可重构钢管除锈机虚拟样机设计及仿真

模块化可重构钢管除锈机是一种功能齐全的集自动接送料机构、钢管内外表面除锈、外表面喷漆、外表面橡胶带缠绕、烘干以及堆垛打包机构于一体的设备。论文首先对可重构虚拟样机技术在国内外研究和发展的状况及其相关的理论和特点进行了介绍,进而说明了使用可重构虚拟样机技术的情况。随后结合实际论述了开发研制钢管除锈设备的必要性和其广泛的市场前景,进行了钢管除锈机设计方案的选择及论证,并介绍了钢管除锈机可重构的加工工艺流程,在此基础上对钢管除锈机的主要单元及零部件进行了设计、实体建模。最后运用数字化虚拟样机的仿真技术对钢管除锈机进行了机构和运动学分析。     

一种圆柱坐标测量仪控制系统的设计与实现

圆柱坐标测量仪具有结构简单、测量范围大、适合于测量圆弧类零件的特点,本文针对航空型材弯曲类钣金零件成形精度测量,设计开发了一种圆柱坐标测量仪,对其控制系统软硬件的体系结构和功能进行了研究.采用计算机扩展卡的方式开发了其控制系统硬件,采用多线程技术,利用VC开发了控制系统软件,并利用Matlab和VC混合编程技术开发了曲面重构模块.实验表明,其控制精度达到0.3mm,满足了钣金类零件测量的需求.     

基于逆向技术的奶勺模具设计与制造

以奶勺模具设计与制造为例,阐述了逆向工程的概念与特点,提出了模具逆向设计系统的架构,分析了其在模具设计中的应用技术,研究了基于Pro/Engineer开发的模具设计流程,对数据采集,曲面重构等关键问题做了详细分析.利用这种反求技术实现奶勺模具的设计与制造,可以大大缩短研发,制造周期,提高企业竞争力.     

数控加工自动编程数据的重构

用Autolisp编程，完成了加工路线的选取以及数据在DXF文件中的重构，提高了数控自动编程的自动化程度。     

风能转换系统执行器故障主动容错控制

提出了一种新颖的风能转换系统滑模主动容错控制策略.针对风能转换系统执行器故障,运用预测控制思想和迭代算法,设计了一种故障观测器.在设定的优化时域长度内,利用实际系统与故障观测器的输出差值,通过反复迭代运算,不断地对虚拟故障信号进行调整,使其能有效地拟合实际系统执行器故障,并根据故障观测值实时调整滑模容错控制器结构.未发生故障时,故障观测值为零,系统在滑模控制器控制下稳定运行;执行器发生故障时,运用故障观测值实时调整滑模容错控制项,并用双曲正切函数代替符号函数,消除抖动.仿真实验结果表明,滑模容错控制器下的系统具有良好的容错能力,提高了风能转换系统最大风能捕获效率.     

基于压缩感知理论的图像信号含噪的重构算法

针对含噪情形下机器人视觉图像信号重构问题,提出了一种基于小波变换的变步长自适应分块压缩感知重构算法.首先,对含噪图像信号进行离散小波变换,从而达到很好的去相关性;其次,对变换后的图像信号进行分块,对每个图像子块信号进行测量;接着,对每个子块测量信号进行变步长自适应匹配追踪重构计算,得到每一图像子块的重构值,并将其整合得到整幅图像的重构值;最后,对该算法进行了仿真研究.结果表明,相比传统重构算法,本文方法针对含噪图像具有更高的重构质量.     

分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明,通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上,提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像,利用回溯过程实现支撑集的自适应筛选,最终实现图像信号的精确重构。实验结果表明,在相同测试条件下,该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

针对未知稀疏信号的压缩自相关检测算法

针对未知的宽频带稀疏信号检测问题,提出了一种直接基于非重构采样值 的压缩自相关检测算法。首先利用压缩感知技术以远低于奈奎斯特采样速率获取信号,在自 相关矩阵检测信号理论的基础上,利用压缩感知中传感矩阵的严格等距特性,推导出基于统 计分布的信号稀疏系数自相关检测算法,从理论上给出了判决门限的选取和虚警概率之间的 关系,并进行了算法复杂度分析。由于无需重构原始信号,该算法直接利用少量的压缩测量 值进行检测,可以有效地提高检测过程的时效性。仿真表明在较低的信噪比时,该算法对未 知信号仍有良好的检测性能。     

相似遮挡区域碎片重构的鲁棒人脸识别算法

基于压缩感知技术,提出了一种面向遮挡的人脸识别算法。首先,将图像分成各个局部小块,并构建相似遮挡区域;然后,重构图像碎片,从而检测遮挡区域;最后,利用非遮挡区域获取遮挡截面,投票机制完成人脸识别。实验结果显示,其算法在AR和LFW人脸库上的最高识别率分别可高达99.8%和83.8%,优于其他几种遮挡人脸识别算法,此外,该算法对不同遮挡级别的人脸具有较好的鲁棒性。     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。