基于改进人工势场法的服务机器人路径规划

人工势场法是服务机器人路径规划算法中一种简单有效的方法.针对传统人工势场法存在的目标不可达问题,通过在原来的斥力函数中加入一个调节因子的方法解决,同时采用遍历搜索法解决局部极小值问题,并引入安全距离以及改进调节因子以提高机器人路径规划过程中的安全性能.最后,利用Matlab软件将改进后的人工势场法应用于服务机器人路径规划并进行了仿真实验.仿真结果表明,基于改进人工势场法的服务机器人路径规划有效地解决了机器人不能到达目标点的问题.     

基于定位特征点的叶片锥束CT点云模型配准方法

针对实际生产过程中锥束CT检测空心涡轮叶片的点云数据与计算机辅助设计模型的配准问题,提出了一种基于定位特征点的叶片锥束CT点云模型配准方法。首先将点云数据与计算机辅助设计模型进行预配准;然后查找空心涡轮叶片的设计定位特征点坐标;最后根据定位基准点寻找点云数据上与之对应的基准点,并建立各自坐标系,根据坐标系进行几何变换,迭代直至满足要求,从而完成精确配准。试验结果表明,该方法很好地实现了锥束CT点云模型的配准定位,满足了实际生产要求。     

测量兆欧表中值电压和开路电压的一种方法

提出了一种仅用一台通用高阻标准器和台式数字多用表来完成兆欧表中值电压和开路电压的计量方法。通过调节高阻标准器的阻值以及改变和数字多用表的连接方式,组合出所需的测量电路。实验结果表明,该方法实用性强,操作方便,灵活度高,减低了成本,提高了设备的使用率。     

光纤环及其骨架材料膨胀系数测量方法研究与实现

介绍了一种光纤环及其骨架膨胀系数的简易测量方法,并组建了测量系统。利用铝材和不锈钢,对系统的可行性进行了验证,同时用该系统测量了光纤环及不同骨架的膨胀系数,并对实验数据进行了分析研究,实验结果表明：该系统能够为找出与光纤环相匹配的骨架材料提供技术支撑,具有一定的实用和推广应用价值。     

某3级风扇试验流场诊断及性能优化

压气机试验是检验压气机设计是否达标的重要过程,并可在原设计基础上进行优化来发掘设计的潜能。利用级间总压和壁面静压在某3级风扇第1阶段试验对级间流场进行了详细测量和级性能诊断,提出了静叶角度优化方案;通过第2阶段试验,得出了角度优化后使设计转速喘振裕度提高了7.5个百分点,达到了设计指标的结论。流场诊断技术在压气机试验中起到了关键作用。结果表明:壁面静压结合级间径向总压测量方法基本能够满足在压气机试验中性能优化的需要。     

硬态切削表面残余应力分析研究

以轴承钢GCr15为研究对象,根据热-弹塑性有限元理论,建立了热力耦合的二维正交硬态切削模型。根据硬态切削的特点,在硬态切削有限元模型中设置了未预先设置分离线的点面接触并选择了Johnson-Cook材料本构模型,通过有限元分析计算,得到了不同切削参数和刀具几何参数条件下已加工表面残余应力的模拟结果。对结果进行比较分析得出,最大压残余应力出现在工件表面,沿着深度的增加工件内部的残余应力由残余压应力转化为残余拉应力,并逐渐趋向于零。这对于控制和提高硬态切削工件表面质量具有重要的理论指导意义。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.     

基于不相关模态振型的修正技术

为充分利用试验测量结果,探讨了一种修正技术,不但有效利用试验数据中与有限元模型相关的模态信息,同时也有效利用不相关模态信息,并成功应用于某型现代高推质比涡扇发动机结构中.通过计算,修正后的模型计算值与试验测试值比较接近,误差接近0,MAC（model assurance criteria）值接近1.研究表明:利用不相关模态振型的模型修正技术能够有效得到准确的修正参数值,且修正后的有限元模型具有很高的计算精度.