基于盲数理论的萤火虫神经网络失效征候结构可靠度预测

在任意可行性工况下,针对大型臂架失效征候结构的载荷效应与抗力的多种不确定因素导致结构可靠度难以确定的问题,通过构建盲数失效征候结构可靠度模型(BNFSSRM)、串行式萤火虫神经网络预测模型——缺陷结构远场应力预测子模型(STFNN-DSSSPSM)与缺陷结构可靠度预测子模型(STFNN-DSRPSM)串联,提出了基于盲数理论的萤火虫神经网络失效征候结构可靠度预测方法。以应力-强度干涉模型为基础,萤火虫神经网络为预测方法,根据裂纹失稳扩展准则,将不确定性问题盲数化的思想引入裂纹强度因子与断裂韧性的干涉模型,通过试验仿真与STFNN-DSSSPSM,得到典型工况下裂纹缺陷结构的可靠度;再以此为扩展样本的目标输出、裂纹扩展尺寸为扩展样本的输入,通过BNFSSRM、STFNN-DSRPSM,实时预测不同工况下缺陷结构的可靠度,评估抵抗失效的能力以及不同工况退出可行性工况域的先后顺序。以QY130流动式起重机再制造臂架结构为例,验证了该方法的有效性,为结构再制造准入期实时判断以及再制造方案的选择提供了理论指导。

基于机器视觉的芯片引脚缺陷检测与分拣系统

针对传统工业中芯片的引脚缺陷检测及分拣精度低、实时性差的问题,设计了基于机器视觉的芯片引脚缺陷检测与分拣系统。系统以对SOP芯片的引脚缺陷检测、目标定位、抓取放置为任务,通过MATLAB处理芯片图像,采用改进的Canny和Hough变换实现引脚的边缘检测与连接,采用Blob分析与萤火虫BP神经网络相结合的方法实现芯片引脚的缺陷检测,然后求取芯片的形心作为定位参考坐标,结合三自由度机械臂,使用标准的D-H法建立机械臂运动学模型,并根据芯片的定位坐标通过运动学逆解计算出每个连杆需要转动的角度,转化为步进值后通过串口通信方式发送给Arduino,然后由Arduino完成对机械臂的控制,实现芯片的分拣。测试结果表明,系统达到了设计要求,具有一定的应用性。

基于潜在失效模式相关的再制造伸缩臂架结构系统风险度研究

为解决多重耦合缺陷下潜在失效模式相关时,再制造伸缩臂架结构系统风险度难以确定的问题,提出萤火虫改进二阶矩的概率网格估算法(FA-AFOSM-PNET法)和萤火虫神经网络结构系统风险度预测法(FANN法),构建多重耦合缺陷下伸缩臂架结构系统风险度分析模型与风险度预测模型,开发再制造伸缩臂架结构风险度预测系统。以检测点的原始特征、缺陷特征参数为基础,确定功能函数的随机变量,根据失效准则推导失效模式的功能函数,应用FA-AFOSM-PNET法确定测点失效域的最可能失效点,获得测点的代表模式,得出测点的风险度,按最薄弱环节法确定臂架系统的风险度及最危险检测点,结合FANN法建立特征参数与风险度的映射关系,通过编制再制造伸缩臂架结构风险度预测系统,实现在役伸缩臂架结构系统风险度的快速、实时预测。以QY130汽车起重机再制造伸缩臂架结构系统为例,验证上述方法与预测系统的有效性及科学性。

基于变分模态分解和FABP的短期电力负荷预测

针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度下降等问题,提出了一种基于变分模态分解（VMD）和萤火虫算法优化BP神经网络（FABP）的短期负荷预测方法。利用VMD将原始电力负荷序列分解为若干个子序列,能够降低原始数据的复杂度和不稳定性同时克服模态混叠;萤火虫算法优化传统BP神经网络模型,能够克服其极易陷入局部最小的缺陷。最后通过样本熵（SE）对各子序列进行重组得到两个新分量,将其分别输入神经网络模型进行预测并叠加预测结果,实现短期负荷预测。应用于实例,结果表明,该方法能有效提高预测精度。

基于GRA-RBF-FA的整体叶盘通道盘铣加工多目标参数优化

整体叶盘通道盘铣加工是典型的多输入输出系统,改善该加工过程需要多目标优化。应用集灰色关联分析(grey relations analysis,GRA)、径向基神经网络(radial basis function neural network,RBF)和萤火虫智能算法(firefly algorithm,FA)于一体的多目标优化方法。通过优化加工参数:切削速度、每齿进给率和切削高度,同时满足最小切削力和最大材料去除率的目标。验证试验结果表明,灰色关联分析-径向基神经网络-萤火虫算法(GRA-RBF-FA)可用于盘铣TC17整体叶盘通道的加工参数优化;该方法优于灰色关联度分析。

基于脑肌电反馈的虚拟康复训练系统设计

针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别;提取脑电和肌电疲劳特征,并提出一种萤火虫-模糊神经网络算法,通过脑肌电疲劳特征实时优化调节虚拟场景的控制参数。最后,搭建包含虚拟场景及反馈控制策略的虚拟康复系统,并针对上肢肘关节屈伸、肩关节前屈后伸动作进行康复训练实验,基于肌电特征模式识别结果实现对虚拟场景及目标的控制,基于脑肌电疲劳特征优化调整场景控制参数,通过虚拟系统康复实验验证系统的有效性。