摘要:作动器是飞行控制系统的重要组成,其性能直接影响飞行安全。 然而,大部分部件全寿命周期仅能获取 2 ~ 3 次的返所 测试数据,性能退化样本极小,给作动器的性能预测带来困难。 针对这一问题,提出了一种统计分析与物理模型结合的性能预 测方法,首先对批次型部件数据进行统计分析,建立作动器不同阶段的统计分布规律;然后,结合作动器退化的物理模型与统计 规律,建立带有概率分布的作动器退化函数,并基于 AMESim 仿真对参数进行标定,得到不同时间与健康参数下的概率密度函 数;最后,针对任一部件获取的健康参数,给出基于后验概率的概率密度函数更新方式。 为验证方法的有效性,本文采用多个含 有 3 个数据点的样本进行验证,统计预测值精度。 结果表明,实测值在预测密度函数的 3sigma 范围的概率高达 92. 27% ,证明 预测密度函数能够在高置信度下表征作动器退化规律。

摘要:机器学习模型在智能故障诊断中取得了显著成功,但主要应用于静态场景。 在实际场景中,新的故障类别数据以流形 式不断产生,且数据分布随机械设备运行条件变化而发生变化,导致连续流数据具有非独立同分布的特征,这种面向非独立同 分布连续流数据的诊断问题被称为持续迁移诊断问题。 针对此问题,本文提出了一种基于持续迁移学习系统(CTLS)的故障诊 断方法。 该方法设计了域适应学习损失函数和持续迁移学习机制,能有效处理变工况下的工业流数据,无需重放旧类别数据便 能够能学习新类别知识。 此外,利用机械故障诊断案例评估该方法的性能,分析结果证明 CTLS 能够高效处理变工况条件下的 工业流数据,是一种极具潜力的解决实际工业问题的可靠工具。

摘要:基于遥测数据的异常检测是卫星在轨运维管理的关键技术。 但现有方法大多仅采用正常样本建立模型,异常检测结果 对判读阈值敏感、虚警率较高。 对此本文提出基于对比序列重构的卫星遥测数据异常检测方法,充分利用有限异常先验增强异 常检测中正常、异常样本差异。 先基于变分自编码器提取遥测数据时序演化特征,引入对比学习方法建立对异常、正常数据差 异化输出的编码器,再用大量正常数据进一步训练整个模型实现对正常数据的精准重构形成对异常数据敏感的时序数据重构 模型,再基于核密度估计方法学习异常判读阈值进一步提升异常检出率。 在真实卫星遥测数据上验证表明所提方法能有效降 低异常检测的虚警率(均低于 0. 002)并保持较高的检出率具备良好的实际应用水平。

摘要:针对传统的表面粗糙度预测方法过度依赖人工提取特征以及预测精度较低的问题,提出一种基于 Inception 模块改进 的深度残差收缩网络( IDRSN) 和双向长短时记忆网络(BiLSTM) 的表面粗糙度预测方法。 首先,利用深度残差收缩网络 (DRSN)中软阈值化结构和注意力机制对输入信号进行降噪处理。 其次,引入 Inception 模块构建 IDRSN 以提升网络的多尺度 信息获取能力,实现自适应多尺度特征提取。 然后,引入反向长短期记忆(LSTM)构建 BiLSTM 预测网络,利用正反两个 LSTM 提高网络捕捉历史和未来完整信息的能力。 最后,进行实验验证,分别对比 IDRSN、DRSN、BiLSTM 和人工提取特征 4 种方法的 提取特征效果,以及 BiLSTM、卷积神经网络(CNN)、DRSN 和 CNN-LSTM 4 种表面粗糙度预测模型的预测精度。 结果表明所提 方法具有较高的预测精度,为铣削加工表面粗糙度预测奠定了方法基础。

摘要:为了探究碳纤维增强复合材料(CFRP)的损伤机制并对其制造过程进行质量监控,对 CFRP 的冲击损伤区域进行了高 分辨无损检测。 构建了全光式非接触光声显微(AONC-PAM)成像系统,利用自主开发的光学吸收结合背向散射的双对比度成 像模式,对 CFRP 在不同冲击能量下的损伤区域进行高分辨率无损检测。 实验结果显示,AONC-PAM 系统的空间分辨率为 2. 9±0. 5 μm;双对比度成像策略能以 2 s/ 帧的速率同时获得基于光学吸收和表面散射特性的图像及两者叠加的双对比度图 像;AONC-PAM 系统显示了比通用明场显微镜系统更多的成像细节,包括碳纤维分布和其他微观缺陷如纤维断裂、错位、缺束 和褶皱,可检测的微观缺陷尺寸达 10~ 20 μm,并实现了损伤区域的精准量化。

摘要:针对传统超声波螺栓应力测量中存在的非线性和不适定性问题,提出一种基于极限学习机(ELM)的超声多特征融合 螺栓应力测量方法。 首先基于声弹性理论和散射理论,根据超声回波信号提取声时差及瑞利散射范围内多晶体材料中纵波的 衰减系数等超声波特征参数。 然后通过向量降维选择声时差、衰减系数和有效受力长度作为模型输入特征向量,建立了基于 ELM 的超声多特征融合螺栓应力测量模型。 搭建螺栓轴向应力超声波测量实验平台,对不同材料和规格的螺栓进行螺栓应力 的测量,并对比了使用传统的超声测量方法的测量结果,验证了传统超声检测方法的局限性。 对比了 ELM 与其他机器学习方 法包括 BP、支持向量回归(SVR)的测量结果和精度。 结果表明,提出的方法有效克服了传统超声测量方法的不足,能实现不同 材料不同规格的螺栓应力测量,并且测量精度更高(平均相对误差为 3. 86% ),泛化能力更好。

摘要:风机叶片作为风电机组的关键部件,其裂纹故障尤为常见。 裂纹的存在会导致叶片或机组出现损坏。 为此,基于叶尖 定时原理和分析方法,提出一种风机叶片裂纹故障的识别方法。 首先,依据叶尖定时原理,分析叶片在载荷作用下裂纹对叶尖 偏移的影响,建立叶尖偏移与叶尖偏移时间之间的数学模型。 其次,通过仿真分析叶片在不同状态下叶尖偏移程度,结合不同 工况参数与叶尖偏移时间之间的数学模型,识别裂纹特征信号。 最后,利用风机模拟试验台实测叶尖信号,结果表明本文所提 的识别方法对裂纹的特征信号的成功提取达到了 92% 以上,并且能够实时完成裂纹信号的提取和分析,说明此方法能够实现 裂纹故障实时识别。

摘要:基于 3D 打印技术制备曲面共形电路具有广阔的应用前景,然而,由于曲面基材加工误差和导电线路定位误差的影响, 导致曲面电路 3D 打印头高度难以精确控制,进而影响打印精度。 为此,本文以气动式直写打印为研究对象,提出了一种“在机 测量+线路模型重构”的打印头高度误差补偿方法。 设计了一种曲率自适应测量点选取方法,利用 NURBS 曲线反算法对测量 数据进行重构,还原真实线路模型。 通过生成真实线路的打印轨迹,替换原始理论打印轨迹,补偿了打印头高度误差。 自主搭 建了一套集成了在机测量系统的曲面共形电路 3D 打印平台,设计了直线、圆弧与 NURBS 自由曲线 3 种形状的线路,进行补偿 前后电路打印的对比实验。 结果表明,未进行补偿前,在线路曲率较大的地方,线路在基板上的波峰处会产生拉丝现象,波谷处 会产生堆叠现象,而补偿后的导线线宽比较均匀;进一步对每条导线的电阻进行测量,发现各条线路补偿前的电阻值波动较大, 补偿后的电路的电阻值均匀,且相较补偿前平均降低 65. 99% ,最大电阻降幅达 85. 75% 。

摘要:自动化装配精度极其依赖于自动化位姿测量精度。 目前常用的位姿测量方法基于非接触式测量方法,该方法随光照、 畸变等影响鲁棒性不高。 为提高位姿测量柔性和鲁棒性,本文提出一种基于接触式位姿测量方法,该方法基于多测针接触式测 量系统,通过解耦将位姿调节量转化为姿态、圆心、相位相互独立的测算量。 首先采用视觉引导方式构建视觉坐标系实现点位 测量路径自更新实现柔性测量,然后通过测量工件平面、圆周、孔位圆周获取坐标点位,最后采用最小二乘法拟合平面并将圆周 点位进行投影拟合圆心,求解定位孔圆心构成的向量空间夹角得到姿态、相位及圆心的调整量。 本文所述方法可以提高测量效 率,解耦调整方式大大降低了位姿联调的相互影响,提高了位姿测量的柔性和鲁棒性。 通过实验对本文所提方法的有效性进行 验证,实验结果表明:采用空间位姿柔性接触式测量方法进行测量后调整,其工件相对位置偏差在 0. 075 mm 以下,姿态角度偏 差在 0. 02°以下,相位角度偏差在 0. 055°以下。

摘要:风洞试验中,机翼在高速气流下产生弯曲、扭转变形,本文提出一种基于误差修正模型的机翼弯扭变形测量方法。 首 先,利用基于摄影测量的相机标定方法求得相机畸变参数,采用数字图像相关法定位与追踪荧光点的无畸变像素坐标。 然后根 据摄影测量技术建立气流坐标轴系标定板,并利用气流坐标轴系标定板标定相机外参及求取机翼上荧光标记点的 Y 坐标。 最 后,根据标记点已知的 Y 轴向约束,建立单双目测量系统各自的三维重建模型及弯扭变形的误差修正模型,并以模型迎角为 0° 水平时为基准状态计算吹风状态下机翼弯扭变形。 经试验验证,本文提出的机翼扭转变形测量误差小于 0. 01°,机翼弯曲变形 测量误差小于 0. 15 mm/ m。 该方法可为飞行器设计提供可靠及鲁棒的实验数据。

摘要:快速获取齿轮全部齿面的三维误差信息,是表征复杂齿面质量的关键和前提。 本文基于激光三角测量原理,建立了齿 轮线激光三维测量模型,研制出齿轮线激光三维测量仪,可用于生产现场快速获取被测齿轮的三维齿面误差信息并进行质量评 定。 仪器采用立式结构,主要由基座、精密主轴、圆光栅传感器、控制系统、软件系统等部分组成。 精密主轴采用密珠轴系实现 高精度回转,保证了被测齿轮的高精度定位与回转。 在精密主轴周向布置两个高精度线激光传感器,并根据被测齿轮参数调整 其位姿状态;圆光栅实时获取精密主轴的回转角度,并触发采集器实时采集并记录被测齿轮左右齿面的几何信息。 开发了齿轮 线激光三维测量与评价软件,可实现齿轮齿廓偏差、齿距偏差、拓扑偏差等项目的测量与评定,能够满足 5 级精度齿轮的检测 要求。

摘要:针对宽带声学多普勒流速剖面仪(ADCP)现有校准方法无法有效实现流速分层校准的问题,提出基于信号重采样频移 处理的声波应答校准方法,通过应答换能器组分别接收 ADCP 各波束换能器发射信号,经分段重采样、时间窗补偿等处理,产生 包含多普勒频移信息的模拟回波信号,实现对宽带 ADCP 流速分层校准。 为更符合真实水体散射情况,基于主动声呐方程建立 了回波信号幅度计算模型。 搭建了可适用于陆上和水下的宽带 ADCP 分层快速校准装置,对两个 ADCP 样机开展了校准实验, 流速范围在 0. 01~ 10 m/ s,测量不确定度优于 0. 3% v+5 mm/ s(v 为流速测量值)(k = 2),并与水槽拖车法进行了对比验证。

摘要:悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。 传统测量方法需要在温度稳定的环境中进 行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。 本文提出了一种基于数据驱动,CBAMCNN 和压电悬臂梁的自适应温度解耦质量感知方法。 首先,搭建谐振式压电悬臂梁温控测量平台采集不同质量负载下的阻 抗响应信号,设计自适应加权预处理方法以增强结构特征并突出有限样本中的关键信息;其次,设计基于混合领域注意力机 制的 CBAM-CNN 网络来评估信号中多个谐振峰的相对关系,实现温度解耦和质量感知。 实验结果表明,该方法在 25℃ 至 55℃ 的温度范围内的对 0. 1 ~ 1 g 的质量感知准确率高达 99. 70% ,无需进行温度补偿即可实现大跨度温度下的精确质量 感知。

摘要:针对当前的三芯电缆电流测量直接使用传感信号进行多导体位置和电流的测量,传感器数量未确定,使用数量多不仅 使多导体电流测量系统没有确定的传感器使用策略,而且导致测量误差大的问题,本文分析给出了非侵入测量三芯电缆电流所 需的最少且最优的磁传感器数量,提出了非侵入式多导体电流测量原理。 根据三芯电缆电流传导环电缆磁场分布关系,使用 6 个磁传感器环绕电缆分布,由每个传感信号获取 2 个特征值的最优估计,建立 12 个独立方程,实现电缆中导体位置的检测和 导体电流的测量。 搭建了三芯电缆电流测量平台,进行了测试验证。 测试结果表明,该方法测量 15 ~ 100 A 的三相电流的振幅 最大误差小于 1. 00% ,相角误差小于 2°,导体位置误差小于 0. 2 mm。 提出的测量原理极大减小了多芯电缆电流的在线测量误 差,且测量系统拥有更简单的结构和精准的位置及电流波形测量结果。

摘要:针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于 Transformer 的三维人体姿态估 计及其动作达成度评估方法。 首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出 并构建了一个基于 Transformer 的三维人体姿态估计模型(TPEM),Transformer 的引入能够更好的提取人体姿态的长时序特征; 其次,利用 TPEM 模型对三维人体姿态估计结果,设计了基于加权 3D 关节角的动态时间规整算法,在时序上对不同人物同一动 作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据 集上进行实验验证,TPEM 在 Human3. 6 M 数据集上实现了平均关节点误差为 37. 3 mm, 而基于加权 3D 关节角的动态时间规 整算法在 Fit3D 数据集上的平均误差帧数为 5. 08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性 和有效性。

摘要:近年来,对虚拟表面纹理进行工具介导的振动触觉再现已经成为触觉领域的一个研究热点。 针对已有的纹理触觉渲染 方法还存在适用范围窄、泛化能力弱、交互真实感低等问题,以改进后的 MelGAN 为基本网络,构建了一种新的纹理触觉渲染模 型。 该模型以纹理图像和用户的实时动作信息为输入,在能够高保真地生成振动触觉信号的同时,对常见纹理图像拥有更好的 泛化能力。 此外,设计了一款具有动作信息实时采集和振动触觉表达功能的笔式装置。 在采集了数据库之外的真实纹理表面 的振动触觉信号后,比较了提出的模型与已有方法在信号生成方面的性能差异。 结果表明,模型实现了最低的均方根误差 (0. 173),验证了其对未建模纹理进行触觉渲染的能力。 最后,使用笔式装置进行了两项用户实验。 平均 6. 01 的主观相似度评 分说明,即使是数据库之外的新纹理,模型也能为用户提供较高的纹理交互真实感。

摘要:血流速度剖面用于计算壁面剪切率等血流动力学指标,与动脉粥样硬化病程发展密切相关。 超快超声散斑跟踪广泛用 于血流速度剖面估计,然而多角度平面波复合成像存在血流散射体的运动伪影,不利于流速估计。 提出了一种多角度平面波复 合成像的局部运动补偿法,对射频信号时间序列的相邻帧进行局部运动补偿来消除不同径向位置的运动伪影,从而提高流速测 量准确性。 相比直接相干复合,B-MoCo 法将仿真、仿体实验中流速测量结果的归一化均方根误差平均减小了 10. 37% 、 37. 82% ,说明了 B-MoCo 法的有效性。 基于兔骼动脉的实测实验进一步证明了 B-MoCo 法的临床可行性。 综上,B-MoCo 法能够 有效提高血流速度剖面的测量精度,有助于相关心血管疾病的早期诊断与病程监测。

摘要:在外骨骼与人进行自然人机交互(HRI)过程中,准确快速地识别下肢连续运动中的切换态至关重要。 切换态 sEMG 信 号即包含切换前后运动信息,又包含切换的瞬态信息,难以直接用于识别。 为了快速准确地识别切换态,本文提出了 FMICMDLACNN 的实时识别方法。 提出了自适应多分量瞬时频率估计方法来提升多元本征线性调频模态分解(MICMD)计算效率,提 出了分量能量惩罚因子提高 MICMD 分解精度,从而形成了快速多元本征调频模态分解(FMICMD)算法。 针对 FMICMD 分解后 sEMG 信号,构建了 LACNN 识别模型,实现了快速且准确的切换态识别。 本研究采集了 10 名受试者 8 种常见下肢连续运动切 换态下的 sEMG 信号进行实验验证。 结果表明,对于这 8 种切换态,该方法平均识别准确率为 98. 35% ,平均识别时间仅约 8 ms,均优于 CNN-LSTM、E2CNN 以及 CNN-BiLSTM 方法。 该方法具有较高的准确率和实时性,能够满足外骨骼与人体快速自 然交互的需求。

摘要:光伏组件的故障会影响光伏阵列的输出性能,从而降低电站的发电效率,严重时甚至会危害电站的安全运行。 传统的 方法无法满足目前光伏组件故障检测快速性和正确率需求。 因此,本文提出了一种基于改进 EfficientNet 的光伏组件故障识别 方法。 首先,利用采集到的光伏组件红外图像建立故障数据集,并利用图像分割和数据增强对数据集进行预处理;其次,基于 EfficientNet 网络构建故障识别模型,同时在模型中引入双通道注意力模块(CBAM),该模块能够抑制不必要特征的识别,增强 模型对空间特征信息的提取能力,进而提高模型的识别准确率;最后,通过对比仿真实验证明模型的有效性和先进性。 实验结 果表明,该模型的故障识别准确率达到了 90. 83% ,相较于原始的 EfficientNet 模型提高了 2. 83% ,且模型大小仅为 20. 3 M,具有 良好的实用性,能够满足光伏电站实际应用的需求。

摘要:为实现线结构光高精度标定,提出一种基于平面靶标的交叉结构光标定方法。 根据 Blinn-Phong 光照模型可知,当激光 条纹投射在平面靶标上特征点边缘处时光截面不再服从高斯分布,常用的中心提取算法无法准确提取目标。 首先,基于形态学 操作剔除在平面靶标上特征点边缘处的中心点,使得直线拟合的误差由 0. 060 8 pixel 提升到 0. 035 8 pixel,有效减少因算法提 取误差对标定结果造成的影响;然后,基于高斯曲线拟合方法对所提取的线结构光与辅助结构光交点位置进行修正,基于 Ransac 算法进行直线拟合,结果同样也有效剔除因光照不均、材质变化造成误差较大的点。 实验结果表明,两种方法结合后标 定精度提高 25% ,中心点三维坐标与标定板平面方程相差仅 4 μm,有效提高线结构光标定精度。

摘要:针对暗弱环境下小天体表面岩石轮廓特征不明显及岩石尺寸小而造成的难检测问题,提出了一种小天体表面着陆区岩 石目标检测方法及模型。 将多头自注意力机制融入 YOLOv8x 框架,用于提高模型获取图片全局视野的能力,增强模型对深空 环境中不同光照条件下岩石特征的自适应性;在此基础上增加小目标检测层,用于提升模型对小尺寸岩石的关注度,增强模型 对不同尺寸岩石的自适应性。 对比实验结果表明,方法相较于改进前算法,岩石检测准确率、召回率和平均检测精度分别提升 了 6. 4% 、3% 、5% ,与其他主流目标检测算法相比,指标也得到明显提升。 该方法为暗弱环境下小天体表面着陆区岩石的自主 识别提供了理论和技术基础。

摘要:为了在有限训练样本情况下充分提取高光谱影像的空间光谱特征,提高分类精度,提出一种结合空洞卷积和密集网络 的高光谱影像分类方法。 首先,构建多尺度空洞特征提取模块,引入不同数量的空洞卷积层和普通卷积层通过级联的方式增大 模型的感受野,并提取多尺度特征。 然后,在多尺度空洞特征提取模块之间建立密集连接,实现特征复用的同时缓解梯度消失 问题,而模块内部无密集连接,避免构建深度网络而导致网络参数过多的问题。 最后,将得到的特征依次通过池化层,全连接层 和 Softmax 层完成分类。 另外,本文在全连接层后加入 dropout 正则化防止出现过拟合。 在 Indian Pines 和 WHU-Hi-Longkou 数 据集上与经典分类方法进行对比,本文方法 OA 分别为 98. 75% 和 98. 82% 。 实验结果表明,本文设计的网络模型在有限训练样 本情况下,分类效果最优。

摘要:城市峡谷环境中卫星信号遮挡严重且质量易变,导致智能车的定位易失准甚至失效。 为有效利用可观测的卫星信号, 提出了一种基于可视卫星的 GNSS / INS 融合定位方法。 首先,利用鱼眼相机筛选视距卫星,进而基于正交回归拟合方法定义空 视情况优劣;接着,构建基于因子图的 GNSS / INS 融合定位框架,考虑到观测的不稳定性,分别构建了伪距、多普勒频率、载波相 位观测因子,并在满足观测条件时增添对应的约束因子进行优化;最后,设计了基于空视情况的区间优化规则,优化长度跟随遮 挡区间变化,以适应不同的遮挡情况。 实车实验表明,相比传统的

摘要:本文根据永磁同步电机(PMSM)的基本电磁关系及其动态数学模型建立了位置伺服控制模型,按照闭环负反馈控制原 理,设计了具有电流、速度、位置三闭环的位置控制系统。 首先,根据 PMSM 矢量控制的特性,利用 3S / 2S 和 2S / 2R 的坐标变换 理论,建立了位置伺服系统在同步坐标系下的动态数学模型,同时给出了按照转子磁场定向的位置控制策略和算法;其次,研究 了基于空间矢量脉宽调制(SVPWM)的数字实现,并根据电机的数学模型,在 MATLAB/ Simulink 环境中构建了三环模型,同时 搭建了基于 DSP 实验样机。 在仿真和实验中直轴、交轴以及速度和位置均采用 PI 控制,在控制参数的整定过程中,遵循先内环 (电流环),后速度环,再位置环的增量调试原理,实现了同步电机的位置闭环控制;最后,对仿真结果和试验结果进行了对比分 析,说明了模型的正确性和有效性。

摘要:针对六自由度机械臂末端执行器路径及关节空间下轨迹的规划问题,提出一种基于混合蜜獾算法和 3-5-3 分段多项 式插值的最优运动规划方法,实现机械臂末端执行器运动路径最短及关节运动时间最优,并有效降低优化路径与规划路径的差 异。 首先,以标准蜜獾算法框架为基础,在初始化、全局寻优与局部探索中采用混沌反向学习、转移算子、正弦余弦算子以及自 适应扰动系数策略,提高最优解质量与寻优能力,并据此设计机械臂末端执行器无碰撞、最短路径规划方法,引导关节轨迹规划 过程;其次,在关节空间下,利用混合蜜獾算法寻找各关节最优运动时间,在此基础上,利用 2 次 3-5-3 分段多项式插值算法, 在满足各关节位移、速度、加速度约束的条件下,完成机械臂关节平滑且时间最优的轨迹规划;最后,通过与其他规划方法仿真 对比,验证提出的方法能够使规划路径长度缩短,关节运动时间减少,优化路径与规划路径差异较小,并以 UR5 机械臂抓取实 验为例检验了该方法的可行性。

摘要:基于现代控制理论的经验建模法,在针对数控机床不同生产工况时,难以建立一种共性的热误差解决方案。 探索了在 数字孪生框架下以无模型驱动方式实现数控机床热误差自适应预测的研究。 首先,建立了机床“热传感-映射-融合与优化-驱 动”数字孪生框架,实现热特征信息在数字孪生体中的存储与融合。 然后,基于 MISO 系统的假设条件和动态线性化几何释义, 提出了一种不受被控系统任何结构数据影响的热误差无模型自适应控制(MFAC)方法。 进一步,基于动态发现概率和自适应 步长的 DACS-MFAC 算法按照一定的周期更新系统参数,实现数字孪生系统下热误差预测值的动态优化。 实验结果表明, DACS-MFAC 方法具有适应强、精度高、收敛性好等优点。

摘要:控制的仿生性和行走的稳定性是四足机器人步态研究中重要的两个方面。 为了提高四足机器人运动的稳定性,本文通 过 Hopf 振荡器搭建了 CPG 模型,分别实现了多种步态及步态之间的转换。 比较了基于 CPG 的步态控制方法和轨迹规划的步 态规划方法在行走上的优劣性。 为了同时利用 CPG 控制和轨迹规划的优点,提出采用神经网络将 CPG 控制曲线与足端轨迹 逆运动学获得的驱动曲线进行非线性映射,使得四足机器人在控制上具备仿生特性,在足端接触上具备零冲击特性。 仿真和实 验结果表明,采用 CPG 的步态生成方法和轨迹规划方法四足机器人的行走速度理论行走速度 80 mm/ s 相近,但采用 CPG 的步 态生成方法四足机器人侧向位移在±10 mm 以内且俯仰角在±1. 5°之间,而采用轨迹规划的控制方法四足机器人侧向位移在 ±35 mm 以内且俯仰角在±4°之间,可见两种控制方式对侧向偏移和俯仰运动的表现不一致。 通过实验测量可知,机器人采用 walk 步态行走速度为 18. 57 mm/ s,与理论行走速度 20 mm/ s 接近,步态转换后以 trot 步态行走,行走速度为 76. 15 mm/ s,与理 论行走速度 80 mm/ s 接近,少许误差可能是装配和行走过程打滑导致的。 测量其侧向偏移程度可知,其侧向的偏移量左侧在 15 mm 内,右侧在 25 mm 内,其侧向偏移量均在合适的范围内,证明所提算法的有效性。

摘要:针对目前打磨机器人在复杂环境中不能兼具磨削精度和顺应性等问题,提出了一种基于算法优化的机器人打磨系统力 控补偿方法。 首先,阐述了机器人打磨系统的力学特性及力控优化算法原理;然后搭建了实验系统,进行了机器人容许响应范 围及主动柔顺恒力磨削实验,最后,采用扩展 Kalman 滤波算法、最小二乘拟合算法和粒子滤波算法优化打磨力的实时补偿值, 并对比了各算法的补偿效果。 实验结果表明,通过力控补偿功能,在 20 mm 内可实现 100% 对系统结构误差的补偿;与设定期 望打磨力比较,平均相对误差为 5. 44% ;利用扩展 Kalman 滤波算法、最小二乘拟合算法和粒子滤波算法优化后平均误差分别降 低至 1. 20% 、1. 24% 和 1. 64% 。 拓展优化机器人协同力控系统的实时力/ 位补偿功能,将有助于提高机器人打磨系统的精度和 稳定性,为机器人技术的发展提供理论依据和技术支持。

摘要:为了解决机器鱼在扰动下跟踪效率低的问题,本工作提出了一种抗扰动和自适应的误差约束控制方案。 首先,通过设 计虚拟控制输入,并利用积分环节更新了自适应视线制导律,消除了侧滑导致的运动位置偏离,增强了机器人的抗干扰能力。 其次,通过构造机器鱼的偏航和浪涌自适应控制器,使神经网络函数拟合模型的不确定项和水流扰动,并用逼近值补偿系统的 控制输入。 这提升了机体的环境适应性。 最后,利用障碍 Lyapunov 理论,机器鱼跟踪位置和角度的一致最终有界性被证明。 通过模拟和实验,与经典制导方案相比,所提方案提高了机器鱼的跟踪效率和稳态性能,使机器鱼的位置误差收敛速率平均提 升了 14. 57% 。 关键词: 机器鱼

摘要:针对实际环境下印刷电路板(PCB)缺陷样本难以收集造成的数据长尾分布和检测精度低以及 ViT 用于检测时计算 复杂度高等问题,提出多尺度 ViT 特征提取和注意力特征融合的端到端 PCB 缺陷检测算法。 首先结合 ViT 和部分卷积构建 多尺度特征提取网络,利用层级多头注意力对不同尺度的特征图执行自适应的注意力操作,使网络能够更好地捕捉局部和 全局信息进而增强其特征提取能力,部分卷积可以降低计算开销。 其次,基于能量空域抑制的无参数注意力机制将多尺度 特征有效融合,提升网络融合特征图的表达能力。 最后,引入对类别不均衡敏感的分类函数对网络的损失函数进行改进,增 强网络对类别不平衡数据的拟合程度,提高网络的泛化能力。 在 3 种不同类型的公开 PCB 数据集上的实验结果表明,所提 出的检测算法在 PCB 表面缺陷数据集的平均精度均值(mAP)均有提升,分别为 99. 13% 、98. 67% ,99. 82% ;在类别不均衡的 PCB 缺陷检测任务上,相较于改进前方法,mAP 提升了 11. 94% ,网络检测速度达到 25 FPS,为 PCB 缺陷的检测提供了一种 快速、有效的方法。

摘要:目前多芯电缆电流重构方法受限于电缆规格或传感器阵列与线芯需按特定规则摆放导致其在实际工程应用中较为困 难。 本文提出基于遗传算法进行三相四芯电力电缆线芯分布相关量的求解,进而得到任意线芯分布半径、任意线芯与传感器阵 列角度时磁传感器阵列各单元的输出量与各线芯电流之间的耦合系数矩阵的方法,用于重构四芯电缆中各线芯电流。 通过仿 真验证了算法的可行性。 为了能有效降低由于干扰等因素造成的误差,提出了一种先验求解模型以提高解的质量。 随后进行 了传感单元阵列电路拓扑的设计,使用设计的原型在搭建的实验平台进行了测试,实验结果表明,在三相平衡情况下,测量的三 相电流最大误差为 2. 42% ,最大相位误差为 2. 77°,在三相不平衡情况下,测量的三相电流最大误差为 2. 52% ,最大相位误差为 4. 17°。 实验结果验证了方法的可行性与有效性。

摘要:目前随着弱电装置在铁路通信、传感测量等方面的普及,电磁干扰问题越来越引起人们的重视,但是关于电磁干扰 机理的耦合分析等方面的工作开展较少。 本文针对一则典型的钢轨压力传感器电磁干扰问题,从干扰源排查入手,建立了 电源线与信号线的容性耦合物理模型,提取线缆间分布电容参数,定量分析了耦合电场大小;同时找出干扰源,确定为电源 线容性耦合导致的串扰电压干扰,给出了相应抑制干扰的措施,该分析与实测相符合。 研究结果表明,接地装置对电源线地 线的电磁干扰影响很大,从而进一步影响了信号线的信号电压。 当接地电阻的埋入深度从 0. 1 m 增加到 0. 6 m 时,电源线的 干扰电压得到了抑制;信号线的连接端头是容易耦合到外界电磁干扰的薄弱环节,是改善屏蔽效能的关键点。 本文所提出 的关于容性耦合的机理分析、计算方法、以及传感器信号的电磁干扰抑制措施,能够为今后电气设备的电磁干扰分析抑制提 供普遍的借鉴意义。

摘要:针对全球导航卫星系统信号中断情况下 SINS / GNSS 组合导航系统无法持续进行误差校正的问题,提出一种基于双通 道 Residual-LSTM 的 SINS / GNSS 组合导航算法。 首先,考虑到 SINS 经度、纬度误差传播特性不同所导致的模型输入、输出信息 之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应 地利用历史导航数据对经度、纬度信息进行拟合预测。 其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通 道 LSTM 网络之间建立残差高速通道形成 Residual-LSTM 模型结构,以增加不同网络层次之间的信息传播路径。 最后,通过实 船数据验证本文所提算法的有效性。 实验结果表明,与基于常规智能方法的 SINS / GNSS 组合导航算法相比,所提组合导航算 法在 GNSS 信号中断期间经度误差降低了 51. 97% ,纬度误差降低了 31. 45% 。