可控环量帆翼在船舶上应用的研究

本文试验研究了一种可控环量帆翼,利用壁面切向喷流来移动帆翼圓尾缘分离点位置,可获得比普通帆翼更高的推力系数。文中介绍了展弦比为1的三维可控环量帆翼的试验研究。试验表明,这种可控环量帆翼在较小的喷流动量系数下,即可获得较大的升力增益。在喷流动量系数 C_μ=0.1时,零攻角升力系数已达0.9,在有攻角的情况下,升力系数最大可达2.2。同时,由于帆翼尾部壁面团向喷流的 Coanda 效应,这种可控环量帆翼的阻力亦较大。在喷流动量系数 C_μ=0.1时,零攻角阻力系数为0.3。文章对这种可控环量帆翼在船舶上的应用进行了讨论,并对其性能的进一步改进作了分析和探讨。     

精确复现机翼摇滚运动的控制技术

为快速、精确地复现自由摇滚实验得到的机翼摇滚运动,在控制伺服电机的传统PID参数基础上增加了基准速度修正系数Kv,并将其视作PID参数的一部分,在此基础之上给出了一种PID参数的快速估计方法.利用该方法可以快速得到不同试验状态下控制伺服电机复现机翼摇滚运动的PID参数,提高了调试反馈控制量的效率.同时,发现在进行PID参数调节之前对速度时序曲线进行光滑化预处理,能为进一步进行PID调节打下坚实基础,提高电机驱动模型复现机翼摇滚运动的精度.最后,通过风洞试验对给出的方法进行了实验验证.     

知识Petri网与机器人装配规划

介绍了知识Petri网（KPN），在柔性装配系统中基于KPN机器人装配规划的任务，以及用KPN为机器人装配规划的任务，以及用KPN为机器人装配规划建模和KPN的运行。文中论述了如何建立邻链表、构造KPN，以及最后如何运行KPN，获得最佳装配规划。最后，阐述了基于KPN的机器人装配规划系统中数据库、规划库及推理机的构造。基于KPN的机器人装配规划，与目前常用的机器人装配规划方法，如启发式搜索法AO和线性规划LP法相比，具有如下主要优点：由于将人工智能用于Petri网中，故智能强；适应性强，既适用于整套产品零件同时到达装配站，也适用于各零件分时到达装配站时的规划；算法简单，规划速度快，更适用于在线规划。     

弹性机器人的LQG／LTR控制

ＬＱＧ／ＬＴＲ设计方法仅适合于最小相位系统，本文对单臂弹性机器人系统，进行适当的处理和对方法进行改进后，仍采用ＬＱＧ／ＬＴＲ方法设计控制器，得到的闭环系统有较强的鲁棒性。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

基于标定及补偿提高串联机器人定位精度方法

在使用串联机器人进行定位操作前,首先需要对机器人基坐标系与测量坐标系进行位姿关系的标定,针对具有隐藏机器人基坐标系以及机器人法兰坐标系的串联机构,本文提出一种等价变换思想并结合应用激光跟踪仪测得机器人末端靶标点的坐标数据建立标定矩阵方程,应用罗德里格矩阵变换将标定方程转化为三元二次矩阵方程形式,采用最小二乘法和牛顿迭代法求出数值解进而完成机器人基坐标系与测量坐标系标定的方法。然后应用这种方法进行标定试验得到了20组标定结果,通过比较标定结果偏差进而验证了这种方法的正确性。最后,本文验证了应用这种标定方法的标定结果并结合一种新的位姿补偿算法后,能极大地提高机器人末端的定位精度。     

三角翼大幅度俯仰运动非定常洞壁干扰实验研究

在 3m低速风洞中用两个后掠角均为 70°的大小三角翼模型进行过失速非定常运动模拟 ,两个模型外形几何相似 ,根弦比为 1∶ 2 .1 2 5。在模型运动过程中测量模型的非定常气动力和风洞洞壁上的非定常壁压。研究大小模型对非定常气动力和非定常壁压特性的影响以及模型运动的缩减频率效应和雷诺数效应。结果表明 ,非定常壁压与非定常气动力一样具有迟滞特性 ,模型越大 ,迟滞环越大。