模块化可重构机器人的构形在线自主辨识

针对模块化可重构机器人(Modular reconfigurable robot,MRR)构形复杂多变的特点,提出一种基于上层数据库和底层接口电路相结合的构形在线自主辨识方法。以所研制的MRR系统样机为研究对象,介绍关节、连杆、基座和夹爪等四类基本功能模块的结构及特殊接口电路设计;考虑多模块组合运动形式的等效性,以及同类型关节模块在输出力/力矩方面的差异,改进MRR构形空间的计算方法。利用图论中树的相关理论,在定义同类构形生成树和同序构形树枝的基础上,建立MRR构形辨识的总体研究模型,包括同类构形生成树辨识、同序构形树枝辨识和边约束条件辨识三个部分。根据模型中各部分的具体辨识对象,通过构建基本功能模块的上层数据库,并结合底层接口电路的特殊设计,实现机器人在无人参与情况下的构形在线自主辨识。以MRR系统样机为试验平台,通过多次构形辨识试验证明该方法的可行性和有效性。

机器人主动嗅觉烟羽分布辨识方法研究

针对三维空间有害气体烟羽分布的辨识问题,提出一种模拟退火结合模糊C均值算法的烟羽辨识方法。采用模拟退火算法优化四轴飞行器自主搜索路径,避免了烟羽信息采集的盲目性,提高了辨识效率。采用模糊C均值算法对有害气体烟羽多维特征数据聚类,辨识烟羽扩散区域及危害程度。采用两种聚类评价指标,通过实验确定了聚类数目及加权指数。搭建了仿真平台,通过实例对所提出的方法进行验证,且与Kmeans、DBSCAN聚类算法对比分析,结果表明:上述方法能自主辨识出有害气体烟羽扩散区域及危害程度,为烟羽分布辨识及源定位提供方法支持。

自主工作模态分析方法研究综述

为适应结构健康监测对模态分析高效和自动化的需求,自主工作模态分析(Automated operational modal analysis,AOMA)在近二十年已成为结构动力学领域的研究热点之一。自动鉴别并剔除模态分析结果中的虚假模态,保留结构真实模态,是AOMA的核心和难点。现有AOMA方法可分为三类:(1)聚类法,核心是基于聚类算法自动挑选稳定图中的稳定模态作为真实模态,是目前的主流方法。(2)峰值提取法,自动挑选由真实模态引起的响应功率谱密度函数曲线或其奇异值曲线的峰值。(3)深度学习法,利用神经网络将工作模态分析问题转化为图像目标检测或时序分析问题。重点分析了三类方法的核心思想、分析流程及各自的特点,介绍了AOMA方法在工业软件及工程结构中的应用案例,最后阐明AOMA应用中应注意的问题及发展趋势。

质量安全管理优化评价模型研究

针对治理工程建设中习惯性违章的困惑,提出在公司总部、分子公司、分子公司总承包项目部和分包商多层级质量安全管理构架的条件下,采用自主隐患辨识率和各层级不符合项对比评价模型图的方法,认清质量安全管理现状和多层级博弈的客观现实,优化管理,促进各层级互动,避免严格监督陷阱,对提升质量安全管理水平具有重要意义。