煤炭资源枯竭型城市转型绩效与障碍因子

加快资源型城市转型步伐是实现经济高质量发展的必然要求。结合我国“一煤独大”的能源消费结构,选取15座煤炭资源枯竭型城市为研究对象,构建经济发展、社会福利与生态环境三维指标体系,运用熵值法、聚类分析和障碍因子模型定量评估了《全国资源型城市可持续发展规划(2013—2020年)》(以下简称为《规划》)规划期内15座城市的转型绩效,解析了影响城市转型的障碍因子。结果表明:1)转型绩效存在显著的时空分异。空间上,15座城市整体绩效普遍不及全国和省份均值,且转型前后地域差异明显,早期西部和东北地区较高,期末中东部地区较高;时间上,整体绩效呈缓慢增长趋势,但经济发展维度普遍负增长,而社会福利与生态环境维度普遍正增长。2)转型过程可分为经济主导型、均衡发展型、社会福利主导型和生态环境主导型4类。3)4类城市转型的障碍因子各有异同,六大显著障碍因子均覆盖三大维度,生态环境是转型发展的最大痛点。研究表明,《规划》取得显著成效,但煤炭资源枯竭型城市转型尚未彻底完成,仍需后续政策的支持。

仿青蛙变形轮式跳跃机器人的机构优化

能量储存和跳跃性能是制约跳跃机器人应用的关键因素。通过深入分析青蛙的跳跃运动,设计了一种变形轮式跳跃机器人机构,实现了能量的高效储存。在此基础上建立了轮式跳跃机构的运动学和动力学数学模型,对跳跃过程进行了详细分析。利用MATLAB对轮式跳跃机构进行了优化设计,确定了杆件的尺寸与弹簧连接点的最佳位置。建立虚拟样机和制作实物样机进行实验,实验结果与理论分析结果相吻合,验证了优化方法和结果的可靠性。

卓越工程师背景下的机械专业毕业设计教学改革与实践

机械专业的毕业设计是专业培养计划中最后一个教学实践环节,也是培养学生工程实践能力、融合创新能力、应用理论能力的重要环节。文章针对机械专业毕业设计的教学改革背景进行了分析,提出了实施方案。基于产教融合,建议建立三指导教师制度,通过加强过程管理,提高指导教师的综合能力,建立可持续循环的毕业设计教学改革监控机制,形成产教融合的毕业设计培养和过程管理机制,提高毕业设计质量和学生解决工程问题的能力,达到培养“卓越工程师”的教学目的。

基于双路FNN网络的固体火箭发动机壳体内缝检测方法研究

火箭发动机壳体内部螺纹连接处缝隙的检测精度是衡量其质量的重要指标,由于发动机壳体内表面形貌复杂,因此内缝质量仅靠人工检测不仅效率低而且可靠性差。提出一种基于FNN网络的内缝视觉检测方法,以灰度共生矩阵和PCA算法构造图像的特征参数,训练FNN网络,将火箭发动机壳体内缝的粗加工面与精加工面进行分类,分类识别率98.8%;然后,对两类情况做不同的图像处理,用Sobel算子找到缝隙边缘;最后,通过标定进行包括采集原始图像误差、直线拟合误差的系统误差修正,完成内缝宽度精确测量。实验表明,该方法稳定可靠,能够实现0.1~0.6 mm范围内±0.02 mm的识别精度。该方法实现了火箭发动机壳体内部螺纹连接处的高精度测量,为实现产品高效自动生产和质量检测提供了技术保障。

DEVELOPMENT OF A SHAPE-SHIFTING MOBILE ROBOT FOR URBAN SEARCH AND RESCUE

A portable shape-shifting mobile robot system named as Amoeba Ⅱ（A-Ⅱ） is developed for the urban search and rescue application. It is designed with three degrees of freedom and two tracked drive systems. This robot consists of two modular mobile units and a joint unit. The mobile unit is a tracked mechanism to enforce the propulsion of robot. And the joint unit can transform the robot shape to get high environment adaptation. A-Ⅱ robot can not only adapt to the environment but also change its body shape according to the locus space. It behaves two work states including the linear state （named as I state） and the parallel state （named as Ⅱ state）. With the linear state the robot can climb upstairs and go through narrow space such as the pipe, cave, etc. The parallel state enables the robot with high mobility on rough ground. Also, the joint unit can propel the robot to roll in sidewise direction. Two modular A-Ⅱ robots can be connected through jointing common interfaces on the joint unit to compose a stronger shape-shifting robot, which can transform the body into four wheels-driven vehicle. The experimental results validate the adaptation and mobility of A-Ⅱ robot.

改进PSO＿BP＿Adaboost算法在尺寸超差故障诊断中的应用

利用改进的粒子群优化算法优化BP神经网络,组合多个优化BP网络构成Adaboost强分类器,采用"一对一"分类思想建立了改进PSO_BP_Adaboost多分类器算法,并在部分UCI数据集上进行了有效性验证。实例中,将某零件上相同尺寸、不同位置的4个孔的直径作为BP网络的输入值,利用真实数据进行验证,该算法的分类正确率达到98%,表明提出的改进多分类器算法可有效用于尺寸超差故障诊断。

一种新型航空发动机气动打磨仪数值模拟与试验研究

设计一种气动打磨装置,用于修磨发动机叶片的微小缺口及损伤。为进一步研究打磨头在气压作用下的转速特性,明确不同气压下打磨头转速随时间变化的基本规律,应用流体力学理论及动网格技术对打磨头被动旋转进行数值模拟;基于数值模拟结果,采用Sigmiod变形函数,应用数值积分和插值法,得出打磨头转速关于气压和时间的数学模型。结果显示:该仿真能够有效模拟流场的实际状态,得到的转速数据与试验结果吻合,所建数学模型计算出的打磨头转速与实验值误差在10%以内,验证了该数值模拟方法的有效性和可行性。

基于局部主动轮廓模型的飞机壁板铆接孔定位方法研究

对飞机壁板铆接孔的定位方法进行了研究,提出了一种基于局部主动轮廓模型的铆接孔定位方法。首先通过基于灰度直方图的全局阈值分割和形心法进行铆接孔的粗定位;然后以粗定位坐标为圆心建立遍历圆,并以遍历圆作为限制条件构造能量圆,建立能量方程求解遍历圆内能量最小的像素点为铆接孔的精定位位置;最后进行视觉引导铆接孔定位试验,试验测得定位误差小于0.05mm,满足飞机壁板自动铆接的工艺要求,且比传统的区域主动轮廓模型定位精度高,具有一定的可行性。

基于螺旋理论的5自由度锤铆机器人刚度特性分析

为满足大型航空薄壁曲面工件的加工需求,设计了一种5自由度锤铆机器人。针对该机器人的特点,结合李群李代数及螺旋理论,建立并求解了其运动学模型;利用指数积公式推导出该机器人的雅可比矩阵,并使用刚度映射理论,求解出该机器人的刚度矩阵;运用有限元和Matlab仿真软件,对一般位姿与极限位姿下的末端变形量进行仿真验证,给出了该机器人在任务空间中随位姿变化的刚度分布图。仿真结果表明,与理论计算值相比较误差不超过10%,验证了所建立刚度模型的正确性和有效性,为后续工作路径优化提供了重要参考。

模块化轮指式高压线巡检机器人

为解决目前高压线巡检机器人对于高压线环境适应能力低、越障能力不足等问题,利用仿生原理设计了模块化巡检机器人。提出了由轮指移动机构和越障机构组成的轮指移动模块。通过多个模块的组合可以形成具有开闭结构与移动能力的高压线巡检机器人。机器人的控制系统采用Arduino作为主控器,通过光电传感器感知障碍物位置,并通过陀螺仪获取的角度信息调整机器人位姿。详细描述了机器人移动及越障的工作原理和实现形式;并分析了巡检机器人在水平面内和垂直面内越障及环境适应性。在研制的原理样机上进行水平面和垂直面内的绝缘子串越障及线缆曲率适应性实验,实验结果验证了采用轮指机构的高压线巡检机器人具有较好的越障能力和环境适应能力,表明该机器人具有很强的应用前景。

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。

基于神经网络的全方位移动机器人运动稳定性研究

全方位移动机器人具有平面运动的3个自由度,运动灵活性高,被广泛应用到狭窄拥挤环境中.针对实验室开发的MY2轮在运动过程中的振动现象及轨迹误差问题,采用BP(反向传播)神经网络方法来解决.根据机器人的结构及运动特点,建立BP神经网络模型并分析及优化了BP神经网络参数.以BP神经网络模型为基础进行轨迹仿真实验,分析初值、不同速度及不同轨迹对模型的影响.结果表明基于合适的BP神经网络方法可以将轨迹误差控制在3mm内,偏向转角误差小于3°,能够减缓机器人振动,提高轨迹精度.通过输入不同运动轨迹验证BP神经网络模型的普遍适用性,最后通过实验验证了仿真结果的正确性.

改进的PSO-BP算法在工业机器人末端位姿误差补偿中的应用

提出了一种全梯度标准粒子群优化反馈(FGSPSO-BP)神经网络的工业机器人末端位姿补偿模型.首先,提出一种运动学逆变换算法,通过机器人末端位姿对机器人各关节角度值进行计算,并采用Matlab验证了运动学逆变换算法的准确性.然后,提出一种基于全梯度下降法的FGSPSO-BP算法,将机器人实际末端位姿参数作为输入样本,实际位姿与理想位姿的各关节角度值之差作为输出样本,对网络进行训练,以得到机器人实际末端位姿参数与各关节角度值差的关系,采用测试样本对网络模型算法进行了验证.最后,利用新松机器人所采集的实际位姿和理想位姿数据,通过神经网络的方法,实现了对机器人各实际关节角度值的补偿,使机器人达到了理想的末端位置与姿态.实验结果表明,相对于传统的PSO-BP与YSPSO-BP神经网络,FGSPSO-BP神经网络对于机器人末端位姿误差的补偿精度更高,稳定性更好.