自重构机器人的结构特征和研究现状

对当前国内外现有的自重构机器人的体系结构特征进行了研究和分类，对各类自重构机器人系统研究内容和方向进行了分析和综述，总结了各类自重构机器人的本质特点和关键技术。     

基于边界搜索和集合分类的有限元网格自动生成

本文提出了一种新的有限元网格自动划分算法,这种方法是把密度可变的矩形网格样板叠加在需进行有限元网格划分的物体上,利用一种新的边界搜索方法来确定边界网格,再对边界网格与物体求交集,根据集合分类方法,对边界网格的交集进行分类,然后进行边界网格交集分解得到合法的有限元边界网格,内部网格和分解后的合法边界网格即构成全部有限元网格。这种方法已用C语言在Vax—Ⅰ计算机上实现,文中给出了若干2D和3D网格自动划分的实例。     

基于数据间内在关联性的自适应模糊聚类模型

提出了一种新的模糊聚类模型(Fuzzy C-means clustering model, FCM), 称为自适应模糊聚类(Adaptive FCM, AFCM). 和现有的大多数模糊聚类方法不同的是, AFCM考虑了数据集中全体数据的内在关联性, 模型中引入了自适应度向量W和自适应指数p. 其中, W在迭代过程中是自适应的, p是一个给定参数. W和p共同作用调控聚类过程. AFCM同时输出三组参数: 模糊隶属度集U, 自适应度向量W, 以及聚类原型集V. 本文给出了两组数据实验验证AFCM的性能. 第1组实验验证AFCM的聚类性能, 以FCM为比较对象. 实验表明 AFCM可以得到更好的聚类质量, 而且通过合理选择自适应指数p, AFCM和FCM在时间复杂性上保持同一水平. 第2组实验检验了AFCM的离群点挖掘性能, 以目前常用的基于密度的LOF为比较对象. 实验表明AFCM算法具有极大的计算效率优势, 且AFCM得到的离群点是全局的, 反映的是离群点和整个数据集的关系, 离群点涵盖的信息也更丰富. 文章指出, AFCM在挖掘大数据集和实时数据中的离群点应用方面, 以及获得高质量的聚类结果的应用方面, 特别在聚类的同时需要挖掘离群点的应用方面具有独特的优势.     

六轮车扭矩加载系统的应用程序框架研究

为了对六轮车扭矩加载这一复杂系统进行有效控制,开发了一种基于LabVIEW的应用程序框架,实现了六轮车扭矩加载测试任务.针对扭矩加载系统人机交互和多任务并行的特点和要求,整合Lab-VIEW事件驱动状态机、并行循环设计模式的优点,设计开发了复合式的应用程序框架,并通过实际加载测试对程序框架的性能进行了验证.结果表明,所开发的应用程序框架相比单一的设计模式具有响应迅速、灵活高效的优点.     

PCB贴装中供料器分配问题的动态规划改进算法

供料器分配问题是贴片机工艺优化问题中的一个关键问题,直接影响PCB贴装效率的高低;针对多头拱架型贴片机,首先根据取贴循环数,把问题分解为相互联系的子问题,然后针对每个取贴循环分别建立动态规划模型,并为了提高多阶段决策动态规划问题的搜索效率,提出了一种动态规划改进算法;当所有的子问题都获得解决后,整个供料器分配问题就获得解决;实验证明,所提算法能有效提高贴片机贴片效率,减少贴片时间。     

基于模块智能的自重构机器人描述模型

自重构机器人拓扑结构的描述模型是建立自重构机器人系统和设计变形规划算法的基础。本文提出一种有序定点图及其关联矩阵作为描述模型 ,通过各个模块的局部感知信息来表达全局拓扑 ,可以有效表达整体系统中模块的位置关系、连接关系和失效模块的信息。本文建立描述模型的方法可以应用于各类同构模块化机器人系统     

面向装配特征的CAD系统建模的信息模型

本文通过对ＣＡＤ系统建模技术的研究，提出了一种面向装配特征的ＣＡＤ系统建模的信息模型。这一信息模型可方便地采用面向对象的方法在计算机中描述与表达。     

一种桥式拓扑结构下MOSFET高速驱动电路

针对桥式拓扑中MOSFET因栅极驱动信号振荡产生的桥臂直通问题,分析了振荡与驱动电路各参数之间的关系,并设计了一种驱动电路。该电路结构简单、工作频率高、延迟时间小、抗干扰能力强,因而非常适用于高频感应加热电源。理论分析和实验结果表明,经过改进的驱动电路解决了驱动信号振荡问题,从而保证了MOSFET在高速应用场合的可靠运行。所设计的电路已应用于530kHz/2.5kW感应加热电源,实验波形证明了其合理性和有效性。     

先进IC封装工艺设备及关键技术

本文综述了封装工艺发展历程及趋势，对后封装设备以及设备制造核心关键技术进行了分析。     

视觉多功能贴片机中的图像处理算法研究

该文介绍了在SMT技术中对芯片的计算机图像处理及识别的设计思想和实现方法。采用有选择的局部平均化对芯片图像进行平滑处理,并分别用四邻、八邻和二阶巴特沃斯高通滤波器对芯片图像进行增强,实验结果说明该研究对芯片处理是有效的和实用的。