基于运动控制卡的多轴机床控制系统

以自行研制的多轴数控机床为实验平台,开发了基于PC机和运动控制卡的主-从式控制系统。系统开发过程中,引进有限状态机模型构建数控软件系统,采用面向对象的设计手法实现各个模块,在Visual C++平台上完成控制系统设计。最后以简便的人机交互界面形式提供用户操作。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

新一代GNSS接收机的智能跟踪状态评估技术

新一代全球导航卫星系统的接收机需要根据用户所处环境,自适应地调整接收机内部参数以达到最稳健的导航效果。这就要求接收机在运行过程中通过评估跟踪状态去检测和分析用户场景。基于对传统接收机控制系统缺陷的分析,提出了智能接收机的概念、特点及系统框架;在此基础上设计、分析接收机的智能跟踪状态评估算法;最后通过仿真验证了所设计的算法可以有效地识别场景及场景间的切换。     

考虑等待时间约束的不完美生产系统的产出优化

针对某些生产系统存在等待时间约束及设备劣化引起产品质量损失这2个问题,构建了系统的缓冲区控制和预防性维护的联合优化模型。首先,利用伽马过程对下游瓶颈工作站的劣化过程进行建模,并考虑由于其状态劣化引起的产品质量损失;其次,在此基础上,将工件的到达、中间缓冲区及下游工作站的加工过程视为一排队系统,引入M/G/1/K排队模型分别求解了在制品(WIP)被阻塞和超出等待时间约束的概率;最后,以最大化系统的"有效产出"为目标,对系统的预防性维护和缓冲区控制作了联合优化。数值实例表明:本文所提模型是切实、有效的,对带等待时间约束的生产系统的缓冲区控制、预防性维护以及产出提高具有一定的指导意义。     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

基于Markov Chain Monte Carlo的幂律过程的Bayesian分析

在多种合理的无信息先验分布下,基于Markov Chain Monte Carlo方法,提出了一种简单且易于抽样的幂律过程的Bayesian分析方法.所提方法将失效、时间截尾数据统一分析,能快捷地获取幂律过程模型参数的Markov Chain Monte Carlo样本,利用该样本不但能直接给出模型参数函数的后验分布,还能给出单样预测和双样预测的分析.一个经典工程数值算例说明了所提方法的可行性、合理性与有效性.该方法具有一定的优越性,可为小子样可靠性增长分析提供一种值得参考的方法.      

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

A Modeling Language Based on UML for Modeling Simulation Testing System of Avionic Software

With direct expression of individual application domain patterns and ideas,domain-specific modeling language(DSML) is more and more frequently used to build models instead of using a combination of one or more general constructs.Based on the profile mechanism of unified modeling language(UML) 2.2,a kind of DSML is presented to model simulation testing systems of avionic software(STSAS).To define the syntax,semantics and notions of the DSML,the domain model of the STSAS from which we generalize the domain co...     

机床组合夹具设计仿真平台在《机械制造技术基础》课程教学中的应用

本文针对传统的机械制造技术基础教学环节中存在的一些问题,提出了用VB（Visual Basic）对Solid-Works开发的机床组合夹具仿真平台进行辅助教学,并介绍了该仿真平台的设计和实现过程及使用和教学效果。