便携式三坐标测量系统中可调光笔的设计

为提高光笔式三坐标测量系统的精度,设计了一个无线控制系统,用于控制光笔上LED的亮度值,点亮个数以及点亮时间。硬件部分主要由无线通信模块,单片机以及LED驱动器组成,而软件主要包括无线通信,串行通信以及LED控制程序三个模块。实验结果表明,相对于传统系统,该系统线性度好,灵敏度高,响应速度快,满足测量系统对实时性、稳定性、灵活性的要求。     

基于视觉的飞行器运动参数串行式递归估计

针对利用视觉方法进行飞行器运动参数估计中旋转与平移参数耦合及计算量大的问题 ,设计了一种适用于递归方法的串行式运动参数估计模型。证明了旋转运动参数的估计不依 赖于平移参数,据此建立了基于特征线的旋转运动参数估计模型,进而设计了串行式运动参 数估计模型。给出并证明了利用该模型进行运动参数估计时解的唯一性结论。仿真实验和实 测试验表明：相对于集中式模型,使用串行式递归模型进行飞行器运动参数估计时计算耗时 减小、姿态精度更高、鲁棒性更强。
     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

考虑等待时间约束的不完美生产系统的产出优化

针对某些生产系统存在等待时间约束及设备劣化引起产品质量损失这2个问题,构建了系统的缓冲区控制和预防性维护的联合优化模型。首先,利用伽马过程对下游瓶颈工作站的劣化过程进行建模,并考虑由于其状态劣化引起的产品质量损失;其次,在此基础上,将工件的到达、中间缓冲区及下游工作站的加工过程视为一排队系统,引入M/G/1/K排队模型分别求解了在制品(WIP)被阻塞和超出等待时间约束的概率;最后,以最大化系统的"有效产出"为目标,对系统的预防性维护和缓冲区控制作了联合优化。数值实例表明:本文所提模型是切实、有效的,对带等待时间约束的生产系统的缓冲区控制、预防性维护以及产出提高具有一定的指导意义。     

基于高斯过程的机器人自适应抓取策略

在机器人抓取作业时,目标物体的位姿经常发生变化。为了使机器人在运动过程中能够适应物体的位姿变化,提出了一种基于高斯过程的机器人自适应抓取策略。该方法建立了从观测空间到关节空间的映射,使机器人从样本中学习,省去了机器人视觉系统的标定和逆运动学求解。首先,拖动机器人抓取物体,记录物体的观测变量和机器人的关节角度;然后,利用记录的样本训练高斯过程模型,实现观测变量和关节角度的关联;最后,当得到新的观测变量时,通过训练的高斯过程模型得到机器人的关节角度。经过训练后,UR3机器人成功抓取了物体。     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

光学坐标测量机的搭建与实现CSCD

为了高速高精高效地完成中小型复杂型面零件的测量,基于激光位移传感器和三坐标测量机等搭建了非接触式的光学坐标测量机,从而将测量机和光学测头的优点结合起来以应对空间自由曲面的测量任务。通过测头标定技术获得测量光束所在直线的单位方向向量,进而将激光测头的一维距离值转化为测量光斑的三维坐标值,然后通过坐标系转换将此坐标值转化到统一的测量机坐标系下,进而完成被测曲面三维点云的创建。最后,对一个直径已知的球在10个不同方位进行测量,通过点云数据拟合球面方程得到其直径作为测量结果,所得各次测量结果的误差均小于0.05mm,充分说明所搭建的测量系统的有效性。     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

多分量雷达辐射源信号的检测与分离

针对多分量雷达辐射源信号难以有效检测与分离的问题,提出了时频变换结合时变滤波的方法。通过图像分割中的区域生长法在时频平面对各分量进行检测,对其中的线性调频分量采用分数阶傅里叶变换进行优先分离,再对时频或频域没有耦合的分量进行滤波,最后通过支持向量机划分分类线,用于时频耦合分量的分离。仿真实验结果表明,该方法可以对多分量信号进行有效的检测与分离。     

航天器单层板结构弹道极限的支持向量机预测模型

提出了一种基于非线性不可分支持向量机（SVM）方法的航天器单层板结构弹道极限预测模型。利用实验数据对SVM进行训练,建立穿透点和未穿透点的分隔面,进而预测新结构弹道极限特性。SVM的训练问题是以实验点分类正确性为约束,预测置信度最大化为目标的二次规划问题,用Lagrange对偶方法有效求解了该训练问题,并通过附加Lagrange乘子的上限约束处理不可分数据集。引入二次核函数将线性SVM推广到非线性,有效实现了实验点的分类。利用超高速碰撞实验数据对SVM弹道极限预测模型进行了验证,计算对比表明SVM方法有效预测了弹道极限,并且精度高于NASA JSC单层板弹道极限方程。对分离面方程分离变量,建立了基于SVM的弹道极限方程显式表达式。