基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

轻量级电驱水下机械臂设计与运动学分析

设计了一款四功能水下机械臂，并对驱动关节进行了模块化设计和密封测试。为了保证水下机械臂的可靠性，在水下机械臂水下测试前，进行了强度校核和模态分析。为了验证水下机械臂的性能，通过 Ｄ- Ｈ法建立了其运动学模型，在此基础上分别进行了正、逆运动学分析。此外还采用蒙特卡洛法，在正运动学分析的基础上研究了工作空间特点。研究结果将为进一步的运动控制提供有益的帮助。     

大型振动筛有限元模态分析

运用有限元软件ANSYS建立了大型振动筛整筛有限元模型,并对整筛动态特性进行分析,确定大型振动筛结构振动特性,对结构的刚度和质量分布进行调整,避免结构在外部作用激励下发生共振。     

步行式加工机器人解耦并联机械腿构型综合

结合螺旋理论、机器人的实际功能应用以及机械腿的运动变换矩阵,综合出了转动完全解耦、移动部分解耦的PUPR-PUPR-PRPAS机械腿构型。首先,分析了步行式加工机器人的功能应用,分析出机械腿在功能应用中需要的自由度;再根据自由度数确定了机械腿所需的支链数目及自由度在支链上分布;然后分析机械腿运动螺旋及约束螺旋,结合机械腿运动解耦的目的,得出使动螺旋来确定驱动螺旋,同时结合功能应用需求对机械腿支链进行了构型综合。根据支链间搭配原则及机械腿功能应用条件等,在综合出的支链中选取并确定机械腿初步构型。最后,先对机械腿单自由度关节副之间进行复合简化,分析简化后的运动变换矩阵,将第三条支链进行进一步改进,确定最终机械腿构型。