空间机器人的目标捕获自适应控制

首先推导了基座姿态受控空间机器人系统运动学关系,得到了广义雅可比矩阵。根据目标的运动来规划机械臂末端在惯性空间的期望轨迹。对机器人动力学和运动学关系式进行线性参数比,分别对动力学待估参数和运动学待估参数设计在线修正律,在关节空间采用自适应控制。对于存在动力学参数不确知的机器人系统,算法保证了系统的渐近稳定,在成目标捕获任务的同时,控制基座姿态保持在期望范围之内。以平面两关节空间机器人系统为对象进行了仿真,结果表明了算法的可行性和有效性。     

数据通信模式及其在面向对象的航空发动机性能仿真系统中的应用

本文在分析了航空发动机的仿真原理及实现数据共享的几种方法后, 提出了端口字典的概念。分析比较了在不同通信模式下建立的航空发动机仿真系统的优缺点。结果表明建立在端口字典加双端口 /连结器通信模式基础上的仿真系统具有逻辑清晰、使用简单的优点, 简化了编程, 节约了时间, 提高了仿真模型的可靠性, 并且更具可扩展性。      

三维LDV光学系统技术方案的研究

通过自行设计制造色分离器、一维发射系统、提升反射镜组针丹麦ＤＡＮＴＥＣ的二维ＬＤＶ改造为三维ＬＤＶ。提出了镀膜分光和紫光滤光片提纯相结合的最佳分色方案并研制了镀膜分色片、紫光波光片这两种关键部件。通过联调作校准试验,证明本三维ＬＤＶ系统完全达到了设计技术指标。     

基于分层式强化学习的移动机器人导航控制

针对未知环境下的移动机器人导航问题,本文提出了一种基于分层式强化学习的混合式控制方法。利用栅格-拓扑相结合的环境表示及地图学习方法,通过分层式强化学习在不同控制层次的扩展设计移动机器人的反应式和慎思式导航控制,实现了全局导航和局部导航控制的协调优化。实验及测试结果证明,该控制方法能实现导航任务的全局优化,避免陷入局部极小,并对未知动态环境具有较强的适应性。     

ADI-FDTD在激励源和完纯导体边界处的精确格式

证明了当采用交替方向隐式时域有限差分法(AD I-FDTD)计算时,完纯导体和激励源处的算法格式与无源空间的算法格式不同,并推导了AD I-FDTD算法在源和完纯导体所在网格处的精确格式。利用常规的FDTD、无源空间的AD I-FDTD以及在源和导体处采用精确格式的AD I-FDTD,分别计算了点源激励的在自由空间传播的二维TE波、TM波垂直入射于金属条带FSS的散射场。计算结果表明,如果计算域中包含导体或激励源,直接采用通常的AD I-FDTD格式会带来很大的计算误差,而采用该精确格式后,计算结果与FDTD的计算结果吻合,从而证明了本文导出的AD I-FDTD在导体和激励源处的精确格式的正确性和使用的必要性。     

含边界和损伤因素的纺织复合材料细观胞元模型

纺织复合材料的细观力学分析通常以胞元模型为基础,胞元边界条件的合理施加是获得精确分析结果的关键之一。本文以平面机织复合材料为例,讨论了细观胞元的选取和周期边界条件的施加方法,在此基础上建立了二维细观有限元模型,通过与全厚度模型分析结果的比较,研究了周期胞元模型的合理性,特别是边界效应和局部损伤等非周期因素对分析结果的影响,给出了这些因素下胞元边界条件的处理方法。     

Cd1-xZnxS体系红外光谱及发射率特性

制备了Cd1-xZnxS三元系半导体材料。利用X射线衍射(XRD)对其结构进行了表征,结果表明实验所得样品均为纤锌矿结构。建立了Cd1-xZnxS混晶替位模型,根据所建模型和晶格振动理论,对Cd1-xZnxS红外光谱特性进行探讨。研究了Cd1-xZnxS三元系半导体材料红外发射率特性,Cd1-xZnxS在3~5μm波段的发射率远远低于8~14μm波段的发射率,这与材料的红外吸收机制和光谱特性有关;Cd1-xZnxS半导体材料的红外发射率随着烧结温度的提高而降低,这是由于温度升高,晶格畸变减小并逐渐趋近于完整晶格。     

对方案有模糊互补偏好关系的模糊多属性决策法

研究了权重为区间数且对方案有模糊互补偏好关系的模糊多属性决策问题.首先,基于模糊互补判断矩阵的主观偏好信息,利用转换函数将决策信息一致化,并建立了目标规划模型.通过求解该模型得到属性的权重,运用加性加权法获得各方案的模糊综合属性值.其次,提出了基于方案的模糊正理想解与其模糊综合属性值相似度的方案排序法.该方法既能充分利用已有的客观信息,又能最大限度地体现决策者的主观意愿,且具有操作简便、易于上机实现的特点.该方法已应用于解决风险投资领域中项目评估问题.     

TC11钛合金的热态变形行为研究

采用等温恒应变速率压缩试验法,研究了TC11合金在780℃-1080℃和应变速率为0.001s-1~70s-1范围内的高温压缩变形行为。考察了变形温度、应变速率及变形程度对流动应力的影响关系。结果表明,流动应力对变形温度和应变速率敏感,随变形温度升高和应变速率降低流动应力减小,特别是在α β两相区变形温度对流动应力的影响显著。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。