Agent仿真中具有先验知识的混合学习算法与混合结构模型

强化学习是一种有效的机器学习方法,是无监督学习,通过不断地和环境交互得到外部环境评价信号,选择合适的动作。Q学习是一种典型的强化学习,其学习效率较低,尤其是当状态空间和决策空间较大时。为提高Q学习学习效率和收敛速度,采用具有先验知识的Q学习算法,利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化;针对Agent个体学习与群体学习各自的不足,提出了采用混合学习算法,将个体学习与群体学习有效结合起来,提高了Agent的个体性能及系统整体的智能水平;同时为满足复杂适应性需求,采用Agent混合结构模型,在该模型中构造了基于知识的协调控制器,通过它来协调慎思式过程和反应式过程。     

一种鲁棒的飞机零件多尺度特征点检测方法

针对飞机零件几何模型多尺度特征检测问题，提出一种鲁棒的多尺度特征点检测算法。算法首先设计一种L1中值滤波算法获取无结构点云精准法线；然后基于计算得到的法线，计算各点的局部邻域波动，提取初始特征点；最后针对初始特征点数据冗余问题，提出一种收缩优化策略，计算最终特征数据点。试验结果表明，与传统的点云特征点检测方法相比，算法检测精度明显提升；其次，对于存在较大噪声的点云数据仍然能够有较好的提取效果，算法鲁棒性高。     

基于层级优化点云配准的飞机整机测量技术研究

飞机产品的精度要求越来越高,这使飞机零件的精确制造和精密装配变得越来越重要。随着数字化测量技术的发展,三维激光扫描仪被广泛应用在飞机产品的多视角局部几何形状捕捉中。将多种角度的点云对齐到同一坐标系中,最终组成测量目标的完整形状,该过程称为配准。因此,多视角点云配准是飞机产品外形重建和检测的重要步骤。针对此问题,提出了基于层级优化的多视角点云配准的通用框架。系统的输入是由位于不同站位的激光扫描仪扫描所得到的带标靶的点云数据,各点云数据处于不同的测量坐标系下且有不同程度的重叠。用图来表达多视角点云和点云之间的重叠关系,图中每个节点表示单站点云数据,节点之间的边表示两点云之间的重叠关系。为使这些点云数据最终匹配到统一的坐标系下,还提出了一系列方法来提高点云配准的精度和效率。     

飞机大尺寸自动化柔性测量技术研究进展

飞机大尺寸零部件具有结构复杂、外形尺寸大等特点。传统的单一测量手段如激光跟踪仪,因测量效率低等问题,越来越难以满足飞机智能制造的高精度、高效率的测量需求。大尺寸自动化柔性测量技术作为一种新兴的组合式测量方法,突破了单一测量设备测量效率低的难题,以其高精度、高效率测量的优势,在航空测量领域展现了极强的发展应用前景。针对飞机制造过程中大尺寸自动化柔性测量技术的研究,本文首先综述了飞机大尺寸测量场构建的相关进展。其次,介绍了自动化柔性扫描路径规划的研究进展。然后,列举了柔性化测量在飞机蒙皮间隙测量、整机水平测量和数字化预装配等方面的应用现状。最终总结得出,飞机自动化柔性大尺寸测量技术的研究对提高飞机制造过程中的质量控制具有重要的实际意义。     

基于深度相机的飞机中央翼油箱高精度三维重建方法

提出一种基于深度相机的飞机中央翼油箱高精度三维重建方法。该方法用多视点云实现配准,配准过程包括粗配准和精配准两个阶段。首先在2个点云上建立点对特征（Point pair features,PPFs）作为全局模型描述。然后,对一组粗配准位姿进行投票,得分最高的位姿作为初始位姿。在此初始位姿的基础上,构造颜色和几何的联合目标函数,利用迭代最近点（Iterative closest point,ICP）对点云进行对齐。将上述过程应用于相邻帧点云,并通过图优化重建结果,实现完整的飞机中央翼油箱三维模型重建。与其他方法相比,本文方法实现了高精度的三维重建。此外,当遇到重复的特征和结构时,传统的ICP可能缺乏稳定性,但本文方法仍然适用。     

薄壁钛合金零件切削颤振控制技术研究

利用ANSYS建立导弹中典型薄壁钛合金零件加工系统的有限元模型。通过模态分析得到零件加工系统的颤振特性,进而对其进行谐响应动力学分析,得到加工系统的动态响应特性。基于VC++自主开发切削颤振控制平台用以优化切削参数,实现了薄壁钛合金零件的切削颤振控制及高效精密加工。     

基于区域感知的机械零件位姿计算方法

机械零件位姿识别的准确性与高效性是实现生产过程自动化与仓储物流智能化的关键性能之一。本文对一般机械零件的位姿计算方法进行了研究,针对其形状种类多、结构特征明显等特点,结合场景语义分割方法以及点对特征,提出了一种基于区域感知的机械零件位姿计算方法,计算机械零件的位姿。为验证方法的有效性,使用多组数据进行了实验,并和其他方法进行了对比,试验结果表明该方法具有较高的位姿计算精度,且可以有效地提高计算效率。