仿生机器鱼步态控制及闭环运动控制方法综述

鱼类所具有的推进效率高、机动性强、环境扰动小等优点引发了国内外学者对仿生机器鱼的研究。底层步态控制方法和闭环运动控制方法是当前机器鱼控制研究的两大热点。按照推进模式的分类方法概述各类机器鱼的样机研制情况以及其性能优劣,介绍机器鱼的推进机理及其水动力学研究进展,进而重点探讨轨迹逼近方法和中枢模式发生器这2种底层步态控制思路,综述机器鱼的典型闭环运动控制方法。中枢模式发生器具有更强的灵活性、稳定性和可操作性,易于引入反馈项而实现闭环控制,在机器鱼底层步态控制中占主导地位。针对机器鱼的显著特点改进后的基于学习的控制方法与多种方法相结合后的混合控制方法具有更为广阔的发展前景,符合仿生机器鱼智能化的发展方向。根据工作条件和运动要求建立合理的步态控制系统以及准确高效的闭环运动控制系统可提高机器鱼的整体性能。

采用能耗最优改进蚁群算法的自治水下机器人路径优化

针对传统路径优化算法中"距离最短能耗非最低"的问题,提出了一种基于能耗最优改进蚁群算法的自治水下机器人路径优化算法。该算法通过对水下机器人进行水动力学分析,建立了水下机器人移动过程中的受力模型;得到了机器人移动路径的能耗计算公式;提出了能耗最优的改进蚁群算法,采用路径能耗的倒数作为路径信息素值,实现了能耗指导蚁群进化的目的。实验结果表明:该算法规划的路径长433.51m,水下机器人能耗12 235.17J,算法寻优迭代次数22次;传统距离最优算法规划的路径长393.56m,水下机器春能耗12 864.99J,算法寻优迭代次数33次。该算法规划的路径距离虽比传统算法长10%,但是能耗却降低了5%,收敛速度明显比传统算法快,对降低水下机器人能耗、提高续航能力有一定的优势。

基于HHT的管道阀门内漏声发射检测研究

针对管道阀门内漏声发射信号的非平稳特征,提出将总体平均经验模式分解(EEMD)和希尔伯特变换相结合的希尔伯特黄变换(HHT)方法应用于管道阀门内漏声发射检测中。利用EEMD方法将阀门内漏声发射信号自适应分解为一簇本征模态函数(IMF),并对分解后的信号进行Hilbert谱和HHT边际谱分析,可以提取到阀门内漏声发射信号的本质特征,突破常规时频分析的非线性信号局限性以及经验模式分解(EMD)造成的模态混叠现象;相比于STFT频谱,Hilbert谱具有较高的时频分辨率,最后对信号的Hilbert边际谱分析确定了内漏信号的主要作用频率。该方法可以有效地应用于阀门内漏声发射检测中。

基于摩擦声发射信号的磨削表面粗糙度在线检测方法研究

利用摩擦产生的声发射(AE)信号的功率谱密度对磨削表面粗糙度进行在线评价.实测结果表明,AE信号的功率谱密度与外圆磨削表面粗糙度之间存在很好的映射关系,利用随机信号分析的经典估计理论建立的这种映射关系可用于外圆磨削表面粗糙度的在线检测.

基于声发射信号的砂轮钝化在线检测方法

提出了一种基于声发射信号的砂轮钝化在线检测方法,该方法利用BP神经网络建立磨削声发射(AE)信号幅值变化特征量与砂轮钝化状况之间的非线性关系模型,并利用实验数据对该模型进行训练测试,训练获得的模型可用于在线检测小批量、多品种磨削条件下砂轮的钝化状况。实验结果表明,该方法能够准确地在线检测砂轮的钝化程度,具有很高的实用价值。

基于Adams与Matlab/Simulink的水下自航行器协同仿真

针对传统水下自航行器(Autonomous underwater vehicle,AUV)仿真中图形界面、实时性和动力学性能难以兼顾的问题,提出利用虚拟样机分析软件Adams和控制仿真软件Matlab/Simulink联合建立AUV虚拟样机系统的方法。在分析虚拟样机系统运动学、动力学和水动力数学模型的基础上,给出虚拟样机物理模型及控制模型的建立过程,并利用该虚拟样机系统对设计的AUV空间动态定位控制算法进行基于动力学基础的仿真分析。仿真试验的过程及结果表明,该虚拟样机系统具备智能控制与动态控制交互仿真演示和功能验证的能力,可为AUV图形仿真研究提供一种新的解决思路,对研究水下自航行器的操纵与控制有重要的现实意义。

磨削过程计算机集成智能监控系统

利用神经网络建立了磨削过程计算机集成智能监控系统,该系统将磨削过程监测、故障诊断和反馈控制组成一个有机整体。通过在线提取磨削声发射(AE)信号RMS峰值、FFT峰值、信号标准偏差以及信号累积幅值增量,可以实现磨削烧伤、磨削颤振、砂轮钝化等故障的在线实时诊断。通过反馈控制系统实现磨削参数的实时调整,提高了磨削加工的性能、效率和磨削质量的稳定性。实测结果证明了该系统的有效性。

基于鱼类侧线感知机理的流场辨识方法及仿真研究

在研究鱼类侧线感知机理的基础上,综合运用了流体动力学,边界层理论,耦合仿生学等理论,建立类似于鱼神经丘模型的神经网络模型,从数值计算和仿真分析两方面对鱼体侧线系统进行模拟,并将研究结论应用于自治水下机器人(Autonomous underwater vehicle,AUV)的导航及目标定位,为AUV导航和环境辨识提供新思路。计算机仿真结果表明,基于鱼类侧线感知机理构建的感知模型可以有区分度地对一个新的水流工况进行识别,可为AUV的导航及目标定位提供支持。

基于神经网络的磨削砂轮状态的在线监测

利用声发射 (AE)传感器和功率传感器为信号源 ,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值 ,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型 ,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性 ,为磨削加工实现智能控制奠定了基础 。

磨削加工参数智能化在线调整方法研究

提出运用神经网络的非线性建模原理和自学习能力 ,建立影响磨削参数选择的各种因素与磨削参数之间的函数映射关系。据此可以实现初始磨削用量智能化选择目的。将磨削过程智能监测模块检测到的砂轮状态特征信号反馈到神经网络的输入端 ,根据砂轮钝化程度实现磨削参数的在线智能调整 ,以减少砂轮钝化对磨削质量的影响 。

基于交流异步电机驱动磨床进给位移的自学习控制

提出了一种利用PC机对普通磨床进行数控改造的方案 ,并设计了基于PC的控制系统 ,该系统利用PC机控制交流异步电机实现对普通磨床进给机构进给量的控制 ,并且采用自学习控制原理和变速度、变加速度位移指令生成方法 ,因此可使磨削加工实现快速进给 ,慢速切入 ,从而减小了目标点处惯性对加工精度的影响· 该系统可实现一般精度要求零件的自动磨削加工·

磨削质量在线监测方法研究

在理论分析和试验研究的基础上 ,提出了一种在线监测磨削表面粗糙度的新方法 ,该方法从声发射 (AE)传感器探头与磨削表面摩擦产生的AE信号中提取有关磨削表面粗糙度的信息量 ,利用神经网络实现磨削表面粗糙度的在线智能检测和预报。并通过实际跟踪测试和计算机仿真对该方法的可行性进行了分析。结果表明 ,该方法可行 。

海洋结构物小尺度桩柱的水动力系数研究与进展

本文主要归纳了基于Morison方程求解小尺度桩柱的水动力系数方面的研究成果。分别从单桩柱和群桩两个方面对水动力系数的研究成果,包括纯波、波流混合、横向力、直立桩柱、倾斜桩柱、复杂结构桩柱、粗糙度等进行了阐述,给出了在波流条件下水动力系数的变化规律;归纳了当前水动力系数的求解方法;介绍了在水动力系数的物模实验、数值仿真以及实验数据处理方法上的研究进展,并提出了相关研究的建议。

推进器系统激励下水下航行器结构中功率流分布特性及优化设计研究

以小型鱼雷式AUV作为研究对象,建立了参数化有限元分析模型,分别采用解析计算方法和nastran有限元分析获得输入功率流变化规律,验证有限元模型的可靠性。后处理得到AUV脊线上特征点在全频域范围内结构声强变化及AUV形体中功率流传播规律,结合PCL语言,得到AUV中功率流等值线分布,前后呼应展现了推进器系统激励下水下机器人中功率流传播特性。最后利用FEM优化平台结合振动功率流思想优化得到AUV壳体尺寸最优解,以蛛网图的形式对比了高低频处结构声强振动幅值与波动范围,印证了此优化思想。

磨削粗糙度在线检测方法的实验研究

本文对基于摩擦声发射信号的磨削粗糙度在线检测方法进行了实验研究。实验结果表明,采用声发射传感器探头与磨削表面摩擦产生的声发射信号的特征可以对磨削表面粗糙度进行评价,建立了摩擦声发射信号特征与磨削表面粗糙度之间的对应关系,并通过实验对该方法的可行性进行了实测。结果表明,探针与工件表面摩擦声发射信号的FFT和RMS特征与磨削粗糙度有很好的对应关系,可用于磨削表面粗糙度的在线检测。

外圆磨削表面粗糙度的在线监测方法研究

通过理论分析和试验研究, 找到了与磨削表面粗糙度有关的摩擦AE信号特征, 在此基础上提出了基于神经网络的外圆磨削表面粗糙度监测方法,利用神经网络建立声发射信号特征信息与磨削表面粗糙度之间的非线性映射关系.仿真结果表明利用该方法可以实现磨削表面粗糙度的在线评估.

基于VB环境的砂轮智能选择系统开发

提出用模糊自适应调整BP算法建立磨削条件与砂轮特征参数之间的关系模型;并依据磨削数据手册中的数据及实验结论对模型进行训练,训练好的神经网络可实现砂轮型号的智能推荐;测试结果显示模糊自适应BP网络比原BP网络收敛速度快、识别准确率高·该方法具有不依赖经验工人,无需要建立规则,利用最新的研究结果可随时训练网络,具有很好的扩展性等优点·利用VB和Matlab语言相结合的方法开发本系统,开发过程方便快捷,并具友好的用户界面·

智能材料在水下仿生机器人驱动中的应用综述

基于智能材料的柔性仿生水下机器人的研究是当今水下机器人研究的热点之一。智能材料驱动的水下仿生机器人具有微型化、柔性化、智能化、低噪声以及易于主动产生复杂运动等特点,其外形结构更加符合生物学特性,和传统驱动方式相比具有较大的优越性,近年来在水下机器人领域得到了较快的发展。本文对几种应用于水下机器人中常见的智能材料的驱动原理进行了比较,在此基础上介绍了国内外近年来利用上述几种智能材料作为驱动器研制的各种机器人。对机器人的外形结构和驱动模式作了简要介绍,重点对机器人驱动效率进行了分析和比较,分析了几种驱动材料性能的优劣。最后,指出了当前仿生水下机器人发展存在和需要解决的问题。

船舶锚系三维建模及拉锚试验的仿真分析

提出了一种基于ADAMS和UG的轮船锚系三维建模和拉锚过程动态仿真分析的方法,利用该方法可以验证锚链筒、锚穴形状、尺寸及在船上位置等设计的可行性,及时发现设计上存在的问题,根据仿真结果对锚链筒和锚穴位置和形状进行设计修正,取代传统的木模拉锚试验.该方法可节约人力物力,提高工作效率.通过对2600kW近海拖轮船首及锚系三维建模及基于ADAMS动力仿真分析,验证了该方法的正确性和可行性,并且具有木模拉锚试验所不能实现的优越性.

海底油气管道检测数据采集系统研究

提出压力差驱动爬行器携带漏磁传感器、超声波传感器、里程轮和磁力角传感器对海底油气管道状况及损伤位置数据进行采集的系统方案,采用漏磁和超声波两种信息融合技术,可以确保检测的准确程度。里程计数器和磁力角传感器记录数据可以给出损伤点的位置,对指导现场修复意义重大,并采用ARM嵌入式处理器完成数据的预处理和降噪与压缩存储,运算速度高,功耗低,可以实现远距离海底油气管道的状况检测。