四连杆机构在叉车货叉前后倾装置中的运动分析

提出一种增加四连杆机构的叉车货叉前后倾装置,与传统工作装置相比,能够在较小的工作空间内实现货叉的前后倾动作.四连杆机构结构简单,可实现多种运动,且工作可靠,易润滑,磨损小,适合应用于叉车等起重装备中.为使新型工作装置达到最佳性能,对现有叉车的工作装置重新进行了结构设计,利用MATLAB的数值计算和绘图功能对机构上各关键点的轨迹进行运动分析,并借助目标规划的思想对相关的连杆长度进行参数优化.通过对优化设计后机构的各项指标的检验,显示新型工作装置比传统设计其动作区域明显缩小,满足预定的设计目标,适合应用于具有较大提升高度的各式叉车.论述的内容未涉及动力学的相关问题及四连杆机构的强度、刚度和稳定性等问题.     

基于时空全卷积循环神经网络的零件表面形貌预测

零件表面形貌预测对于降低产品质量波动和加工成本、减少零件废品率有重要意义。基于高清晰测量数据,提出一种时空全卷积循环神经网络非平稳时空序列预测模型,实现零件加工表面三维形貌的预测。通过计算全局莫兰指数和时间自相关函数进行时空相关性分析,为模型构建准确的输入,并克服传统预测方法未充分利用数据全局特征和局部特征的缺点以及模型输入的随意性。实例研究的结果表明,提出的方法具有更优的综合预测效果,其预测精度优于传统方法12%~18%,预测时间是传统方法的1/5。     

无设备人体追踪系统的择优标签方法

针对现有人体追踪系统追踪误差大、硬件部署对环境改变大和用户佩戴设备不方便等问题，提出基于择优标签的无设备人体追踪方法.采集人体在不同位置上的射频(RF)功率信号，分析人体所在位置与功率信号之间的关系.为了减缓信号不稳定性对系统的影响，提取射频功率信号的特征作为模型训练的数据集.利用信号特征建立不同的深度学习模型，对比不同训练方式下的追踪效果和标签用量，选择合适的模型结构和训练方式.分析实验结果，给出普适性意见和最优标签选择方法的具体步骤.实验表明，基于择优标签方法的定位系统是可行的，其中跟踪误差为0.19 m，与表现较好的WallSense系统相比，跟踪误差降低约5 cm，标签量降低66.7%.基于择优标签方法的定位系统明显降低了标签部署对环境的影响，在保证精度的情况下，减少了标签冗余.