智能制造能力成熟度模型研究

主要介绍了智能制造发展现状以及国内外针对智能制造能力评价的相关研究,同时介绍了智能制造能力成熟度模型在相关行业应用研究情况.分析了我国智能制造能力成熟度模型的优缺点,并结合精益智能制造理论提出了一种三阶智能制造能力成熟度模型,便于从不同阶段、维度对企业进行等级评定.     

智能制造系统的6R工业机器人仿真和监控平台

为了提高工业机器人的交互性,进行了构建具有三维可视化环境的人机交互系统研究。本文以6R机器人为对象建立了机器人运动学模型,利用矢量积方法推导了雅克比矩阵,为仿真和监控数据的可视化奠定了基础。给出了可视化环境的实现方案,设计了编译控制指令和仿真的算法流程,并以JOpen Show Var作为网络通信开发包设计了监控的通信结构。开发实现了机器人的仿真和监控系统,并进行了实验验证。实验结果表明该系统具有形象直观的人机交互环境,而且具有良好的监控实时性。     

一种新的改进GM（1,1）模型及其应用

通过对传统GM（1,1）模型的分析,针对影响预测精度的因素之一提出了一种改进的GM（1,1）模型,并将该新模型用于预测2010到2015年的道路乘客交通量.最后,通过试验结果可知新模型比传统GM（1,1）模型预测结果在预测精度上有了很大的提高,表明了该方法的有效性.     

事件触发机制下无模型多智能体系统的分布式优化（英文）

研究了一类一般非线性无模型多智能体系统的分布式优化问题。每个智能体的动态模型是未知的,只能获得输入和输出数据的信息。首先,通过采用无模型自适应控制方法,将原来未知的非线性系统等效转化为动态线性化模型。然后,为保证所有智能体输出的一致性误差收敛,提出一种基于事件触发机制的一致性控制方案。其次,引入分布式梯度下降法,提出一种新的事件触发无模型自适应分布式优化算法。根据李亚普诺夫稳定性理论,给出闭环系统达到一致性和最优性的充分条件。最后,通过仿真实验验证算法设计方案的有效性。     

一种基于检测和补偿的多智能体系统弹性平均一致性方法（英文）

一致性是多智能体系统分布式协同控制的基础技术之一,例如智能制造中的多智能体协同控制。本文研究了具有行为不当节点的多智能体系统的弹性平均一致性问题。为保护一致性的收敛值免受不当行为节点的影响,本文通过检测不当行为、减轻相应不利影响并实现弹性平均一致性来解决此问题。本文考虑一般化的不当行为,包括恶意攻击、意外故障和链路故障。基于两跳通信信息,以分布式方式描述行为不当节点的不利影响,并面向确定性系统提出一种基于检测与补偿的一致性算法（D-DCC算法）,且该算法具有衰减容错错误界限。考虑到由于链路随机故障而导致信息集间歇性失效的场景,我们面向随机性系统提出一种基于检测补偿的一致性算法（S-DCC算法）。本文证明了D-DCC和S-DCC算法分别使得节点在统计意义上渐进地实现弹性准确平均一致性和无偏弹性平均一致性。紧接着,本文引入沃瑟斯坦距离来分析S-DCC的准确性。最后,进行大量仿真来验证所提算法的有效性。     

TendiffPure：一种用于纯化的卷积张量链去噪扩散模型（英文）

扩散模型是有效的纯化方法,在现有分类器执行分类任务之前,使用生成方法去除噪声或对抗性攻击。然而,扩散模型的效率仍然是一个问题,现有的解决方案基于知识蒸馏,由于生成步骤较少,可能会危及生成质量。因此,我们提出TendiffPure,一种用于纯化的张量化和压缩的扩散模型。与知识蒸馏方法不同,我们直接使用张量链分解压缩扩散模型的U-Net骨干网络,减少参数数量,并在多维数据(如图像)中捕获更多的空间信息。空间复杂度从O(N²)减少到O(NR²),其中R≤4为张量序列秩,N为通道数。实验结果表明,基于CIFAR-10、Fashion-MNIST和MNIST数据集,TendiffPure可以更有效地生成高质量的净化结果,并在两种噪声和一次对抗性攻击下优于基线纯化方法。     

基于人类驾驶员在跟车高风险情景中的经验轨迹数据优化智能网联车辆纵向控制模型参数（英文）

智能网联车辆(CAV)具有提高驾驶安全性的巨大潜力,CAV的基本性能评估准则之一是其能否在真实的交通情景中比人类驾驶员更安全地行驶。本研究提出了一种基于人类驾驶员在跟车高风险情景中的经验轨迹数据来优化CAV纵向控制模型参数的方法。首先,从经验轨迹数据中提取初始跟车车组(I-CFP)。然后,基于模型默认参数值,采用自适应巡航控制模型(ACC)和协同自适应巡航控制模型(CACC)进行仿真,生成模拟跟车车组(S-CFP)的原始轨迹。最后,应用遗传算法来优化ACC和CACC模型的控制参数,并生成优化后的跟车车组(O-CFP)轨迹。结果表明,S-CFP的安全性优于I-CFP,而O-CFP具有最佳的安全性能。ACC/CACC模型中的优化参数多样且与默认参数不同,表明最佳模型参数会随跟车情景不同而变化,进而为减少追尾碰撞风险提供了有价值的视角。     

一种满足末端姿态约束的工业机械臂分布式变密度路径搜索与简化方法（英文）

在许多机器人操作场景中,末端执行器的运动姿态约束是机器人完成焊接、喷涂、搬运、码垛等常见任务必不可少的。同时,姿态约束下的路径规划过程中涉及到逆运动学、碰撞检测和空间搜索等关键问题,在实际应用中难以兼顾令人满意的效率和约束效果。针对这些问题,提出一种带末端约束的工业机器人分布式变密度路径规划方法（DVDP-AC）。首先,针对运动学逆解提出位置–姿态约束重构（PACR）方法。然后,设计了具有单步安全球（SSS）的分布式有向距离场（DSDF）模型,以提高碰撞检测的效率。在此基础上,在笛卡尔空间中采用变密度路径搜索方法,并进一步提出一种考虑路径可达性的前向路径简化方法（FSPS）,以自适应地快速消除冗余的路径点。最后,实验结果验证了所提出的DVDP-AC方法在末端执行器姿态约束下的性能和有效性,并与目前主流路径规划方法进行比较,说明了该方法的特点和优势。