考虑气象变化的光伏发电模型评估及研究

该文提出一种基于数据分析的发电模型评估方法,用于研究光伏发电模型输入,该方法主要由3 个步骤组成。首先,将基于信号分析的特征提取技术和基于专家知识的特征工程技术相结合扩展数据集,并进行异常值检测清除离群样本。其次对数据集进行相关性分析讨论输入数据的合理性。最后通过人工神经网络对该数据集进行建模,并把主成分分析引入模型训练中,分析模型在晴天、雨天、多云3 种不同气象条件下的表现。采用该方法对小型实验平台获取的气象数据与设备运行数据进行分析。实验表明,构造数据集比原始数据集训练的模型计算结果更精确,而引入主成分分析的模型计算效率更高。     

一种永磁同步电机谐波抑制的工程化方法

提出了一种抑制永磁同步电机电流谐波的工程化方法。对相电流谐波进行坐标变换和低通滤波,提取出其中5次、7次谐波的直流分量,求解高次谐波稳态电压方程,再通过坐标反变换计算出电压谐波补偿量,最后注入PARK逆变换输出电压中作为SVPWM计算单元输入,可以抑制相电流中的5次、7次谐波。试验结果证明所提工程化方法是可行和有效的。     

基于本体的模具设计知识管理系统的研究

针对我国模具制造业的现状及其对知识管理的需求,提出了构建基于本体技术和语义网的模具设计知识管理系统.通过对系统的4个基本功能模块及其关系的分析,建立了模具设计知识管理系统的运行模型,并基于对模具领域设计知识本体的描述,奠定了相关的模具知识量化处理的计算基础.从而使系统实现了模具设计知识库的管理、设计知识的查询和搜索、知识的重用和过程记录以及过程记录中的知识处理等功能.通过对基于本体的模具设计知识管理系统的研究开发和应用,将为我国模具制造企业实现信息化、知识管理以及进一步提高竞争力提供切实可行的途径.     

一种减轻纯电动中巴前悬轮胎磨损的优化方法

纯电动中巴悬架系统通常以传统中巴悬架为设计基础,但由于其质量及外形结构的变化,易产生轮胎磨损严重等问题.以某纯电动中巴的双横臂前悬架为对象,以减轻轮胎磨损为目标,对其硬点作灵敏度分析,辨识影响悬架性能的关键参数.采用RBF构造响应面,通过遗传算法寻优,对悬架的外倾角、前束角及轮心侧向位移量进行多目标综合优化.结果表明,悬架性能获得显著提升,有效减轻轮胎磨损.     

基于点云配准的曲面三维差异检测

在工件打磨任务中,实测数据与标准模型数据之间的差异性比较是实现机器人自动化打磨的关键研究问题之一.针对如何快速精确地提取陶瓷素胚工件曲面的三维差异数据问题,设计了一种曲面配准流程.首先,针对点云的粗对齐步骤,采用体素网格滤波进行下采样,采用了Hough投票法进行粗配准,将粗配准步骤运行时间控制在0.3 s以内.其次,针...     

基于角点的双目视觉绝对定位研究

针对于双目视觉中立体匹配难,获取视差不准确,提出利用亚像素特征角点进行立体匹配,利用张氏标定法先进行单目标定,再进行双目标定,对输入图片进行校正,人工选择特征点点对进行立体匹配得到视差,利用三角测量法,通过视差与重投影矩阵,得到单个空间点的三维坐标,将其转换到跟踪仪坐标系与跟踪仪测量反射球的空间坐标进行比较,利用视觉系统测量特征点的不同位置的三维坐标继而得到空间距离,将其与跟踪仪测量反射球移动得到的距离进行比较。实验结果表明在视野为1 m×1 m×1.5 m的范围内每个特征点空间坐标定位精度在3 mm以下,距离测量精度在0.5 mm以下,相对误差最小能达到0.2%。在特征点提取准确的情况下,运算量少,效率高,能达到较高的测量精度。     

基于变量驱动的GBOM产品族模型建立方法

大规模定制环境下,为建立一个高效、低冗余、易配置的产品族结构模型和相应的配置方法并且保证配置方案的可实现性,根据产品族的特点,以通用物料清单（GBOM）作为产品族的知识表示方法,提出了一种基于变量驱动的GBOM产品族模型的建立方法,并给出了形式化表示;通过使用统一建模语言（UML）语言实现了产品族模型的结构化设计;最后,给出了微波炉的配置实例。研究结果表明,该方法为实现产品族配置系统提供了理论基础。     

组合预测在分销系统辅助决策中的应用

针对分销系统的辅助决策功能,提出基于灰度预测和布朗线性指数平滑法的组合预测,利用其分析历史数据,预测未来发展趋势.考虑到DRP系统存在的安全隐患及与后端系统的整合,提出双重认证和两层集成的解决方案.该方案较好地发挥了DRP对企业辅助决策和流程优化等方面的作用,证明了研究内容的有效性.     

基于关键链的模具多项目资源冲突消解的改进方法

针对模具多项目中的共享关键资源冲突,将关键链方法引入模具多项目资源优化中,通过关键链方法制定模具项目计划,建立了基于规则、约束和事例的混合消解策略模型,以解决模具制造过程中出现的资源冲突,最后通过实例验证了算法的实用性和可行性。     

混合稀疏迭代最近点配准

为了避免离群值的影响,提出了混合稀疏迭代最近点（SM-ICP）方法,以实现点云精确配准。本文对稀疏表示、正则化求解和点云配准方法进行了研究。首先,利用混合正则项表示配准残差,构建混合稀疏配准函数。然后,结合交替乘子法（ADMM）构建了所提出函数的双循环优化框架。其中,混合正则项的平衡权重θ可由Sigmoid函数求解;此外,还给出了ADMM优化框架内循环中对应损失函数的标量形式。最后,推导了该标量化损失函数在点云配准中的软阈值表达式。实验结果表明,所提出SM-ICP算法的配准精度优于所对比的算法。特别的,在重叠率约为50%的斯坦福兔子配准实验中,SM-ICP算法的截断配准误差为2.04×10^-4,较RobustTrimmed-ICP（Tr-ICP）算法和ICP算法的配准误差减小了一个量级,且较稀疏ICP（S-ICP）算法减小了约三倍;在其它对象、场景类型的点云配准实验中,SM-ICP算法的配准精度同样较其它对比算法更优;在具有不同层级随机噪声点云的配准实验中,SM-ICP的截断配准误差为4.90×10^-6~1.33×10^-4,同样较其它对比算法减小了一个量级或几倍;在发动机叶片配准实验中,本文方法成功实现了点云精确配准,而其它对比算法的配准结果中存在不同程度的点云错位情况。所提出的点云配准方法具有精确、鲁棒性和泛化性等优势。