基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

基于超螺旋二阶滑模的双馈风力发电机控制策略

传统双馈风力发电机(DFIG)控制存在抖振现象,容易造成系统的不稳定。为了减轻控制抖振现象,提高控制的稳定性,在分析了DFIG动态特性的基础上,建立了DFIG的数学模型,设计了超螺旋二阶滑模控制器,并研究了突变风的情况下滑模控制器的控制性能。通过MATLAB/Simulink工具进行了仿真验证。仿真结果证明:滑模控制器具有良好的最优转矩跟踪能力和无功调节能力,与一般的控制方法相比鲁棒性较强,转子控制电压连续,控制产生的抖振可以大幅减轻,系统的稳定性大大提升。     

移15°双十二相隐极同步整流发电机数学模型的研究

分别在abc坐标系和dq0坐标系下建立了移15°双十二相隐极同步整流发电机的基本数学方程,推导了电机电压、磁链、输出功率、电磁转矩和转子运动方程。在MATLAB/Simulink中建立了移15°双十二相隐极同步整流发电机的仿真模型。对两路输出进行了不平衡负载仿真和试验。仿真与试验结果相比基本一致,验证了移15°双十二相隐极同步整流发电机数学模型的正确性。这为双十二相同步整流发电机运行性能和励磁控制系统的研究奠定了基础。     

纤维方向对CFRP钻削温度场分布和孔壁质量的影响

为研究CFRP不同纤维方向对其钻孔温度场分布和孔壁质量的影响,对不同纤维方向角处切削形式进行理论分析和ABAQUS仿真分析,并结合CFRP单向板、正交板和准各向同性板的钻削温度分布测试试验与钻削温度场仿真分析。结果表明,碳纤维方向对钻削温度场的分布规律影响很大;通过电子显微镜和共聚焦显微镜对不同纤维方向角处孔壁质量观测对比,发现纤维方向角在θ=0°、θ=45°和θ=90°处孔壁质量较好,在θ=135°处孔壁质量较差。     

碳纤维加筋板的超声相控阵C扫描检测可靠性研究

碳纤维加筋板结构在现代航空器中被大量应用,超声波相控阵C扫描技术是这类结构在役环境下的有效检测手段之一,被广泛应用。对于同一个损伤,在实际检测中会出现从不同的方向检测结果不一致的现象;这种现象在传统单点超声波C扫描检测中是不会发生的。本文从试验件表面曲率、缺陷特性等方面对这种不一致性进行了分析和探讨,并给出了避免这一类不确定性发生的建议。     

基于图和子图同构算法的制造特征识别方法

针对传统制造特征难以快速识别的难题,提出了基于图和子图同构算法的制造特征识别方法。通过提取零件模型中的几何信息与拓扑信息,构造出加权属性邻接图,对零件模型进行精准描述,为建立制造特征库,定义了文件数据的存储结构,结合子图同构算法以及相关判定规则实现对常见制造特征的识别与匹配。以Creo软件中生成的零件模型为例,在VS2010平台中进行二次开发,最后以界面窗口形式展示识别结果,验证了该方法的有效性。     

镁合金新材料及制备加工新技术发展与应用

镁合金是国际公认的最有潜力的轻量化材料之一,被誉为"21世纪绿色工程金属",其突出的结构减重效果有望解决我国关键装备和重大工程中迫切的轻量化问题.本文综述了近年来镁合金新材料的发展、镁合金制备加工新技术进展以及镁合金的应用发展现状,对当前镁合金领域存在的缺点进行了总结,并对镁合金未来发展重点及主要任务进行了展望.     

基于多智能体的多机型协同作战决策系统模型研究

多机型协同作战决策系统开发是一项很复杂的工程,各组成要素之间的活动很难进行定量分析和描述,战场情况也复杂多变,具有不可预见性和不可再现性。文中基于目前多机协同作战仿真的发展现状,运用多智能体(Multi-agent)技术,提出了多机型协同作战复杂系统分析与设计决策仿真模型;介绍了运用群建模和开发工具对基于Multi-agent的多机型协同作战决策系统仿真的实现。     

水听器自由场校准中不确定度的分析与评定

结合水声计量实际,较为详尽地分析了水听器的绝对和比较校准中不确定度的来源,并结合一次计量检定数据,对水听器校准中的不确定度的A类和B类评定,以及对合成不确定度、扩展不确定度的评定作了系统分析和论述。     

Aircraft Engine Gas Path Fault Diagnosis Based on Hybrid PSO-TWSVM

Twin support vector machine(TWSVM)is a new development of support vector machine(SVM)algorithm.It has the smaller computation scale and the stronger ability to cope with unbalanced problems.In this paper,TWSVM is introduced into aircraft engine gas path fault diagnosis.The generalization capacity of Gauss kernel function usually used in TWSVM is relatively weak.So a mixed kernel function is used to improve performance to ensure that the TWSVM algorithm can better balance a strong generalization ability and a good learning ability.Experimental results prove that the cross validation training accuracy of TWSVM using the mixed kernel function averagely increases 2%.Grid search is usually applied in parameter optimization of TWSVM,but it heavily depends on experience.Therefore,the hybrid particle swarm algorithm is introduced.It can intelligently and rapidly find the global optimum.Experiments prove that its training accuracy is better than that of the classical particle swarm algorithm by 5%.