Stifness modeling and analysis of a novel 4-DOF PKM for manufacturing large components

Faster response to orientation varying is one of the outstanding abilities of a parallel kinematic machine（PKM）.It enables such a system to act as a reconfgurable module employed to machine large components effciently.The stiffness formulation and analysis are the beforehand key tasks for its parameters design.A novel PKM with four degrees of freedom（DOFs）is proposed in this paper.The topology behind it is 2PUS-2PRS parallel mechanism.Its semianalytical stiffness model is frstly obtained,where the generalized Jacobian matrix of 2PUS-2PRS is formulated with the help of the screw theory and the stiffness coeffcients of complicated components are estimated by integrating fnite element analysis and numerical ftting.Under the help of the model,it is predicted that the property of system stiffness distributes within the given workspace,which features symmetry about a certain plane and is also verifed by performing fnite element analysis of the virtual prototype.Furthermore,key parameters affecting the system stiffness are identifed through sensitivity analysis.These provide insights for further optimization design of this PKM.     

基于变刚度纤维曲线铺放的机器人铺放路径规划及运动仿真

根据平面变刚度纤维曲线铺放路径设计了圆柱芯模的变刚度铺放路径规划;应用Denauit-

Hartenbery (D-H)矩阵法解出铺放机器人的末端位姿数学模型;运用Solidworks 软件建立了铺放机器人的虚拟

样机模型并仿真出了末端铺放轨迹;运用Matalb 软件对其进行运动仿真分析,绘制并研究各关节的运动参数

特性,证明了轨迹设计的合理性;利用Matalb 软件将仿真结果与数学模型求解结果进行对比,验证了末端位姿

数学模型的准确性与可靠性。

     

轨道转移飞行器复杂环境下假星干扰与星图识别研究

通过复杂环境下假星模拟,研究假星数目及K矢量查找角距阈值ε对星图识别成功率的影响,采用惯性数据辅助识别的方法,改善了星图识别的成功率.星图识别仿真结果表明,存在假星情况下,假星数目的增加及K矢量查找角距阈值ε的增大会降低星图识别成功率,假星数为7,ε取8″时,成功率仅为42.7％;惯性数据辅助识别相较于传统星图识别成功...     

基于相似度的卫星预复振试验结果评价方法

卫星大量振动试验结果表明,预振和复振响应普遍存在不同程度的差异现象(“预复振差异”)。针对该问题,工程上主要依靠设计师的经验分析进行故障定位,效率低、准确性差。基于此,文章首先提出了预复振响应的相似度分析方法,利用全频段相似度分析进行故障定位,进一步针对故障部位的响应进行分频段相似度分析,得到预复振差异频段,为设计师校核和改进结构提供量化的标准;然后,基于该方法建立了卫星振动试验结果评价的详细流程;最后,以某卫星承力筒为研究对象,设计了激振试验,分析结果表明：该方法可以实现卫星预复振试验结果的量化评估,提高产品研制效率。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

基于有限元的超精密空气静压主轴最佳综合刚度设计

超精密空气主轴的刚度是超精密主轴的一个非常重要的指标,轴承的结构形式、气膜结构参数均对刚度指标有影响.本文通过工程计算得到气膜刚度等参数后,在特定空间尺寸和重量的限制条件下,基于有限元进行Nanosys-600F五轴超精密机床的气浮主轴(C轴)机械结构设计,通过多次分析,得到了气浮主轴(C轴)最佳综合刚度结构参数.     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。