基于EtherCAT的机器人教学实验平台设计

为提高机器人实验教学的效果和降低实验平台的成本,设计并实现了基于EtherCAT技术的机器人教学实验平台。该平台由运动控制主站和从站两部分组成,主从站之间采用EtherCAT总线进行通信,使机器人设备能够快速接入从而实现灵活的拓扑结构。主站运行在PC端,主要由SOEM主站通信、G代码解析、运动学求解、机器人组件管理等模块组成,平台中由PC主站来实现机器人控制的主体部分;控制从站由STM32微处理器和LAN9252从站控制器搭建,可以接收主站发送的控制指令驱动机器人动作,并收集从站状态信息和传感器信号反馈给主站。应用实例表明,该平台功能完善,灵活度高,适用于多种不同的机器人实验场景。

基于VMD的铣刀破损检测

针对铣削过程中的切削振动信号具有非平稳性的特点,提出了一种基于变分模态分解(VMD)的铣刀破损检测方法。该方法通过VMD将切削振动信号分解成若干个模态分量,由于铣刀发生破损后,不同模态分量的频带分布会发生变化,因此提取各模态分量的中心频率和能量组成特征向量;对特征向量进行归一化处理,最终输入到支持向量机(SVM)进行铣刀破损检测。在多种切削参数下进行铣削加工实验,结果表明该方法比基于EMD的铣刀破损检测方法能抑制模态混叠的发生且具有更高的检测精度。

基于X3DOM的工业机器人虚拟样机设计

为提高实验教学效果,设计并实现了基于X3DOM的工业机器人虚拟样机,无插件的设计方案使得样机的连接和使用能够通过浏览器进行,降低了对操作环境的要求。其中用X3DOM实现三维模型显示,用HTML5实现控制界面和运动控制算法,二者相结合实现机器人运动学模型到三维模型的映射和虚拟样机的基本功能。此外虚拟样机通过TCP通讯实现了工业机器人的远程控制,能够进行实时的虚实结合实验。最后通过实验验证了机器人虚拟样机的准确性、同步性以及远程控制的实时性。

FREQUENCY OVERLAPPED SIGNAL IDENTIFICATION USING BLIND SOURCE SEPARATION

The concepts, principles and usages of principal component analysis （PCA） and independent component analysis （ICA） are interpreted. Then the algorithm and methodology of ICA-based blind source separation （BSS）, in which the pre-whitened based on PCA for observed signals is used, are researched. Aiming at the mixture signals, whose frequency components are overlapped by each other, a simulation of BSS to separate this type of mixture signals by using theory and approach of BSS has been done. The result shows that the BSS has some advantages what the traditional methodology of frequency analysis has not.

基于神经网络方法的区间删失数据回归分析:应用于24h身体活动模式的死亡风险建模

目的基于身体活动数据预测每个观测对象的生存概率。方法从美国国家健康与营养调查(NHANES)数据库中提取NHANES 2003—2006年不同对象的身体活动监测数据。通过综合Brier评分、受试者工作特征(ROC)曲线及曲线下面积(AUC)等多种评价指标来评价模型的预测性能,比较了条件生存森林、自适应LASSO、深度学习生存模型等三种生存分析模型的预测性能。结果本研究所建立的深度学习生存模型的预测性能优于其他两个模型。同时,本研究还分析了各项身体活动变量在深度学习生存模型中的重要性,其中年龄和总活动计数对人的身体影响最大,在内部和外部验证中均观察到类似的结果。结论深度神经网络生存模型可以作为预测身体活动对身体影响的有效工具。