赴英国学习培训考察报告

通过考察了解了英国目前的教育体制与职业培训体系以及作者对英国职业教育的印象、感触及启示。在不同的历史时期，英国职业教育及其培训的形式不同；英国颁布的一些法律对发展职业教育起到了非常重要的作用；政府在职业教育及其培训中扮演了重要的角色。     

扑翼机器人机载视觉避障系统设计（英文）

扑翼机器人是一种高仿生度的飞行器,它可以执行军事侦察和民用监测任务。在执行这些任务时,避障是一种确保扑翼机器人安全的必要功能。本文设计了一种基于单目视觉的扑翼机器人自主避障系统,其中所有图像的处理计算均使用机载处理器实现。在这个系统中,机载处理器的质量被减至48 g,以便于扑翼机器人可以携带它稳定飞行。该系统的工作流程可以分为以下几步：首先,图像采集模块获取周围环境的视频图像;然后,机载处理器通过处理扑翼机器人第一视角的光流信息来计算方向舵角度和转弯方向;最后,飞控板接收计算结果并控制扑翼机器人避开障碍物。地面站对扑翼机器人飞行过程进行实时监测,实验结果验证了本文所设计的避障系统的有效性。     

基于有限元分析多件装夹夹具体结构设计研究

为了研究某汽车制动泵缸体件多件装夹夹具体结构刚性,利用UG软件建立多件装夹夹具体模型,通过ANSYS有限元分析比较无拉杆和有拉杆两种夹具体结构变形情况。结果表明,设置拉杆的夹具体结构变形比无拉杆的夹具体结构变形小,可有效地控制装夹变形量。基于此,设计一种对称式多件装夹夹具体,装夹时无需考虑夹具体变形量,只需关注被装夹工件的变形,简化了夹具体整体结构。在多件装夹夹具中,优先采用对称式夹具体结构设计,其次是拉杆式夹具体结构设计。研究结果可为企业设计多件装夹夹具体结构提供参考。     

基于变换域优选的航天器多域联合智能抗干扰决策方法

利用传感器采集航天器飞行参数,构建航天器多传感器分布式通信网络,并利用全局奖励确定最佳通信信道。通过变换域优选方法对信道频域实现抗干扰处理,在干扰较为严重时使用Stackelberg的功率域抗干扰方法,确定最佳传输功率,完成航天器多域联合抗干扰。实验结果表明,该方法可以针对不同干扰类型做出抗干扰决策,令航天器通信网络维持在稳定通信状态。     

航发叶片机器人磨削颤振检测方法

针对机器人磨削航发叶片过程中末端执行器颤振检测不及时的问题,提出一种基于排列熵的磨削颤振检测方法。利用滑动窗口算法计算颤振原始信号的连续排列熵值,通过排列熵经验阈值0.95判断机器人末端是否发生颤振。其中,采用基于序数模式的排列熵算法,很大程度上提高了排列熵特征的提取效率。当信号长度为10000时,所提出算法的排列熵的计算时间减小到约0.25 s,比传统排列熵算法的计算时间减小了一个数量级。数值模拟及试验结果表明,所提出的方法可以在颤振爆发前约0.48s检测出颤振,为采取颤振抑制措施争取了更多的反应时间。     

UC3843控制多路输出开关电源设计与实现

介绍了采用UC3843控制器的单端反激式开关电源的设计与实现,讲述了UC3843控制器内部电路及其特点,通过具体的多路输出开关电源设计实例分析了设计的主要步骤以及实际设计中应注意的问题,并提出了抑制噪声的措施,最后给出了该电源的性能测试数据。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

构架式天线柔性动力学建模与展开精度分析

构架式可展开天线具有结构非线性强、桁架系统复杂以及运动环节多等特点,通常被视作刚体系统进行建模分析。然而多刚体动力学方法在求解复杂的连杆结构时,难以处理数量大、非线性强的铰接间隙模型,因此并不能准确还原真实的结构特性,给构架式天线的地面展开验证带来很大困难。本文建立了一套适用于该型天线的柔性多体动力学模型,通过引入微小弹性形变来消除铰链间隙对天线展开的影响,并在型面精度方面与期望的天线展开模型进行了比较说明。在确保不影响结构真实性的前提下,通过降阶、引入稳定系数等手段提高了柔性体单元计算效率。通过约束方程的设计与模块拆分求解等方法,消除结构非线性的影响。解决了针对构架式可展开天线的复杂桁架系统强非线性动力学的高精度建模问题,为构架式天线的仿真提供了技术手段。     

一种面向空间非合作目标的强化学习多臂协同俘获策略研究

针对空间非合作目标清除任务中的目标适应性以及俘获动作规划复杂性等问题,提出了一种基于强化学习方法并结合“多臂分组协同”机制的包络俘获策略。首先构建了多臂俘获机构的物理模型和运动学模型,之后利用SAC(soft actor-critic)算法并引入前演训练（PT）设计了强化学习控制器,接着基于“多臂分组协同”奖励机制设计奖励函数以训练得到最优俘获动作。为了验证俘获策略对单目标作业的高效性和对多目标作业的高适应性,对各种目标分别进行仿真实验。仿真结果表明：所得的俘获策略可以对多种构型的目标实现高效、高适应地俘获。     

一种低复杂度的Multi-h CPM相干解调算法及FPGA实现

多调制指数连续相位调制（Multi-h Continuous Phase Modulation,Multi-h CPM）是一种恒包络调制,具有多个周期出现的调制指数,因此其频谱效率和功率效率比单调制指数CPM更高,但其接收机的复杂度也随之增加。本文在倾斜相位（Tilted Phase,TP）的基础上采用频率脉冲截断（Frequency Pulse Truncation,FPT）和状态空间分割（State Space Partition,SSP）相结合的方法来降低多调制指数连续相位调制的复杂度,使相位状态由512降低到16,理论损耗约为0.8 dB。同时,对降低复杂度的解调算法在现场可编程门阵列（Field Programmable Gate Arrays, FPGA）上进行了验证。仿真和在线测试的误码率曲线接近理论分析曲线,和常用的128状态解调算法相比,资源消耗降低了约59%。