面向工业机器人的数字孪生建模精度补偿方法

针对现有工业机器人智能装备建模感知监测精度缺失,依靠理论参数建模精度低等问题,本文以工业机器人铣削系统为研究对象,构建了高精度光栅尺实时测量机器人关节转角的数字孪生监测系统,避免了齿轮间隙、编码器丢码等关节转角误差对数字孪生建模准确度的影响;根据MD–H运动学建模方法建立了数字孪生驱动模型,采用L–M算法对工业机器人建模参数进行辨识修正,减少了机器人数字孪生模型中几何误差的影响;开发了数字孪生交互系统平台,用以监测、控制物理空间的工业机器人铣削系统的作业运动。利用辨识后的机器人关节参数构建的数字孪生模型,使得工业机器人铣削系统运动点位的建模精度从±1.6905 mm提高到了±0.3304 mm,提高了4.12倍,表明本文针对工业机器人数字孪生建模方法的正确性和建模参数辨识方法对建模精度补偿的可行性。     

BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络,以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数,建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程,得到最大固化度差值作为试验样本数据,对BP神经网络进行训练,训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高,为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。      

航空发动机数字工程初步研究与发展思考

新时代中国社会经济和工业体系的高质量发展,对航空发动机的研制提出更高要求,迫切需要借助数字工程系统化提升产品敏捷研发能力、夯实自主研制基础和提高客户满意度。本文分析了国外数字工程实施现状和发展趋势,结合中国航空发动机行业数字化建设基础,提出了航空发动机数字工程总体技术框架,初步定义了数字工程在航空发动机全生命周期内的应用场景,对航空发动机数字工程建设的关键技术进行了初步识别和分析。在建设实施层面提出了逐步推行先导试点项目、构建数字化生态和文化、统筹算力支撑、加强仿真采信等发展建议。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

运用神经网络进行冷挤压工艺设计的特征编码技术

将人工神经网络引入冷挤压工艺规划的基础和关键是将冷挤压零件的几何信息和工艺信息转换成人工神经网络所能辨识的数据信息。本文介绍的将模式性知识引入到冷挤压工艺设计过程中,对零件进行特征编码完成信息转换的方法可以有效地解决这个问题。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

一种融合神经网络与熵权法的多用户飞行程序评价体系

飞行程序人员主要依据国际民航组织（International Civil Aviation Organization, ICAO）第8168号规章从飞行安全考虑,兼顾部分经济性指标进行程序设计。目前,飞行程序设计鲜有考虑所涉及的不同用户的需求。同时,对飞行程序的评价主要依据专家经验打分,缺少对客观因素的分析。本文面向飞行程序涉及的4个用户,提出了一种融合神经网络与熵权法的飞行程序评价体系。首先,分析了飞行员、民航管制员、军航管制员、机场和城市规划部门4个飞行程序用户对飞行程序的需求,从而基于多用户需求建立了飞行程序的三级评价体系。再次,通过利用基于神经网络计算的主观权重以及基于熵权法的客观权重,利用博弈论框架得到了一种综合性主客观权重的评价体系。最后,基于中国西部某军民航合用机场的离场程序,对评估体系进行了实例验证,并对程序中的改进方向提出了建议。综合多用户需求的飞行程序将在空域资源受限条件下进一步提升空中飞行效率,降低延误。     

基于深度学习与灰度图的肌电机械手手势识别

为了提高肌电机械手手势识别的精度,首先将肌电信号信息转换为图片,实现更直观、更明显的肌电信息展示,然后使用迁移学习微调Res Net50模型,构建基于肌电信号灰度图的肌电机械手手势识别模型,并使用该模型对三种手势进行识别实验。结果显示,ResNet50模型对基于肌电灰度图的手势识别率高达93%,有效减少了过拟合现象并提高了识别精度。