基于PC及TwinCAT3 PLC的开放式数控系统设计与实现

针对数控系统高精度,实时性,智能化要求高的特点。设计并实现基于PC及TwinCAT3 PLC的EtherCAT实时以太网开放式数控系统。数控系统在基于PC的上位机中通过MFC设计人机交互界面,实现非实时性功能模块开发。在基于TwinCAT3 PLC的下位机中,利用ST编程语言实现实时性功能模块开发。上位机与下位机之间通过ADS通讯实现数据交换,下位机与伺服控制系统之间通过EtherCAT实时以太网总线通讯。该数控系统避免了EtherCAT主站和从站通讯系统的设计与开发,系统稳定性及可靠性较高;在TwinCAT3 PLC中自主开发实时位置控制算法及速度优化算法,避免了使用TwinCAT3 NC、CNC标准模块带来的附加成本,系统具有较高开放性。数控系统在PLC中利用COE(CANopen over EtherCAT)协议中的CSP(周期同步位置模式)控制模式实现了两轴直线及圆弧实时位置控制,系统通讯周期达到1ms,各从站伺服驱动器时间同步误差小于1us,满足数控系统实时控制的要求。     

基于涡粒子的真实感烟雾快速模拟

基于物理的流体模拟方法通过数值求解流体的控制方程可获得逼真的模拟结果,但求解中易产生数值耗散造成流体细节丢失.本文提出采用涡粒子模拟流体,通过求解涡度形式的流体控制方程获得涡度场,再将涡度场转换为不可压的速度场,可降低对流数值耗散,自动保证速度场散度为零,因而能够保持更丰富的流体细节.针对算法在涡度转换为速度时需求解泊松方程的性能瓶颈,基于图形处理器（GPU）设计并实现了一个高效的预条件共轭梯度法求解方程,比现有求解器加速超过10倍.实验结果表明,与现有方法相比,本文算法能够获得真实感更强的流体模拟效果,且模拟速度显著提升.     

一种基于TimeGAN和OCSVM的多元退化设备小子样数据增广方法

工作在复杂环境下的多元退化设备面临失效数据少、多源信息融合准确度低和监督学习数据不平衡等问题,对此本文提出一种基于时间序列生成对抗网络（Time-series Generative Adversarial Networks,TimeGAN）与单分类支持向量机（One-Class Support Vector Machine,OCSVM）组合模型的小子样数据增广方法 .方法引入了TimeGAN模型拟合真实数据时间序列相关性,从而生成新的多元退化设备数据.本文提出了一种基于最大均值差异改进方法的可信度判据,避免强相关特征对生成数据质量评价的影响,通过使用T-分布随机邻近嵌入（T-distributed Stochastic Neighbor Embedding,T-SNE）和全局最大均值差异（Global Maximum Mean Discrepancy,GMMD）的组合方法,定性定量地评价生成数据的质量水平.基于训练后的OCSVM模型,对生成数据进行异常检测与剔除,进一步提高生成数据的质量.以航空发动机数据集C-MAPSS为例进行方法验证分析,通过与其他数据增强模型对比验证了所提方法的可...     

一种基于最优集成随机森林的小样本数据特征提取方法

高维小样本数据作为数据挖掘的难点,用传统的随机森林算法进行特征选择时极易出现分类结果过拟合而导致的特征重要度排序稳定性差、精度低等问题。针对随机森林在小样本数据降维过程中出现的难点,提出了一种基于小样本数据特征提取算法OTE-GWRFFS。基于生成对抗网络GAN进行样本扩充,避免传统随机森林在小样本分类过程中的过拟合现象;在数据扩充的基础上采用基于权重的最优树集合算法,减小生成数据分布误差对特征提取精度的影响,提升决策树集合的整体稳定性;采用单棵决策树的权重与特征重要性度量值加权平均得到特征重要性排序,从而解决了小样本数据特征选择过程中精度低稳定性差的问题。通过UCI数据集将所提算法与传统随机森林以及基于权重的随机森林算法进行实验对比,OTE-GWRFFS算法在处理高维小样本数据时具有更高的稳定性和精度。