构系统优化问题的分解算法

基于前馈神经网络的权重分析，针对优化问题提出了一种分解算法，探讨了神经网络在桁架结构系统优化中的应用。实例分析表明此方法是可行和有效的。     

基于运动可优化度的冗余自由度机器人运动学实时控制研究

为解决冗余自由度机器人的运动学实时控制问题,给出了冗余自由度机器人运动学速度级的解析解。针对机器人系统振动及多性能指标融合控制,提出了“运动可优化度”的概念,并引入了运动可优化度函数。仿真和实践结果证明了这一新的控制方案的有效性。     

APPROACH TO FAULT ON-LINE DETECTION AND DIAGNOSIS BASED ON NEURAL NETWORKS FOR ROBOT IN FMS

ＡＰＰＲＯＡＣＨＴＯＦＡＵＬＴＯＮＬＩＮＥＤＥＴＥＣＴＩＯＮＡＮＤＤＩＡＧＮＯＳＩＳＢＡＳＥＤＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫＳＦＯＲＲＯＢＯＴＩＮＦＭＳＳｈｉＴｉａｎｙｕｎＺｈａｎｇＺｈｉｊｉｎｇＷａｎｇＸｉｎｙｉＺｈｕＸｉａｏｙａｎＳｃｈｏｏｌｏ...     

基于小波逼近的机械系统非完整运动规划数值方法

机械系统中的非完整约束通常是由不可积的速度约束或不可积的守恒律引起。由于非完整约束的存在,系统的运动控制和规划问题比一般的机械系统要困难得多。机械系统在动量和动量矩守恒且为零的情况下,系统动力学方程可降阶为非完整形式约束方程。基于这样的方程,将系统的控制问题转化为无漂移系统的非完整运动规划问题。针对带有非完整约束的机械系统,导出自由漂浮的空间机器人系统非完整运动模型。利用最优控制技术和小波分析方法,在控制输入中引入小波函数逼近,提出一种非完整机械系统运动规划数值方法。将该方法用于自由漂浮空间双臂机器人系统,仿真结果验证了方法的有效性。     

基于模糊神经网络进行尺寸加工精度智能监控的研究

提出了基于模糊多层感知器神经网络模型的尺寸加工精度在线智能监控新方法,它对于缺乏精确的数学描述或具有时滞、非线性等复杂实际对象,是一种行之有效的技术,并具有及时性和预报性好的特点。描述了多层感知器神经网络的工作原理,阐明了基于人的模糊经验规则实现工件尺寸精度智能监控的三层感知器控制模型和学习算法,并进行了试验仿真。结果表明：方法有效,具有应用前景。     

基于模糊神经网络的薄板不同指标裂纹诊断

将采用模糊神经网络的故障诊断技术和诊断模型,利用改进的BP算法对模糊神经网络进行训练,并利用训练好的网络,对悬臂薄铝板仿真裂纹进行了诊断。对悬臂薄铝板裂纹的诊断方法是:首先得到完好板结构和各种仿真裂纹板结构的振型和固有频率,在此基础上提取各种裂纹损伤情况下的五种裂纹诊断指标。将五种诊断指标分成三组,构成三个模糊神经网络,对模糊神经网络进行训练之后,利用训练好的网络对悬臂铝板裂纹进行了故障诊断,将裂纹的诊断结果与实际情况进行了比较,得到了不同诊断指标组合下,不同神经网络的诊断结果。并对不同组别裂纹诊断指标的诊断结果与实际裂纹情况进行了比较。     

基于有限元法和神经网络技术的汽车碰撞事故再现

为充分利用事故变形信息,提出采用有限元法和神经网络技术进行事故再现的方法.在该方法中,首先采用数字测量技术得到事故车辆变形关键点的测量值,采用有限元仿真技术得到此关键点的计算值.将事故发生前的车辆运动参数作为神经网络的输入数据,关键点变形量测量值与仿真计算值的偏差作为神经网络的输出数据,将汽车碰撞仿真结果作为网络训练样本,对训练完成的神经网络进行优化求解得到事故发生瞬间的车辆运动参数.应用此方法对一起车-障碍物碰撞事故案例进行再现分析,建立整车、障碍物及地面有限元模型,选取前纵梁及挡泥板上的11个定位孔与螺栓孔作为变形量测量的关键点,再现分析结果验证了该方法的有效性,为事故责任鉴定提供了科学依据.     

基于神经网络的球轴承剩余寿命预测

针对球轴承的剩余寿命预测问题,基于自组织映射(Self organizing map, SOM)和反向传播 (Back propagation, BP)两种神经网络,提出一套新的预测球轴承剩余寿命的方法体系。深入对比分析几种不同轴承衰退指标的优缺点,利用三套时间域衰退指标和三套频率域衰退指标,包括一套新设计的指标,训练自组织映射神经网络。将源自于SOM的最小量化误差(Minimum quantization error, MQE)作为新的衰退指标,建立一套轴承性能数据库。针对球轴承衰退期,训练一套BP神经网络,根据权值计算失效时间技术,成功开发一套剩余寿命预测模型。结果表明,该方案远优于业界常用的L10寿命估计。     

ON LINE MONITORING OF BURNING THROUGH FOR SHORT CIRCUIT CO2 ARC WELDING BASED ON THE SELF-ORGANIZE FEATURE MAP NEURAL NETWORKS

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｍｏｎｇｔｈｅｖａｒｉｅｔｙｏｆｆｕｓｉｏｎｗｅｌｄｉｎｇｐｒｏｃｅｓｓｅｓａｖａｉｌａｂｌｅ,ｓｈｏｒｔｃｉｒｃｕｉｔＣＯ2 ａｒｃｗｅｌｄｉｎｇｉｓａｔｅｃｈｎｏｌｏｇｙｗｈｉｃｈｉｓｏｎｅｏｆｔｈｅｍｏｓｔｆｒｅｑｕｅｎｔｌｙｕｓｅｄｍｅｔｈｏｄｉｎａｗｉｄｅｒａｎｇｅｏｆａｐｐｌｉｃａｔｉｏｎｓａｎｄａｌｓｏａｕｔｏｍａｔｉｏｎｂｅｃａｕｓｅｏｆｉｔｓｖｅｒｓａｔｉｌｉｔｙａｎｄｃｏｓｔｅｆｆｅｃｔｉｖｅｎｅｓｓ.Ｔｈｅｒｅｆｏｒｅ ,ｓｔｕｄｙｏｎｔｈｅｐｒｉｎ…     

基于神经网络的动反馈管道有源消声系统声学通道辨识

介绍了一种采用动反馈式扬声器的管道有源自适应噪声控制系统,系统中动反馈扬声器既作为有源消声系统的执行元件,也作为检测控制效果的声传感器。分析了系统中存在的各声学通道,并进行了基于自适应线性神经网络的辨识。该方法实现简便,对工作环境无干扰,各声学通道传递函数估计精度高。     

基于裂纹闭合解析模型和神经网络理论的疲劳裂纹扩展速率的计算

用裂纹闭合的解析模型作为计算模型,运用神经网络理论对其中的协调方程进行求解,给出了相应的神经网络的结构和参数;对２２１９Ｔ８５１铝合金板材的疲劳裂纹扩展速率的计算进行了数值模拟,与实测结果对比相差很小。计算时间为电路时常数数量级。     

基于证据加权调整方法的神经网络及其在故障诊断中的应用

提出一种基于加权思想的证据调整方法,解决证据融合理论中的不同证据应具有不同重要性的问题,并把这种方法和基于证据理论的神经网络相结合,形成加权证据网络。仿真结果表明这种网络有很突出性能。说明了这种方法的有效性,并讨论了在故障诊断中的应用。     

基于遗传神经网络的机器人腕力传感器动态建模与补偿方法

介绍用于MotomamV3X机器人上的新型多维腕力传感器,比较遗传算法与人工神经网络的特点,将遗传算法的交叉和变异操作进行改进,提出一种融合改进遗传算法(Genetic algorithm, GA)的函数连接型人工神经网络(Functional link artificial neural network, FLANN),并将其用于所介绍的新型机器人腕力传感器动态建模与动态性能补偿中。介绍动态建模与动态补偿原理及改进遗传神经网络算法,给出该传感器的动态模型和动态补偿模型。该方法利用腕力传感器的动态标定数据,采用改进遗传神经网络搜索和优化模型参数,保留了遗传算法的全局搜索能力和FLANN结构简单,鲁棒性好,且具备自学习能力的特点,克服了FLANN容易陷入局部极小的缺陷,具有快的网络训练速度及高的动态建模精度。理论分析和试验结果都证实了所提出的动态建模与动态补偿方法的有效性。