基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

自动确定边角混合网独立闭合差的增量算法

为评定外业观测数据质量和发现粗差,提出了一种闭合差搜索的通用算法。首先,针对高速铁路隧道中的各类边角混合网,基于平差理论,计算由边角混合网中测站数、非测站数和观测数确定其独立闭合差的数目,给出最简闭合差构成原则,求出余弦和正弦闭合差,推导闭合差限差计算模型,建立由闭合差探测观测值粗差的方法;进而导出闭合差增量与测站递增产生的重叠观测点数之间的数学关系式,设计数据结构实现测站与结点间双向多对多的拓扑映射关系,并基于分治思想,提出队列-测站双循环的增量算法来自动搜索最简且独立的闭合差;最后,以西南某高速铁路隧道构建的边角混合网为例进行算法验证。结果表明:增量算法能够在混合网中自动确定100%数量的最简独立闭合差,对观测值中存在的粗差100%予以探测,验证了采用该算法搜索闭合差及检核粗差的有效性。

丘陵山地柑橘果园机器人自主导航与精确控制系统设计与试验

为实现丘陵山地柑橘果园机器人的自主导航,设计了一种基于激光雷达和惯性传感器的果园自主导航系统.使用激光SLAM融合多传感器所获数据,并利用误差状态卡尔曼滤波器进行位姿优化,从而构建果园的三维全局点云地图.对全局地图进行分析和处理,确定机器人的安全行驶区域,并应用基于机器人运动学多约束条件的三次非均匀B样条曲线轨迹优化算法实现路径规划,使用NDT-ICP算法实现机器人在全局地图中的定位.为适应丘陵山地果园地形复杂性,提出了一种基于预瞄跟踪的自校正增量PID控制策略,利用递归最小二乘法实时调整PID参数,并在机器人履带式行走机构上进行了系统整合测试.试验结果表明,误差状态卡尔曼滤波器优化后的地图精度与优化前相比有明显提升.机器人以1.2 m/s速度行驶时,导航控制系统的直线行驶平均位置偏差和航向角偏差分别为0.18 m和4.2°,转弯行驶平均位置偏差和航向角偏差分别为0.38 m和16.7°,可满足丘陵山地柑橘果园智能农机自主导航作业需求.

广义二型模糊系统的自组织规则生成方法

针对广义二型模糊系统在复杂情况中因缺乏专家经验而难以构建合适模糊规则的问题,提出了一种基于输入数据的激活强度来生成广义二型模糊集以及模糊规则的方法。通过数据驱动自组织构建广义二型模糊系统模糊规则,并且使用迭代最小二乘法和梯度下降法优化系统前后件参数。最后,分别在无扰动和施加噪声情况下进行了非线性系统的跟踪仿真,实验结果证明了自组织规则生成的广义二型模糊系统的有效性,并能够以较高精度跟踪参考轨迹。

基于人工智能技术的电力巡检机器人自动化控制系统

电力巡检机器人在实际工作中,存在进行目标定位时存在较大误差,灵活性较低,同时轨迹控制误差较大的问题。由此提出结合Elman神经网络进行视觉误差的校正,并通过增量PID进行运动控制的巡检机器人自动控制系统。系统在进行误差测量之后,通过Elman神经网络进行校正,以保证视觉误差最小。同时将数据信息传入中央控制模块,通过增量PID进行运动控制。经过实验验证,该系统能够保证电力巡检机器人实际运行轨迹与设定轨迹吻合度更高,同时具有准确稳定的避障能力。

机床误差敏感度分析方法

目前精度设计依然停留在以设计人员感官经验设计为主的层面,已开展的误差敏感度分析工作无法对精度设计提供直接的量化指导.针对上述问题,展开了机床误差敏感度分析方法的研究.首先,基于多体系统理论建立了数控机床的空间运动误差模型,同时构造了基于零部件公差的几何误差源参数的预估模型,在此基础上,进一步提出了基于部件运动增量的误差敏感度分析方法.以CA摆头五轴数控铣床为研究对象,以"S"试件为加工对象进行试验验证,利用基于机床部件运动增量的误差敏感度分析方法对五轴加工中心进行误差敏感度分析.结果表明:ε_y(x)、q_6~e、ε_x(x)、q_5~e、θ_C^e、ε_(zx)^(45)这6项误差源参数对应的误差敏感度系数之和为0. 95,其他误差源参数的敏感度系数之和仅为0. 05,因此该方法可以有效地识别出对数控机床加工精度影响较大的关键零部件,为提升数控机床的加工精度奠定了理论基础.

一种新的捷联惯导系统圆锥误差补偿算法

旋转矢量法应用在捷联惯导系统圆锥误差补偿中,通过增加子样数能有效提高补偿精度,但子样数的增加会增加导航计算机的计算量.由于导航计算机的硬件性能限制,不可能为了获得高精度补偿性能而大幅增加子样数.因此,提出一种在不增加导航计算机负担下能提高圆锥误差补偿精度的新算法,该算法利用已解算出的当前时刻之前2个周期的姿态信息对旋转矢量进行修正,通过理论推导和实例分析比较,在同子样数下,新算法能达到高出传统算法4阶的补偿精度而不多消耗导航计算机资源.

共形导引头角增量误差分析及其前馈补偿

针对共形光学导引头角增量非线性误差的补偿问题,设计了一款红外共形光学导引头.研究了共形导引头的焦距非线性和脱靶量非线性产生的原因及它们对控制系统的影响,并给出了相应的前馈补偿方法.根据共形导引头的特点,介绍了焦距以及脱靶量的非线性误差现象;基于提取控制角增量的方法,分析了共形导引头的非线性变量对跟踪回路跟踪误差的影响.最后,设计了基于角增量非线性模型的前馈补偿器,测试了系统的跟踪误差.结果表明：当共形光学系统的焦距为90～91.125mm,像移变化为0～1.109°时,所提出的前馈补偿器能够有效地校正跟踪误差,补偿后的跟踪误差为0.038°,满足共形光学导引头对位置回路跟踪误差≤0.1°的要求.

制动主缸补偿孔位置检测误差分析与补偿

针对当前制动主缸补偿孔检测效率低、精度低、成本高等技术现状,提出了一种集光、机、电于一体的高性能精密检测系统,分析了该系统所涉及的补偿孔几何中心位置检测误差并进行补偿。通过对误差来源的分析,揭示了制动主缸补偿孔位置检测过程的误差解算方法。基于该解算方法,利用增量式误差补偿方法构建了误差补偿模型,并进行补偿孔检测与误差补偿实验。实验结果表明,系统竖轴误差对补偿孔直径检测数据的影响较小,而对补偿孔位置检测数据的影响则由补偿孔与基准面的相对位置决定。补偿孔与基准面距离越远,误差越大。实验数据显示,在型号为ZDZG-20.64的被试件中,被测补偿孔位置精度分别提高0.05 mm和0.254 mm;在型号为ZDZG-22.2的被试件中,被测补偿孔位置精度分别提高0.044 mm和0.072 mm。该误差模型及补偿方法能够有效提高制动主缸补偿孔的检测精度。

小孔法测量非均匀残余应力的数据处理与误差分析

讨论了逐层钻孔法测量非均匀残余应力的释放应变处理和测量误差对残余应力计算精度的影响。利用转换应力、转换应变，可方便地计算残余应力值。受小孔法本身缺陷的限制，计算所得残余应力误差随孔深增加而加大，测量深度约为应变片平均半径的一半。

CVT暂态特性对工频变化量距离保护的影响

结合EMTDC仿真试验分析得知,CVT暂态过程可能引起工频变化量距离保护超越,且超越现象与短路电压角度和系统线路阻抗比(SIR)值密切相关。在此基础上提出防止超越的措施———故障后提高暂态动作门槛。其具体做法是在推导出实时计算SIR值的基础上,根据SIR值自适应地提高动作门槛。EMTDC仿真试验结合保护仿真程序验证了此方案的有效性。

数控机床定位误差的补偿研究

数控机床的定位精度是决定其加工质量的关键因素。针对数控机床定位误差存在的累积性和重复性,提出了增量式误差补偿法,建立了通用的增量式误差补偿模型,并将其应用于由本实验室自主研发的"切线法数控成形非球面机床"中。经实验分析表明:增量式误差补偿法可以大幅地提高数控机床的定位精度。

IKnnM-DHecoc:一种解决概念漂移问题的方法

随着数据流挖掘的应用日趋广泛,带概念漂移的数据流分类问题已成为一项重要且充满挑战的工作.根据带概念漂移的数据流的特点,一个有效的学习器必须能跟踪并快速适应这种变化.一种基于增量KnnModel的动态层次编码算法被提出用于解决数据流的概念漂移问题.在将数据流划分为数据块后,根据增量KnnModel算法对每块的预学习结果构建并更新类别层次树、层次编码,用可增量学习的分类算法对照编码划分进行学习,并生成备选分类器集.最后依据活跃度对结点进行剪枝处理以减少计算代价.在预测阶段,利用增量KnnModel算法和动态层次纠错输出编码算法的各自优势进行联合预测.实验结果表明:基于增量KnnModel算法的动态层次纠错输出编码算法不但能够提高模型学习的动态性和分类的正确性,而且还能够快速适应概念漂移的情况.

煤炭机械化采样随机误差分析

分析了煤炭机械化采样过程各环节的随机误差,用方差表示了单个初级子样、单个总样、批煤多个总样各试验结果所包含的随机误差成分,并将机械化采制化分为采取初级子样、在线制样、离线制样、化验4个阶段,同时提出了双倍切割样双份采样法、例行切割样双份采样法和弃样回收法3种方法核验各阶段随机误差。研究表明:机械化采样过程中各阶段误差可以分开核验,也可以将相联系的某些阶段整体核验;在线制样方差是估算采样单元子样数的重要影响因素,其影响系数与初级子样方差相当,可以将二者整体核验;各阶段随机误差核验方法可以为设计合理的机械化专用采样方案提供参考。

惯组动态测试台误差分析及附加运动补偿算法

为了完成惯组的高精度、大动态测试任务,基于Gough-Stewart平台设计了电动六自由度惯组动态测试台。建立了系统的误差模型并分析了电动缸长度误差对系统精度的影响,分析了电动缸在惯组动态测试台运动过程中产生的被动螺旋附加运动,并对该运动补偿算法进行了研究。对被动螺旋附加运动产生的误差进行量化分析,结果表明,被动螺旋附加运动对惯组动态测试台的位姿精度存在非常显著的影响。为了消除该影响,编制了补偿算法,并将其应用于惯组动态测试台的实时控制系统中。实验结果表明,经过算法补偿后,惯组动态测试台的位姿精度达到了设计指标要求。

改进的NURBS曲线预估校正插补方法

现行的NURBS曲线参数预估校正插补方法不能预估最开始的两个参数,而且不能控制预估参数迭代修正的次数。提出改进的NURBS预估校正插补方法,该方法预估插补点参数,根据最大进给步长约束、轮廓误差约束以及法向加速度约束,判定预估参数与实际参数的误差,当误差在允许范围内,则对参数步长增量进行调整,否则进行迭代修正。仿真实验结果表明,新方法通过对参数步长增量的调整,使得预估参数更加接近实际参数,较现有方法有效减少了参数迭代修正的次数,利于实时插补的实现。

圆锥形渐进成形制件成形精度研究

成形精度差是金属板料渐进成形工艺的重要缺陷。针对渐进成形精度评价问题,提出位移误差评价法,即通过确定测量方向上的变形位移来衡量其成形精度。利用误差位移法对一组圆锥形成形制件进行研究,提出渐进成形过程中金属板料回弹和成形工具系统刚度是影响成形制件精度的主要因素。且成形过程中制件成形角一定,回弹一定,成形角变化,回弹变化,回弹量与成形角呈非线性关系。在此基础上,提出提高制件成形精度的解决方案:增加成形工具系统刚度。试验证明补偿回弹和成形工具系统刚度不足引起的尺寸偏差,或者增加成形工具系统刚度,都可显著提高渐进成形制件精度。

1952-2002年中国物流增量和GDP增量的协整分析

使用协整和误差修正模型对中国1952-2002年间的物流增量和GDP增量间的长期和动态关系进行了研究。研究发现,GDP增量和物流增量间存在着可靠的协整关系。这说明物流增量对GDP增量有着重要的关系,保持GDP增量和物流增量的均衡发展具有重要的意义。

多元广义岭估计及K值选取的Q(C)准则

本文采用广义岭估计β~*(K)来估计多元线性模型中的回归系数β=Vec(B),通过K值的选取,可使均方误差MSE小于LS估计的MSE。分析了广义岭估计中根据MSE准则选取K值存在的主要缺陷,从理论上证明了选取K值的新准则——Q(C)准则的优良性,并给出了实际应用Q(C)准则的方法。

理想弹塑性材料有限元计算算法比较研究

本文针对理想弹塑性材料,对目前适用于非线性有限元计算的多种增量迭代法进行比较研究。增量方式分位移增量和荷载增量两种,迭代方式分广义Newton-Raphson法、修正Newton-Raphson法和初始刚度法三种。研究表明:对理想弹塑性材料,荷载增量迭代法的计算结果,或明显不合理,或误差较大,或出现计算不稳定。位移增量迭代法中,初始刚度法计算结果最为理想,但在迭代次数较多的情况下,有可能出现"误差敏感性",宜引入加速收敛的技术。