七自由度机械臂逆运动学求解方法

针对SRS (spherical-roll-spherical-joint)结构的机械臂,提出了一种基于臂型角规划的逆运动学求解方法.根据目标位置设置臂型角,将臂型角作为冗余参数,利用机械臂的几何特征求出逆运动学解析解.同时,针对机械臂运动过程中可能产生的臂型角奇异位形工况,引入肘部位置约束获得运动学逆解.通过UG-Simulink联合仿真及物理试验,验证了方法的有效性.当机械臂位于肩关节奇异位形,可避免采用关节角参数化求解时产生无数组解的结果.在重力卸载环境下的抓捕和释放物理试验中,有效解决了空间运动受限时的空间奇异解问题.     

线性时不变系统的完全跟踪控制器

从线性时不变系统的状态空间模型出发,借助于广义逆矩阵概念和相容线性方程组的最小范数解,从理论上推导了线性时不变系统的完全跟踪控制器方案。     

液体火箭发动机环境因子的修正逆矩估计

对文献 [1]提出的适用于大样本失效数据的逆矩估计法进行修正 ,针对液体火箭发动机飞行及地面试车数据的特点 ,提出了其天地环境因子的修正逆矩估计方法。与现有方法相比 ,本文提出的方法更加适用于小样本失效数据情形下环境因子问题的研究。最后用数值例说明了该方法的应用     

基于激光冲击强化的某型航空发动机风扇机匣壳体裂纹修复技术研究

为解决某型航空发动机风扇机匣壳体焊缝热影响区裂纹故障,采用激光冲击强化技术对机匣壳体焊缝部位及热影响区进行处理,以提高材料疲劳强度.以焊缝残余应力场和激光冲击残余应力场耦合规律分析为基础,优化功率密度、强化次数和冲击路径等强化参数,研究强化后的微观组织特征和力学性能,试验表明壳体热影响区材料的抗疲劳性能得到显著提高.采...     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。     

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。      

基于多尺度残差卷积网络的HEVC视频隐写分析

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位,同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段,提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差计算、特征提取和二分类3部分构成,其中在特征提取部分针对性地提出了残差卷积层、多尺度残差卷积模块及隐写分析残差块。实验结果表明:所提算法基于视频像素域分析网络的检测率高达99.75%,比传统的手工提取特征方法具有更大的优势。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。      

网格式肋化通道换热与总压损失特性研究

通过两个实验模型,对矩形网格式肋化通道的换热与总压损失特性进行了实验研究。模型通道的两个宽边是由铝板机械加工而成的肋化壁,两个短边是由胶木板制成的绝热壁。肋化壁上肋与通道轴线所形成的锐角定义为肋向角α,第一个模型的两个宽边上的肋向角分别为45°和-45°(简称45/45模型);第二个模型两宽边的肋向角分别为45°和-60°(简称45/60模型)。两个模型的肋宽与肋间距之比t/p=0.25,肋间距与肋高之比t/e=0.30,肋高与通道高度之比e/H=0.50,即两个肋化壁的肋尖相互接触,从而形成网格式通道。实验表明当雷诺数在0.5×105～1.2×105范围内变化时,网格式内冷通道换热效果比光滑通道提高了5～9倍,但伴随的总压损失增加了3个数量级。      

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。