基于转移的航空安全事件知识图谱表示学习

通过构造航空安全事件知识图谱并对其进行推理预测，可以有效预防航空安全事件的发生。目前，对于知识图谱的表示学习大多采用转移模型TransE，虽然其具有简单、高效的优势，但是在处理复杂关系时存在局限性。航空安全事件知识图谱不同于其他领域知识图谱，其中每个事件相互独立且又联系紧密，存在大量复杂关系，TransE模型不能很好地对其进行表示学习。为此，通过对航空安全事件语料库进行抽取来构建ASIKG数据集，利用公开数据集和ASIKG数据集对TransE的改进模型进行训练，实验结果表明，TransR模型在公共数据集上链接预测效果较好，而TransH模型在ASIKG数据集上取得了较好的链接预测效果。     

基于GWO-ELM算法与模糊控制的无标定视觉伺服研究

针对传统基于图像的视觉伺服系统运行速度慢,图像雅可比矩阵的求解受标定精度影响的问题,提出一种基于灰狼算法优化极限学习机(GWO-ELM)与模糊控制相结合的视觉伺服控制方法。该方法利用灰狼算法(GWO)优化ELM模型初始权重增加模型稳定性,估计图像雅可比矩阵伪逆预测机械臂末端运动速度,之后引入模糊控制(Fuzzy Control)设计视觉伺服控制器构建无标定视觉伺服控制系统,并进行上机实验。实验结果表明,Fuzzy Control-GWO-ELM-IBVS的运行效率相对于GWO-ELM-IBVS得到了提升,定位误差能控制在规定阈值,验证了提出的无标定视觉伺服控制系统的有效性。     

基于预标定基坐标系及MIEKF算法的工业机器人标定方法

为了提高工业机器人的绝对定位精度和标定效率，提出一种基于预标定基坐标系及改进迭代扩展卡尔曼滤波(MIEKF)算法的运动学标定方法。该方法的优点在于用采集的位置数据进行基坐标系和工具坐标系预标定，节省两者拟合的时间。在建立位置误差模型时利用相关系数和复共线性分析去除模型的冗余参数。用MIEKF算法辨识模型的几何参数误差。通过实验对比验证，机器人经补偿后的绝对定位精度提高了88.07%。