基于抗差估计的工业机器人运动学参数标定

为了提高工业机器人标定过程中参数辨识的鲁棒性,提出了一种基于抗差估计的运动学参数标定方法。首先基于D-H模型建立了末端位姿误差模型,同时分析了等价权函数,然后利用激光跟踪仪测量机器人基坐标系和末端位姿,最后结合IGG3权因子函数利用抗差最小二乘法辨识了运动学参数。实验表明,机器人绝对定位的RMS误差由补偿前的0.87mm降低到补偿后的0.21mm,相较于传统的最小二乘辨识算法,此标定方法拟合精度更高且鲁棒性更强。     

航天器用镁合金高耐蚀化学镀镍层制备工艺研究

针对镁合金材料耐蚀性差,同时结合航天器电子结构产品对高导电的技术要求,采用碱性镀镍和酸性镀镍相结合的工艺方法,在AZ40M镁合金表面制备具有高耐蚀特性的Ni-P合金镀层。分别采用扫描电镜（Scanning electronic microscope,SEM）、能量色散谱（Energy dispersive spectroscopy,EDS）、X-射线衍射（X-ray diffraction,XRD）对镀层的微观形貌及相组成进行表征分析;采用动电位极化曲线及中性盐雾实验对镀层防腐蚀性能进行评价。实验结果表明：采用该工艺制备的Ni-P合金镀层为明显的非晶态结构,含磷量约为8%,属中磷镀层;当酸性镀镍时间达到60 min以上时,镀层自腐蚀电位在-0.55 V以上,中性盐雾实验48 h表面腐蚀,说明该镀层致密性好,具有优异的耐蚀性能,保证航天器镁合金电子结构产品在地面贮存、实验及空间应用的可靠性。     

基于SOM和关联规则的民机运行风险

为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。     

一种改进蚁群算法的DGPS整周模糊度求解

为了更精确地解算DGPS整周模糊度,把仿生学中的蚁群算法应用到模糊度固定解搜索环节,并在传统蚁群算法的基础上引入自反馈因子,改善了传统算法在整周模糊度解算中收敛速度慢、易于陷入局部极小的缺点.实例结果表明,在和LAMBDA算法的1000个历元对比实验中,改进蚁群算法的搜索成功率要优于LAMBDA算法,且接近百分之百,利...     

H∞滤波及其在惯导地面自对准中的应用

在理想条件下,卡尔曼滤波技术应用于惯性导航系统的地面初始对准可实现快速对准并且具有较精度,然而在系统模型和统计特存在不确定性的条件,Ｈ∞滤波可有效地解决卡尔曼滤波应用受到的限制,不仅估计精度高。     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ,ＡＡＮＮ）,然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

数控磨削中的智能精度控制

智能控制技术的发展为机床的控制提供了有力的工具.本文介绍了一种陶瓷刀片数控磨削加工的实时智能控制技术及算法.在陶瓷刀片数控磨削加工过程中,被加工刀片的尺寸随着被加工刀片数量的增加会逐渐增大而超出允许误差.影响误差的因素很多且不断变化,误差产生的规律很复杂.利用文中介绍的智能自学习误差补偿技术,数控系统能通过自学习自动改进补偿策略,控制加工误差.最后给出了仿真结果.     

空心光纤埋入环氧树脂复合材料中的影响与应用研究

首次提出利用空心光纤灌注胶液的方法进行复合材料的自诊断与自修复.文中具体分析了空心光纤的传光机理,介绍了利用空心光纤进行复合材料断裂位置测量的原理、方法和实验研究.依据国家有关的复合材料测试标准对环氧树脂复合材料埋入与不埋空心光纤进行了对比实验,实验结果表明空心光纤埋入树脂基复合材料中对其性能的影响是比较小的.因此,该方法在工程结构中极有应用价值.最后,给出了正在进行的研究系统的一个应用事例.