航空绞车综合测量系统的设计与实现

简要介绍了航空绞车综合测量系统的功能、组成、工作原理及软硬件设计。     

改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

Ⅰ型极值分布的环境因子

本文通过对Ⅰ型极值分布的理论分析和环境因子的二因子法，分别得到了Ⅰ型极大值分布和Ⅰ型极小值分布的环境因子，它们与正态分布的环境因子^[1]具有相同的形式，对Ⅰ型极值分布的环境因子进行了点估计，提出了用环境因子进行数据转换和综合的步骤。     

机器人运动的学习控制

机器人学习控制旨在采用简单的控制器结构和易于实现的控制算法,提高机器人轨迹动态跟踪精度。本文讨论了机器人控制研究中存在的困难,简要回顾了早期学习控制思想的形成和发展,重点介绍了近年来国内外有关机器人学习控制研究的现状。     

线性摩擦焊设备的振动测量和分析

针对线性摩擦焊设备焊接误差较大的问题，采用参数记录系统和加速度传感器测量了设备多个部位的振动幅度，并设计了高刚度顶锻滑台，为线性摩擦焊设备优化结构设计、减小振动以提高焊接精度提供了参考。     

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

AADL在航天器控制系统设计中的应用研究

以某型号航天器为例提出了一种使用体系结构分析和设计语言(AADL,architecture analysis & design language)分层次建模的方法,建立控制系统软件及软件与硬件之间的交互模型.采用状态自动机方式描述串口通信协议,以便分析模型.     

数控机床及工装的发展与创新设计

在现代数控加工中,由于被加工件的精度要求以及复杂度不断提高,传统加工系统无法满足使用需求,为解决这一问题,数字控制系统的核心算法以及驱动系统得到了快速发展,一些创新机构也应用到了数控机床的整机结构设计中.这些解决措施大幅提升了被加工件的精度和表面质量,促进了市场上一系列新型数控机床的出现,如复合机床、镜像铣削机床等,与之配合的新型加工工装技术也取得了相应的突破.     

Multi-state autonomous drilling for lunar exploration

Due to the lack of information of subsurface lunar regolith stratification which varies along depth, the drilling device may encounter lunar soil and lunar rock randomly in the drilling process. To meet the load safety requirements of unmanned sampling mission under limited orbital resources, the control strategy of autonomous drilling should adapt to the indeterminable lunar environments. Based on the analysis of two types of typical drilling media (i.e., lunar soil and lunar rock), this paper proposes a multi-state control strategy for autonomous lunar drilling. To represent the working circumstances in the lunar subsurface and reduce the complexity of the control algo-rithm, lunar drilling process was categorized into three drilling states:the interface detection, initi-ation of drilling parameters for recognition and drilling medium recognition. Support vector machine (SVM) and continuous wavelet transform were employed for the online recognition of dril-ling media and interface, respectively. Finite state machine was utilized to control the transition among different drilling states. To verify the effectiveness of the multi-state control strategy, drilling experiments were implemented with multi-layered drilling media constructed by lunar soil simulant and lunar rock simulant. The results reveal that the multi-state control method is capable of detect-ing drilling state variation and adjusting drilling parameters timely under vibration interferences. The multi-state control method provides a feasible reference for the control of extraterrestrial autonomous drilling.     

黄渤海晴空像元下雾霾识别的机器学习算法

为实时有效地识别和监测雾霾，选取2013年10月4日与10月5日的两景MODIS遥感图像，利用不同类型像元的光谱差异，基于神经网络模型，建立海上雾霾的遥感识别机器学习算法。经检验表明，在晴空条件下，机器学习算法反演精度相对较高，已超过98%，利用算法可以实现对中国近海上空雾霾的监测。