基于改进型精密整流电路的电容式微位移传感器设计

介绍了一种改进型精密整流电路,该电路基于一个模拟多路复用器,无需二极管和匹配电阻,克服了传统整流电路中的非线性问题。同时基于该精密整流电路设计了一种电容式微位移传感器。测试结果表明,在0～1.6mm的量程内,该电容式微位移传感器的非线性误差小于0.6‰,灵敏度约为4.3V/mm。     

发电机挡块组件有限元分析

为分析抽水蓄能发电机挡块组件的von Mises应力（以下简称应力）分布情况,在MSC Marc中建立有限元模型,分别采用截面法和渗透接触法对螺栓施加预紧力,通过对发电机挡块组件处于稳定转速、抽水启动、抽水停机、发电启动、发电停机和甩负荷等工况的非线性接触分析,得到各工况下该发电机挡块组件的应力分布.结果表明,2种螺栓预紧力的施加方法是等效的;各工况下最大应力均发生在螺栓圆角处;转速大小对应力分布起决定性作用.该结果可为抽水蓄能发电机挡块组件结构的分析设计提供参考.     

悬臂梁大变形的向量式有限元分析

为分析悬臂梁的几何非线性行为,用向量式有限元法将结构离散成质点系以及质点间的连接单元.根据牛顿第二定律得到每个质点在内力和外载荷作用下的运动方程以及悬臂梁在每个时刻的变形用该时刻质点系的运动表示.结合刚架元的节点内力和等效质量得出质点位移的迭代计算公式,采用FORTRAN编制计算程序,对悬臂梁分别承受集中载荷和弯矩下的大变形进行算例分析.计算结果与理论解吻合较好,表明该方法能很好地模拟分析悬臂梁的大变形.     

基于MATLAB的非线性方程组遗传解法

将非线性方程组的求解问题转化为用遗传算法求解目标函数的最小值问题,利用MATLAB的遗传算法与直接搜索工具箱（GADs）对目标函数求取最小值。计算结果表明,用该方法求得的非线性方程组近似解精度较高。     

基于自适应Eikonal方程的改进透视SFS算法

PFMM（perspective fast marching method）是一种有效解决透视投影下从明暗恢复形状（SFS）问题的方法,但是适应条件受限,且对初始数据的精度较为敏感。本文通过对Eikonal方程系数的分析,提出了在透视投影下基于自适应Eikonal方程的PFMM,解决了PFMM对初始数据过于依赖的问题,是PFMM的推广。对合成图像的实验表明本文算法比PFMM精度更高,对透视投影下SFS问题可以得到比较好的结果。     

求解方程RaRx=RxRb的四元数几何研究

机器人手眼标定通常要解一个旋转方程[WTHX]RaRx[WTBZ]=[WTHX]RxRb[WTBZ],求解该方程有很多方法,其中利用四元数的方法最为简洁实用。但一般的四元数求解侧重应用,缺乏几何意义的对照,也没有全面分析方程各种解的情况。为了提高机器人手眼标定的效率和精度,在深入研究求解该方程的四元数几何方法的基础上,详细而严格地论证了各种情况下方程的解,不仅给出了四元数矩阵分析与几何解释的有趣对照,而且仿真验证了该算法的正确性。仿真实验表明,了解方程各种解的情形以及几何意义将有助于降低求解的条件数和提高标定的效率,此外,该研究对于发展四元数几何分析也有很大的意义。     

图像平滑的2维小波插值方法

在应用扩散方程进行图像平滑时,常规的方法是对扩散方程差分化构造差分方程,利用初边值条件求解。这种方法误差传播快,精度不高。因此,构造了2维小波插值函数,利用它来求解扩散方程,并分析得到用小波插值函数求解Alvarez模型的方法。由于小波函数具有良好的局部性,求解扩散方程比用差分方法求解具有精度高,误差传播速度慢,对时间步长不敏感等优点。在数值实验中,给出了本文方法的有效性及相对于差分方法求解的优点。     

基于灭点理论和平面控制场的相机标定方法研究

给出了一种基于灭点理论和平面控制场的相机解析自标定方法。在系统分析平面场景灭点几何的基础上,依据灭点理论并结合2维场景的共线方程严密论证和推导了平面控制场中相机外方位元素初值的实用算法。给出了一种圆形标志点的快速检测及定位方法,提出了一种基于计算可靠性矩阵QVVP的自检校光束法平差中各类观测值权值的确定方法。实验证明了该相机标定方法的正确性和有效性,为相机标定探索了一种可行的方法。     

传感器系统的非线性校正

通常传感器的输入与输出呈非线性关系,本文采用多项式拟合法列出其反非线性特性拟合方程,并用MATLAB求出方程系数;在压力传感器系统中,压力经导电橡胶传感器转换为电压,电压数据被送到LabVEW软件中的公式节点,经过节点中拟合方程的计算,使传感器系统的输入-输出呈线性,即通过软件实现传感器系统的非线性自动校正.     

基于DRNN的非线性模型预测控制研究

针对飞机液压系统某地面试验装置具有非线性、慢时变的特征,常规的控制算法难于实现精确控制。为了提高系统的实时性和精度,提出了基于DRNN神经网络的非线性模型预测控制算法。控制算法应用对角递归神经网络DRNN作为非线性系统的预测模型,同时采用了具有全局优化能力的启发式遗传算法作为滚动优化工具。将这一控制算法进行仿真试验,仿真试验结果表明,基于DRNN的NMPC对于装置具有自适应能力,控制精度较传统的PID控制有明显的提高。