基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。     

基于Stacking集成学习的有源台区线损率评估方法

人工智能及机器学习的发展,为有源台区线损率的评估提供了崭新的思路。文中提出一种基于Stacking集成学习的有源台区线损率评估方法。首先,从特定系统中提取有源台区数据,采用互信息等方法处理数据中异常值,并建立电气特征指标体系。然后,考虑传统的机器学习与不同思想的集成学习算法之间的差异,综合线性模型与非线性模型,选择线性回归算法、随机森林算法、GBDT算法作为基学习器,构建多算法融合的Stacking集成学习模型。最后,以某省有源台区数据为例,验证了所提方法的准确性和有效性。     

农村公路建设水平评价方法研究

采用分枝维数分析方法,对通乡镇公路通达程度进行了评价,并对满足乡镇经济发展的县乡公路建设水平的指标最优取值进行了分析,评价方法达到了指导下一阶段建设和引导城镇经济发展的需要。     

稀土对高强IF钢退火过程中的第二相析出行为的影响

以不同稀土含量的440 MPa高强IF钢为研究对象,在盐浴炉中模拟现场的连续退火,退火温度810℃,分别保温30 s、60 s,通过TEM与XRD对退火后的试样进行第二相分布、形状及成分分析,以研究稀土对高强IF钢第二相析出行为的影响。实验结果表明,保温时间基本不影响第二相的析出;不加稀土的高强IF钢析出的第二相呈弥散分布,且尺寸大小均匀,均在30 nm以下;加了稀土的高强IF钢析出的第二相分布在晶界处,并且伴随着团聚的现象,第二相尺寸不均匀,大颗粒在30 nm^100 nm之间;不加稀土的试验钢在810℃保温60 s下的析出相种类有FeTiP、TiC、TiN、NbN。实验结果为440 MPa高强IF钢在退火条件下第二相析出奠定了理论基础。     

动力刀座动力学建模与分析

新型高速动力刀座的几个主要要求是刚性、振动、噪声、冲击以及寿命。设计时既要保证足够大的主轴刚度,又要尽量降低轴承预紧力以降低噪声振动和温升(NVH),这样才能保证产品有足够的使用寿命。为了解决这些问题,常常使用齿面、齿向修形的方法。使用Romax-disigner软件,对修形后的直齿轮副进行传动误差分析,并对系统进行相关的模态分析,预测由于齿轮传动误差引起的系统振动。     

标示牌等告知用信号中的颜色区别

告知用信号包括警示牌、标识牌、指路牌、警戒线及信号灯等,其在生活中起着举足轻重的作用,信号颜色的选择也至关重要。近年来由传统颜色对比组成的标识信号已经无法满足人们日益增长的需求。因此将颜色定量后根据数学建模方法定量分析,以得出每种颜色之间的数值关系,从而求得我们所要求的最佳对比色。     

降解六硝基茋废水用复合型微生物絮凝剂产生菌的筛选及应用

从一种单体猛炸药-六硝基茋生产废水及被其污染的土壤和杨树枝中分离筛选具有较高活性的复合型微生物絮凝剂产生菌,通过常规分离、纯化、驯化获得对六硝基茋生产废水的高效降解菌,采用单因素试验进行培养基及絮凝条件优化,获得最佳絮凝条件,将其应用于六硝基茋生产废水的处理。试验结果表明,成功筛选出了对六硝基茋生产废水具有较高降解能力并且絮凝活性较高的MBF4菌株,该菌产絮凝剂的最适碳源为可溶性淀粉,最适氮源为蛋白胨,最适初始pH为5.0,最佳投加比例为D1:D3=2:1,最佳絮凝条件为:投加量为3 mL,pH为8,金属离子为1 mL Ca2+,对六硝基茋生产废水的色度、浊度、COD去除率分别为93.33%、51.13%、73.08%,可为六硝基茋生产废水的后续处理提供有利条件。     

热处理工艺对过共析轨钢组织及力学性能的影响

通过显微硬度仪、冲击试验机、万能试验机和扫描电镜等研究了不同热处理工艺下某过共析轨钢组织和性能的变化规律。结果表明:热处理工艺对该轨钢的组织和力学性能较轧制态和厂方热处理态均有所优化和提高,影响因素主要为冷却速率和等温时间。随着冷却速率的提升和等温时间的减少,基体中渗碳体析出增多,珠光体尺寸减小,大片层珠光体逐渐消失;此外,试验钢的硬度、冲击吸收能量和抗拉强度均随冷速的增大呈现先增加后降低的“折线形”变化趋势,拉伸断口粗糙度增加,断裂类型从解理断裂过渡为准解理断裂。而冲击吸收能量则随着等温时间增加而增加。最佳热处理工艺为:等温温度630 ℃,等温时间30 s,冷却速率8 ℃/s,对应的最优力学性能表现为硬度402 HBW、冲击吸收能量(KV₂)2.9 J、抗拉强度1312 MPa、伸长率12.24%和断面收缩率23.96%。     

机床自动换刀机构振动源确定及分析

由于换刀机构在换刀过程中产生的振动影响其换刀平稳性,为了分析振动产生的原因,确定振动源的确切位置,采用小波去噪和信号相关性分析等方法对测试的数据进行处理。通过时域信号与机械手输出曲线对比分析,最终确定换刀机构的振动主要由抓刀时机械手与刀具碰撞和插刀时刀具与刀套碰撞产生。根据不同条件下振动强度的变化规律,分析得出根据刀具质量合理地选择换刀速度能够减少振动强度。提出了一种用软件编程来实现振动源自动快速识别的方法,得出的结论和提出的方法为换刀机构设计优化及安装调试提供了依据和有效手段。