算力网络中高效算力资源度量方法

随着新型网络业务的不断发展和对算力需求的不断提高，算力网络技术逐渐走进人们的视野并不断发展壮大.而算力度量，作为度量各类算力平台中计算和存储能力的方法，在算力网络业务感知和算力资源高效调度中扮演着重要的角色.目前算力度量的研究尚处于起步阶段，已有的度量方法相对单一，只考虑了部分静态或动态指标，难以保证算力资源利用率和算力资源匹配准确率.设计了一种先静后动的混合式度量方法 (hybrid metric method, HMM)，该方法结合静态和动态指标来度量算力资源，考虑了算力节点的基础性能及其动态工作状态的变化，并且在静动态的度量指标的选取上也进行了全面的考量.通过实验和数据分析证明，所提度量方法 HMM能有效提升算力资源利用率和算力资源匹配准确率.     

永磁同步直线电机定位力测试实验研究

为满足平板式三相交流永磁同步直线电动机(PMLSM)推力平稳性要求,利用有限元方法分析端部力和齿槽力的形成原因和波动规律,介绍了一种全行程往复运动双向测量的直线电机定位力的方法,可以克服摩擦力的影响,并在样机上实验完成。测试中利用高性能数字信号处理器TMS320F2812DSP采集力传感器和光栅信号,能较准确、快速地计算出对应位置上的定位力,误差稳定在3 N以内。实验结果与理论分析基本一致,为高性能直线电机伺服控制器的改进设计提供了客观数据。     

四相敏感元件测量三轴力的传感方法研究

三轴力传感器技术正在成为近年来的研究热点。研究一种利用四相敏感元件来测量三轴力的传感方法,并为三轴力的计算找到了一个通用的计算模型。通过对几种典型的基于力信号、电信号和光信号原理的三轴力传感器的实验结果进行分析,验证了利用四相敏感元件测量三轴力的可行性和可靠性。期望该方法能够对其他三轴力传感器的设计提供有益的帮助。     

Stewart并联机器人力敏感性分析及实验验证

研究了Stewart并联机器人的人机交互安全性问题．首先建立机器人的静力学方程,提取关节力敏感度和关节力敏感方向指标,度量关节力对操作力的感知敏感性．采用解析法和数值法结合的方法求算关节全局力敏感度．接着分析关节力敏感度在笛卡儿工作空间和位姿工作空间中的分布,以及构型参数对关节全局和局部力敏感度的影响．然后通过限制工作空间和调节末端执行器在工作过程中的位姿,在设计阶段合理选取构型参数,改善关节力敏感度的方法提高人机交互安全性．最后通过实验测试证明了,关节力敏感度能有效度量关节对交互力的敏感性,末端执行器的位置和姿态能直接改变关节力敏感度．     

附加力外环的机器人力／位置自适应模糊控制

提出一种由神经网络训练模糊控制规则的自适应模糊控制器,并应用附加力外环的机器人力／位置控制。在不改变一般工业机器人原有位置控制的前提下,实现力／位置自适应模糊控制。实验结果表明,该方法可使机器人控制系统对工作环境接触刚度的自适应能力得到显著改善。     

无力传感器的机械手爪力控制研究

针对当前基于被动力控制机械手爪的结构复杂问题,以及基于力传感器主动力控制机械手爪的安装局限问题,提出了一种无力传感器的机械手爪力控制方法。运用闭链结构机械手爪的静力学二元性概念计算驱动关节力矩。基于广义动量,设计驱动关节干扰力矩观测器估计干扰力矩。利用虚位移原理,建立驱动关节干扰力矩和夹持力的关系,通过仿真验证了估计夹持力的正确性;控制仿真采用速度和力控制切换的方式,实现了低振荡且仅仅一次碰撞的无力传感器的机械手爪力控制。     

深度神经网络轧制力建模及其并行优化研究北大核心CSCD

冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础。为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法。对含有不同隐含层数和节点数的神经网络,采用不同训练算法(SCG算法和L-M算法)与不同优化方法(多线程CPU、单GPU和多线程CPU+GPU),研究了神经网络结构、训练算法和优化方法对神经网络轧制力模型的性能、训练时长、线性相关系数的影响。研究结果表明:含有2个隐含层、采用L-M算法和多线程CPU优化方法可获得综合性能最优的神经网络轧制力模型;神经网络轧制力模型的计算误差远小于在线使用的Siemens轧制力模型的计算误差。     

基于因子分析的部队人员胜任力评价研究

研究了官兵胜任力理论与因子分析方法,分析了岗位胜任力的相关概念和构成要素,给出了胜任力评价体系的构建方法和实施步骤。最后,通过模拟行为事件访谈法、问卷调查法、小组讨论法等方法获取基本数据,使用SPSS软件对数据进行了统计分析,得出了部队人员的胜任力模型,并且验证了数据的信度。     

基于阻抗控制的自适应力跟踪方法

本文针对阻抗控制不能精确控制力的缺陷,提出了一种自适应的力跟踪策略．它根 据力误差在线修正参考位置,使机械手的实际接触力跟踪期望力．这种方法对补偿误差、干 扰和环境知识等不确定因素具有鲁棒性,而且计算量小,符合实时控制的要求．实验研究证 明了该方法的有效性．     

基于神经网络的机械臂的力控制方法

本文提出一种基于神经网络的力控制方法，由两个串联的神经网络构成机械臂的力控制器，其中一个网络用来学习机械臂本身的逆动力学系统，而另一网络用来学习未知的被接触环境的动力学特征，这种方法避免了困难的接触环境建模问题。一个 双连杆机械臂的力控制的仿真实验描述了种种方法的有效性。