新型数字化桩核印模方式的准确度分析

目的:利用三维图形最佳拟合配准技术,研究新型数字化桩核印模方式的准确度。方法:按照桩核要求对上颌标准牙科模型的左上尖牙进行牙体预备,选用Micro-CT获取左上尖牙预备体的三维重建数据。使用口内扫描仪扫描实验模型8次用于模拟椅旁扫描患者口内牙列的步骤,再制取8个硅橡胶印模并用台式扫描仪进行光学扫描,采用专用软件将获得的口内印模和硅橡胶印模两副数字化模型进行拟合获得8个完整的三维模型。通过测量和比较各组重叠模型的均方根,对新型数字化桩核印模方式准确度进行分析。结果:新型数字化桩核印模方式精度偏差值为(91.100±12.475)μm,重复度偏差值为(91.354±21.422)μm。冠部组精度和重复度偏差值均小于根部组(P<0.05),根尖1/3组的精度和重复度偏差值均大于其余各组(P<0.05)。结论:新型数字化桩核印模方式总体准确度在临床可接受范围,可以应用于临床实践。同时新型数字化桩核印模方式准确度在不同部位有一定的差异,其冠部准确度高于根部,根尖1/3部分准确度低于其余部位。

滚动轴承旋转精度测量实验设计

为提升“新工科”专业人才培养质量,满足行业对毕业生解决复杂工程问题能力的要求,以滚动轴承旋转精度测量为例,设计一项包含理论建模、测量数据研究、软件开发的工程实验。基于角接触球轴承旋转精度检测时的接触关系,建立径向跳动值和轴向跳动值计算解析模型。选取9个均布位置检测轴承套圈设计参数,利用傅里叶级数对测量数据进行轮廓拟合,设计旋转精度计算流程并进行编程计算,得出旋转精度变化规律。计算与测试结果一致,遵循国家标准开展实验,与工程问题无缝衔接,实施过程具有创新性,强化实验对人才培养的支撑作用。

发泡聚乙烯最大加速度-静应力曲线快速获取方法研究

目的研究快速、准确预测最大加速度-静应力曲线的方法。方法首先利用落锤冲击试验机获取了5个不同高度下,5种不同厚度的发泡聚乙烯的最大加速度-静应力曲线。在此基础上,分析对比文中3种不同的改进拟合法与已有的动应力与动能量多项式拟合法的区别。结果研究发现,当不区分高度的情况下,以最大加速度因子为函数值,以跌落高度、衬垫厚度、静应力为变量进行拟合时,其代表预测精度R^(2)的平均为0.835,相比动应力与动能量多项式拟合法的0.2996要高。但曲线右侧的预测精度偏低。引入以静应力为变量的多项式作为修正因子后,R^(2)的平均值为0.934。预测精度有所提高,右侧的预测偏差减小,但仍存在。在区分高度的情况下,以带有修正因子的公式进行预测时,R^(2)的平均值为0.984,曲线向右侧预测偏差逐渐增大的现象明显改善。结论区分高度情况下,利用带修正因子的预测公式可以快速且较准确地预测最大加速度-静应力曲线,可以为冲击防护设计及相关软件的开发提供一定的帮助。

无需公共点的高精度激光跟踪仪自标定方法

多台激光跟踪仪组成的测量系统能够得到高精度的坐标观测值,在加速器准直工程领域应用十分广泛。该系统需要自标定仪器中心的距离,目前基于球面拟合的自标定方法虽然测量效率较高,但是其精度有限。为了提高其精度,分析基于拟合的自标定方法精度较低的主要原因,提出了基于三角形结构的自标定方法,定量对比了新方法和基于球心拟合方法的精度。新方法建立非线性误差模型进行参数迭代求解,能够应用于激光跟踪仪的三维自标定。通过模拟仿真和实测实验,证明了该方法比基于球心拟合的自标定方法在精度上有了大幅度提升。文中算法无需增加额外设备,改进了原先基于球心拟合方法并提高其自标定精度,具有一定的工程应用价值。

结合经验小波变换与BP神经网络的GNSS-IR土壤湿度反演

全球导航卫星系统(global navigation satellite system,GNSS)接收机接收到的多路径信号可用于测量土壤湿度。针对目前全球卫星导航系统多径干涉遥感技术(global navigation satellite system interferometry and reflectometry,GNSS-IR)在土壤湿度反演领域精度较低的问题,实验利用美国板块边界观测(plate boundary observation,PBO)网的P040测站作为研究对象,选取该测站的2颗卫星PRN10和PRN14分别进行信噪比数据分析,将L2波段反射信号的延迟相位作为输入、PBO中H2O的土壤湿度值作为输出,建立基于经验小波变换神经网络(empirical wavelet transform-back propagation,EWT-BP)模型的土壤湿度反演模型,并对提出的土壤湿度反演方法进行精度评定。结果表明,EWT-BP模型反演的土壤湿度与实际土壤湿度之间具有较强相关性,其决定系数(R2)分别为0.820和0.844,相比传统低阶多项式拟合法,R2分别提高了21.66%和28.66%,该结果验证了EWT-BP模型能够有效提升GNSS-IR土壤湿度反演的精确度和可靠性。

身体素质与初学者手枪射击精准度的相关性研究

目的:探索作为影响运动表现的重要因素的身体素质可能对提高手枪射击精准度具有潜在的重要作用。方法:通过实证研究探讨身体素质与手枪射击精准度之间的相关性,并利用独立样本t检验分析了身体素质差异对射击精准度的影响。研究结果表明:反应时与手枪射击精准度之间展现出强烈的负相关关系,相关系数高达-0.588(p<0.01)。肩部灵活性和功能性运动筛查(FMS)得分与手枪射击精准度之间呈现出显著的正相关关系。握力大小、俯卧撑能力、单脚闭眼平衡能力与手枪射击精准度之间未观察到显著的相关性。本研究结果为警务人员和相关研究人员提供了有价值的参考信息,有助于推动警务射击训练的改进和优化,提高警务人员的实战能力和应对复杂执法环境的能力。

孪生支持向量回归机研究进展

孪生支持向量回归机(Twin Support Vector Regression,TSVR or TWSVR)是一种基于统计学习理论的回归算法,它以结构风险最小化原理为理论基础,通过适当地选择函数子集及该子集中的判别函数,使学习机的实际风险达到最小,保证了在有限训练样本上得到的小误差分类器对独立测试集的测试误差仍然较小.孪生支持向量回归机通过将线性不可分样本映射到高维特征空间,使得映射后的样本在该高维特征空间内线性可分,保证了其具有较好的泛化性能.孪生支持向量回归机的算法思想基于孪生支持向量机(Twin Support Vector Machine,TWSVM),几何意义是使所有样本点尽可能地处于两条回归超平面的上(下)不敏感边界之间,最终的回归结果由两个超平面的回归值取平均得到.孪生支持向量回归机需求解两个规模较小的二次规划问题(Quadratic Programming Problems,QPPs)便可得到两条具有较小拟合误差的回归超平面,训练时间和拟合精度都高于传统的支持向量回归机(Support Vector Regression,SVR),且其QPPs的对偶问题存在全局最优解,避免了容易陷入局部最优的问题,故孪生支持向量回归机已成为机器学习的热门领域之一.但孪生支持向量回归机作为机器学习领域的一个较新的理论,其数学模型与算法思想都尚不成熟,在泛化性能、求解速度、矩阵稀疏性、参数选取、对偶问题等方面仍存在进一步改进的空间.本文首先给出了两种孪生支持向量回归机的数学模型与几何意义,然后将孪生支持向量回归机的几个常见的改进策略归纳如下.(1)加权孪生支持向量回归机由于孪生支持向量回归机中每个训练样本受到的惩罚是相同的,但每个样本对超平面的影响不同,尤其是噪声和离群值会使算法性能降低,并且在不同位置的训练样本应给予不同的处罚更为合理,因此考虑在孪生支持向量回归机的每个QPP中引入一个加权系数,给予不同位置的训练样本不同程度的惩罚.(2)拉格朗日孪生支持向量回归机由于孪生支持向量回归机的对偶问题中半正定矩阵的逆矩阵可能不存在,若存在,则对偶问题不是严格凸函数,可能存在多个解,因此考虑使用松弛变量的2范数代替原有的1范数,使对偶问题更简单,易于求解.(3)最小二乘孪生支持向量回归机由于孪生支持向量回归机的求解需要在对偶空间进行,得到的解为近似解,考虑通过最小二乘法将原问题的不等式约束转化为等式约束,使得原问题可以在原空间内求解,在很大程度上降低计算时间,提高泛化性能,且不损失精度.(4)v-孪生支持向量回归机通过引入一组参数v1与v2自动调节ε1与ε2的值以控制训练样本的特定部分对两条回归超平面所能造成的最大误差,从而自适应给定数据的结构,提高孪生支持向量回归机的拟合精度.(5)ε-孪生支持向量回归机在孪生支持向量回归机的原问题中引入正则化项以达到结构风险最小化的目的,使对偶问题转化为稳定的正定二次规划问题,并通过SOR求解对偶问题,加快训练速度.(6)孪生参数不敏感支持向量回归机克服参数的选取对孪生支持向量回归机超平面构造的影响,使算法非常适合于存在异方差噪声数据的数据集,训练速度和泛化性能也有提升.本文同时对以上算法的数学模型、改进算法及应用进行了系统地分析与总结,给出了以上算法在9个UCI基准数据集上的回归性能与计算时间,并在模型结构层面逐一分析每个算法的表现与耗时的根本原因.对于其他不便于归类的孪生支持向量回归机改进算法及应用,本文也对其作逐一总结.整体来看,最小二乘孪生支持向量回归机在性能和计算时间方面表现最佳,拉格朗日孪生支持向量回归机、v-孪生支持向量回归机的性能并列次优且计算时间接近,加权孪生支持向量回归机、ε-孪生支持向量回归机和孪生参数不敏感支持向量回归机的性能不理想,但计算时间接近.本文旨在使读者对孪生支持向量回归机的不同改进算法之间的异同点与优缺点产生更深刻的理解与认识,从而将更多优秀的改进策略应用于孪生支持向量回归机,最终为进一步提高孪生支持向量回归机的性能以及扩展孪生支持向量回归机的应用范围提供较为清晰的思路.

基于多目标优化的工业机器人位置与姿态精度提升方法

高端制造领域对工业机器人的精度性能要求越来越高。为提升工业机器人末端的位姿精度性能,本文首先构建了基于改进DH(M-DH)的全位姿运动学误差模型,该模型能较好地描述工业机器人的误差特性。其次,本文分别构建了位置和姿态的误差适应度函数,并结合多目标粒子群优化(MOPSO)算法实现运动学参数的精确辨识,解决了位置误差和姿态误差的量纲不同和量级相差较大的问题。最后通过实验验证了基于MOPSO算法的有效性。实验结果表明Staubli TX60工业机器人的平均位置误差和平均姿态误差分别降低了81.04%和66.64%,并且与最小二乘(LM)算法、天牛须搜索群优化(BSO)算法以及粒子群优化(PSO)算法等单目标优化算法相比,本文的MOPSO优化算法在运动学参数辨识的泛化能力和在最大位姿误差的优化效果均最好。

基于均衡适配迁移的异源域样本轴承故障诊断

由于轴承带标签的故障样本数量较少,且源域数据与目标域数据存在异域问题,会导致轴承诊断准确率大大下降。为此,对异源域样本条件下的轴承故障诊断问题进行了研究,提出了基于改进均衡分布适配迁移学习的轴承故障迭代诊断方法。首先,分析了滚动轴承的结构和不同部位故障的信号特征;介绍了迁移学习工作原理,基于动态的均衡因子,提出了改进均衡分布适配方法,解决了边缘分布和条件分布差异性未知导致的异源域适配难题;然后,给出了基于K近邻算法(KNN)的伪标签初步确定方法,提出了基于迁移学习和KNN算法的目标域伪标签迭代优化方法,确定了目标域样本的故障标签;最后,采用实验数据对该诊断方法的有效性进行了验证,并将其与其他两种方法进行了异域样本的故障诊断,对其诊断准确率进行了对比。研究结果表明:在凯斯西储轴承实验中,基于迁移学习、迁移成分分析(TCA)+KNN的诊断准确率均值分别为93.72%和75.52%;在西安交通大学轴承实验中,基于迁移学习、TCA+KNN的诊断准确率分别为94.80%和70.40%。上述实验结果验证了基于迁移学习的迭代诊断方法在异源域样本故障诊断中的优越性。

无装配条件下角接触球轴承旋转精度测量方法研究

角接触球轴承旋转精度检测需在合套状态下进行,增加了检测工序,不满足设计要求的轴承还需重新进行套圈配对。通过分析套圈接触状态,根据几何关系,建立了套圈精度参数解析模型。以7006型号为例,检测了套圈9个周向均布点的精度参数,计算得出的成品轴承径向跳动与旋转精度测量仪检测结果一致。为了得到旋转精度变化规律,采用4种曲线拟合轮廓,分别计算径向跳动变化,线性拟合函数得到的轮廓与检测结果接近。研究了沟曲率半径、沟底直径和壁厚差与旋转精度的关系,沟底直径分布规律影响旋转精度最明显,沟曲率半径几乎没有影响。文中方法可以实现仅检测套圈精度参数条件下即可得到成品轴承旋转精度,不仅有助于套圈配对,还避免了反复拆套合套。

一种抑制雷达航迹时戳影响的距离误差校准方法

随着用户实战化要求的不断提升,对雷达的数据质量的要求也不断提升,其核心指标之一的精度受到越来越多的关注。在精度计算的常用方法中所用的测量值和真值之间必然会存在一定的时间差,从而影响对数据质量的评估。本文提出一种在精度分析中抑制测量航迹与真值航迹之间时间差引起的误差的分析方法设计,该方法数据坐标系统一为站心直角坐标系,利用最小二乘法拟合的两曲线上的相匹配的特征极值点之间的时差修正所用航迹的时间,对修正后的数据进行精度分析。实验表明该方法能有效提高精度计算的稳定性和准确性,可以在日常数据分析中借鉴和参考。

一种基于分段拟合的热电偶测温控制方法

热电偶的热电势与温度呈非线性关系,在很大程度上影响了热电偶测量的精度。为了提高热电偶测温控制系统的测量精度,在应用最小二乘法实现热电势和温度特性的线性处理基础之上,通过对不同测温区间的拟合系数的分别优选,提出一种基于分段拟合的热电偶测温控制方法。对该方法进行模拟实验。实验结果表明,该测温控制方法简捷高效,误差可控制在1%之内,可适用于智能仪表和实时控制。

筑坝粗粒料单线法湿化变形模型比较

粗粒土的湿化变形是一种普遍现象,对土石坝长期安全运行至关重要。针对已有多种经验公式拟合精度未知问题,对搜集的试验数据进行验证研究。结果表明:(1)各向等压湿化体变与围压用幂函数拟合效果较好;(2)湿化轴向应变与应力水平用指数函数拟合效果较好,指数函数参数与围压呈良好的线性关系;(3)湿化体变采用双线性模型,形式简单且拟合精度较幂线型及六参数型高;(4)湿化剪应变与应力水平呈良好的双曲线关系,与围压相关性较弱。最后,分析了湿化应变与不同应力水平的相关程度,建立了基于改进相对湿化应力水平的湿化应变经验公式。

基于人工神经网络的系统可靠度预测

提出一种基于人工神经网络的可靠度预测方法,以系统故障时间和对应的中位秩估计值训练网络,在系统故障时间范围内选取大量的故障时间点并求其预测的累积分布函数值,然后结合样条回归法求出系统累积分布函数曲线,概率密度函数曲线及故障率函数曲线。为验证人工神经网络模型的优越性,以婴儿培养箱等5个系统的故障数据为例,用决定系数R2、均方误差和对数似然函数,与Weibull、Fréchet、Logistic等统计分布模型进行对比,结果表明人工神经网络拟合效果最优。

基于改进Hough变换和斜率特征的车道线识别

针对干扰条件下结构化道路车道线检测识别率不高的问题,在车道线的成像特点和斜率特征的基础上,提出一种改进Hough变换的车道线检测方法。首先,用Canny边缘检测方法识别出所有车道线的边缘,确定目标车道线所在的区域为感兴趣区域;其次,用改进的Hough变换通过斜率范围限定识别出组成车道线边缘的直线段,通过设置平均斜率偏离阈值去除非目标车道线边缘的直线段;最后,取出车道线直线段的端点作为车道线的数据点集,进行最小二乘法拟合出车道线。实验结果表明,干扰条件下车道线识别的准确率达到95.3%,耗时0.025 s,可见该方法具备了较好的实时性和鲁棒性。

差分进化协同定位算法研究

物联网定位问题可以映射为一个优化问题,通过差分进化算法(Differential Evolution Algorithm,DE)进行优化求解。在求解过程中,传统的适应度函数没有包含未知节点之间的距离信息,导致距离信息不够全面,使算法的定位精度提高有限。鉴于此,从提高定位精度的角度出发,提出了一种差分进化协同定位算法。构建新的适应度函数,该适应度函数不仅包含已知节点与未知节点之间的距离信息,还包含未知节点之间的距离信息,保证距离信息在优化求解过程被充分利用;采用Cat混沌映射方法保证初始种群均匀分布,使搜索范围变大,提高算法的寻优能力;采用Levy飞行策略,解决因空间维数增大导致算法陷入局部最优解的问题。仿真结果表明,与传统差分进化定位算法相比,差分进化协同定位算法可以有效减少测距误差对定位误差的影响,改善定位性能。

小型过盈联接组件装配中对准方法及误差分析

小型过盈联接件的装配通常采用精密压装设备实现,而设备中视觉测量装置的对准精度直接影响组件的装配质量。基于精密压装设备中的双目视觉测量系统和位姿调整装置提出了零件的自动对准与调整策略,为精密小型过盈联接组件提出了一种自动化装配方法。针对设备中的视觉测量装置,分析了由相机位置安装偏差及在不同高度相机拍摄零件时由Z轴导轨的安装倾角所引起的对准误差,提出了相应的标定与补偿方法。通过对比实验验证,该分析方法能够显著提高精密压装设备的对准精度,可达±5μm,满足装配要求。随机抽取5套零件进行压装实验,其压力-位移曲线均在合理预测范围内,表明组件的装配质量良好。

小螺距滚柱牙型非接触式检测与偏差评价方法

行星滚柱丝杠副(planetary roller screw mechanism, PRSM)是旋转运动与直线运动相互转化的新型重载精密传动装置,螺纹牙型加工质量直接决定其传动精度和承载性能。针对小螺距PRSM滚柱牙型非完整短圆弧检测评价的难题,利用高精度三坐标测量机对滚柱轴向截面牙型非接触式检测,提出了基于非线性内点算法的滚柱牙型曲线拟合方法,验证了滚柱牙型曲线的拟合精度;建立了滚柱螺纹牙型偏差评价模型和偏差评价方法,绘制了基于本偏差模型的牙型偏差评价图,分析并总结了滚柱牙型偏差分布规律。提出的小螺距PRSM滚柱牙型检测评价方法,拟合残差平方和达到1.5×10~(-4)数级,牙型半径拟合精度控制在6μm,牙型圆心z_0坐标拟合精度控制在9.8μm,能够定量评判滚柱牙型形状精度和位置精度,在工程实际中具有可行性。

移动曲面拟合模型的精度优化研究

针对传统高程拟合方法未考虑待求点的分布特征和方向性特征,导致拟合效果不理想的问题,提出了一种与加权模型结合的移动曲面拟合研究方法。通过已知GPS点建立高程模型,拟合获取待求点的高程异常值以获取正常高。为了得到高精度的高程异常,将Shepard加权模型引入高程模型中进行分区定权,可得到较高的拟合精度,利用Matlab仿真软件对传统GPS高程拟合方法和改进后的模型进行拟合精度对比分析。实验结果表明:改进后的复合模型外推拟合精度较高,研究结果可对工程测量具有一定参考价值。

基于轴承回转精度预测的轴承元件选配优化

针对小型深沟球轴承装配中的合套工序,提出了一种以游隙和回转精度为目标的轴承元件选配优化方法。首先,从深沟球轴承内部几何关系入手,建立了轴承回转精度数值模型;然后在此基础上,研究了以轴承径向游隙及回转精度为约束条件的轴承元件选配方法。结果表明,轴承元件的不同组合方式对轴承性能具有不同的影响,与传统的轴承合套方法相比,所提出的轴承元件选配方法能够有效提高轴承合套率以及轴承回转精度。