摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
为了提高转子位置的检测精度，提出一种基于LSTM神经网络的永磁同步电机（Permanent Magnet Synchronous Motor，简称PMSM）转子位置检测算法；该算法先采集定子三相电流并进行规格化处理，然后通过Modelsim同步采样，滤除杂波干扰；最后将处理好的定子三相电流输入到LSTM神经网络中进行在线训练，并预测输出转子电角度值的正弦和余弦波形。通过Simulink仿真验证，实验结果表明电机在转矩突变的情况下转速仍然能够快速的稳定下来，初始上升时间在0.02s左右达到稳定，转子位置的检测误差总体保持在1%以内；相较于传统方法，文中提出的方法在检测时间和检测精度上都有显著提高。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
齿轮传动系统随着传动链的增长，建立系统精确化数学模型的难度增加，对系统动态稳定特性研究的准确性有很大影响。针对上述问题，首先根据定轴轮系的结构特征，采用模块化思想将单级定轴轮系作为基本模块。将结构复杂的定轴齿轮传动链，划分为由n个基本模块机械叠加的方式。然后，结合键合图法的建模原理和丰富的图元库，建立了基本模块精确化的键合图模型。在此基础上，将基本模型的键合图模型按照传动链功率流的传递方向进行扩展，可建立出定轴齿轮传动链完整的键合图模型。其次，在齿轮传动系统键合图模型的基础上，推导出描述系统动力学行为的状态方程。最后，采用数值仿真法，得出了定轴轮系的极点-零点图、伯德图、尼奎斯特图和尼柯尔斯图等四个动态特性指标，并能反映轮系的动态稳定性。研究表明，采用模块化和键合图建模法相结合的方式，降低了复杂的定轴齿轮传动链数学模型的建立难度，并能获得轮系准确的动态性能。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
为通过训练实现中风偏瘫患者患肢能动的康复，设计了一种用于辅助患者康复的上肢外骨骼5自由度训练机器人控制系统。首先设计了一种同型同构主从对称的上肢外骨骼机械模型，能够实现肩关节的外展/内收、大臂俯/仰、肘部屈/伸、小臂内旋/外旋以及手腕外展/内收运动，根据康复医学原理确认了手臂各部位运动规律并进行结构设计，在人体上肢与主要关节几个接触点装有力传感器获取人与机器的交互力，对人训练过程中的运动意图进行量化并作出反馈，利用改进的D-H算法通过MATLAB工具箱建立刚体树模型进行运动学仿真与设计，并通过SolidWrks导出的urdf模型在Simulink中进行可视化仿真验证。实验表明，该机器人能够在被动训练中平稳的带动患肢完成设定的动作，通过患肢与力传感器交互得到的信息能够控制外骨骼按照患者的调整意图进行反馈，并在调整后成功的完成剩余的动作，有效提高患者康复训练中的参与感。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
在机器人夹持样品进行中子衍射残余应力测量的过程中，针对样品上的待测量点需要精确定位的问题，提出了一种基于激光扫描臂的样品定位方法。首先，针对样品在中子衍射测量中的定位条件建立机器人的运动学模型，并提出了一种先旋转后平移的机器人位姿计算方法；其次，利用激光扫描臂标定机器人的末端标系，样品坐标系以及中子衍射坐标系；然后，结合机器人的运动学模型计算得到使样品上的待测量点与待测矢量满足定位条件的机器人姿态；最后，计算机器人的运动学逆解，利用MATLAB生成关节运动指令，并进行实验验证。此外，还利用激光扫描臂进行了样品定位精度的测定与分析，优化了样品的应力测量位姿。研究结果表明，此定位方法能实现中子衍射测量过程中应用机器人操作样品的精确定位。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对于人工二次镶焊金刚石钻头存在生产效率低，焊接质量参差不齐的问题，设计制造了一套金刚石钻头高频焊接的自动化控制系统。该设备由钻头传送系统、高频焊机移动系统以及自动焊接控制系统组成，介绍了该设备的工作原理以及工作流程，重点分析了该设备的自动控制系统。采用三菱FX2N PLC作为核心控制器，完成了钻头自动化焊接程序的编写，完成了触摸屏人机交互界面的设计。最后，基于该控制系统完成了φ77mm金刚石取芯钻头的自动化焊接试验。结果表明该设备工作稳定，有效的减轻了人工作业负担，提高了金刚石钻头的焊接质量与生产效率，为镶焊金刚石钻头的批量化生产提供了有效方案。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对电传动内燃机车在负载发生扰动下，转速会发生波动，致使牵引发电机功率小于牵引电动机功率，导致机车运行不平稳。采用BP神经网络预测进行内燃机车转速控制，使机车在应对负载突变的情况下，具有较好鲁棒控制性能，使机车运行平稳。首先，通过BP神经网络预测模型进行模型预测；其次，将预测值与实际值构成输出误差进行反馈校正；然后，根据神经网络预测模型和优化算法迭代计算得出最优控制量实现滚动优化；最后，对BP神经网络预测的内燃机车转速控制进行建模，并对目前所采用的经典算法进行实验仿真对比，结果证明，基于BP神经网络预测的内燃机机车转速控制响应速度快、鲁棒性好和稳态误差小。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对视觉传感器获取障碍物深度信息准确率低，单一或少数超声波传感器无法获得大范围场景深度信息，传感器阵列式、全局布局方式体积太大等问题，提出一种多传感器数据融合障碍物判定系统。首先系统前端设计一种立体转轴式数据采集结构，基于该结构提出一种全局场景深度值采集方法，简化传统隶属度的运算来提高数据处理效率，利用数据组的互补和冗余性，使用Bayesian与模糊理论相结合的融合方法得到障碍物位置的最优估计值；其次配以视觉传感器以提高障碍物形态信息判定的准确性；最后系统所有功能基于树莓派实现，使其具备便携、可移植特点。实验结果表明，系统能够实时并准确判断出环境中多个障碍物的深度位置、形状和动态信息，相较于真实场景，角度值最大绝对误差为6.2°，深度值误差率在4%以内，满足避障需求。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对传统迭代学习控制所存在的鲁棒性差的问题以及传统滑模控制收敛速度慢与奇异性的问题，利用分数阶微积分理论、迭代学习控制以及滑模控制算法，提出一种非奇异快速终端滑模的分数阶迭代学习控制策略。在控制器的设计过程中，首先，对于迭代学习控制鲁棒性差的问题，设计了PDα型分数阶迭代学习控制策略；其次，对于传统滑模控制收敛速度慢和奇异性的问题，设计了奇异快速终端滑模控制。最后，利用李雅普诺夫函数进行了稳定性证明，并通过仿真实验得出结论：与传统迭代学习控制以及滑模控制相比，所设计的控制策略在一定程度上提高了系统的鲁棒性，加快了系统收敛速度，具有更好的收敛速度和精度。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对传统的变压器设计方法自动化程度低、周期长与优化效率低等问题，提出了基于改进的遗传算法(IGA)的非晶合金干式变压器(非晶干变)优化系统的总体设计方案。基于Visual Basic 6.0软件下，设计与开发了一套适用于非晶干变优化设计的软件系统。本系统以三相非晶干变为优化设计对象，将非晶干变主材成本作为优化目标函数，分别采用传统遗传算法(GA)与IGA对非晶干变材料规格进行优化选取。实例分析表明，与GA寻优效果相比，IGA改善了种群多样性、增强了全局寻优能力；与人工设计方案相比，基于IGA的非晶干变优化系统能极大的降低非晶干变主材成本、缩短设计周期和提高设计效率，验证了非晶干变优化系统的可行性与实用性。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
在柔性外骨骼助力方面，助力周期是生成助力轨迹的重要参数，影响着助力波形的完整性。针对变速步态下柔性外骨骼难以实时预测下一步态助力周期参数的问题，提出了一种基于SVM(支持向量机)步态分类的外骨骼助力周期参数预测方法。首先利用IMU采集人体姿态信息，然后提取姿态信息与助力周期相关的主要特征。并在此基础上，采用SVM模型识别不同步速下的步态，构建相应步态的BP神经网络助力周期预测模型，最后利用该模型对穿戴柔性外骨骼受试者进行行走、上/下楼梯等步态类型的识别。发现该模型预测的助力周期参数准确率达到95.5%。在此基础上进一步进行耗氧测试实验，结果显示穿戴外骨骼使用模型预测后的助力周期参数较不助力状态下的耗氧量降低13.031%左右，证明该预测方法能够达到较好的助力效果。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
卷积神经网络优异的性能使其广泛应用到图像分类、目标检测等领域，然而模型结构越来越复杂，导致难以应用到资源紧张、功耗敏感的嵌入式领域。设计一种卷积神经网络加速器，旨在为基于FPGA的卷积神经网络工程化实现提供一种设计方案，研究提出一种低功耗、可扩展、高性能的卷积神经网络并行化框架，从而实现面向嵌入式场景的卷积神经网络部署。通过对卷积神经网络计算特性的分析，设计了可扩展的卷积硬件计算单元以及资源受限情况下的卷积复用结构，并给出了并行化因子与数组分割策略的对应关系。以Xilinx xc7z020clg400-1平台为基础，对YOLOv3-tiny第一层卷积层进行并行化，实验结果表明，相较于667MHz的ARM A9，并行化后的卷积运算加速比可达216.9倍，功率仅增加0.57W。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
小目标检测存在不可同时获得足够的语义信息和丰富的细节信息的问题，容易出现漏检和误检。提出一种多路感受野引导的特征金字塔（MRFgFPN）小目标检测方法，首先设计了由三条空洞卷积支路和原图直连组成的多路扩大感受野模块，可同时保留细节信息和扩大特征图的感受野；然后将多路扩大感受野模块加入骨干网络和特征金字塔之间，以引导网络获得不同感受野的上下文信息；最后将经过多路扩大感受野模块获得的特征图与骨干网络对应层特征图相加后形成输出特征图，可同时获取足够的语义信息和丰富的细节信息。实验结果表明，在Faster R-CNN和Cascade R-CNN算法框架下，所提出的方法在交并比（IoU）为0.5时的平均检测精度可达到90.3%和90.1%，优于目前主流的检测方法。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
最近，基于深度学习的剩余寿命预测算法在解决轨道交通装备及关键零部件寿命评估中展示了巨大的前景。然而，随着工业技术的升级，短周期的零部件状态监测数据已经不能显著反应剩余寿命的变化，剩余寿命预测对现存算法的预测能力也提出了更高的要求，即能够精确地捕捉输入和输出之间的长周期依赖性特征，以提高模型的准确率。为了解决这一问题，提出了基于改进Transformer的剩余寿命预测算法（LongTransformer）。在该模型中，通过使用级联层输入减半方式的自注意力网络来增强对于长周期时间序列依赖关系特征的提取，从而有效地处理较长的输入序列，提升模型的预测能力。在真实的数据集上进行的大量实验，与基线方法相比，LongTransformer的MAE值、RMSE值分别降低了31.97%~81.08%、28.66%~82.75%。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
时间序列预测一直以来在多个领域内有重要应用，如工业监控、能源分析等，尤其是准确的中长期的序列预测，相比于短期预测所能提供的信息量更大、指导性更强。但现实的应用场景受到多种因素影响，准确的进行中长期预测一直以来都面临很多困难。近些年，对于中长期序列预测的研究借助于深度学习方法从大规模数据中挖掘规律，取得了不错的预测性能，但目前的研究大多忽视了频域的重要性。频域作为时间序列的重要特征之一，它包含了序列的周期、趋势等重要信息。因此，提出了一种基于频域分解的Transformer方法，对原始序列不同的频率分量进行分解，使用多头自注意力机制分别处理分解后的频率特征，再使用Transformer结构作为特征提取器，在频域的角度进行中长期的时间序列预测。通过在3组公开的真实数据集上进行实验，与4个最具代表性的中长期预测算法进行了对比，在多组衡量指标中均取得了最优性能，验证了所提出方法的有效性。此外，通过实验讨论了不同频率分量对于模型的影响，对频率分解的依据做了实验验证。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
针对印刷包装过程中诸多具有反射对称关系的产品在分拣时主要依赖人工，效率低下且易出错的生产现状，提出使用一种基于Transformer的目标检测（Detection Transformer）算法，以医用外科手套左右手分类为例，使用固定式相机在相同背景下采集充气状态的左右手套图像，构建图像数据集，由于数据的有限性及单一重复性，模型训练时会出现过拟合现象。因此基于Python中imgaug库函数实施了一种数据增强策略，将图片与对应标注文件同时增强，不需要再人工标注，极大减小工作量，构建一个新数据集。两数据集的对比实验结果表明，这种数据增强方法可以缓解模型训练过程中的过拟合现象，提高模型的泛化性能，进而能够提升反射对称关系物体检测分类的准确率与效率。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
作为一个多输入多输出复杂控制对象，超临界机组非线性特征明显，使用传统控制手段往往无法取得良好的控制效果，因此需要采取先进控制手段从而实现对于超临界机组系统的协调控制。为此，针对超临界机组特点，采用模型预测控制对机组进行控制。此外，鉴于生产过程中对于实施先进控制算法所提出的时效性要求，根据权重系数固定后在线二次规划问题黑塞矩阵的不变性，提出了一种可以应用于超临界机组的快速模型预测控制方法用于减小机组协调控制过程中的在线计算负担。首先根据超临界机组的物理知识搭建了应用模型预测控制算法所需要的超临界机组动态模型，随后，根据推导获得了超临界机组工作点附近的线性模型。通过对在线优化问题黑塞矩阵奇异值分解提取到了目标函数相关信息特征，并根据特征利用无约束最优解进行搜索从而获得满足约束的次优解。快速模型预测控制算法由于避免了在线优化问题的求解，因此提高了计算效率，缩短了其在机组的单次应用时间。最后，通过MATLAB仿真，分析快速模型预测控制方法在50%负荷机组上的应用结果与计算时间，从而验证了所提算法的有效性与快速性。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
智能网联汽车是交通强国战略和《中国制造 2025》建设的重要内容之一，也是人工智能落地应用的关键领域。“新基建”背景下智能网联汽车具有跨学科、跨领域特点。随着我国《汽车事故数据记录系统》（GB 39732-2020）强制性国家标准于2022年实施，在智能网联、自动驾驶等技术日趋成熟和核心装备国产化背景下，汽车事件数据记录系统因其在车辆安全与乘员保护、道路交通事故调查与重建等方面的关键性作用，其软硬件智能制造已成为热点研究方向。然而，现有标准更多提供的是功能和性能参考，总体缺乏过程性的制造方案，更缺乏基于数字孪生的制造体系构建方法。因此，针对现有研究存在的公共安全警务场景聚焦性、智能网联场景汽车事故记录系统制造流程、孪生制造架构缺乏等问题，提出一种警务场景智能网联汽车数据记录系统制造数字孪生架构；面向警务车载事故数据记录场景，从数据和应用场景物理空间构建角度，基于所提出制造架构，介绍了一套数字孪生警务场景智能网联汽车事故数据记录装备的软硬件关键技术以及警务应用场景，为研究界和工业界提供了前瞻性架构和设计借鉴。
摘要 (
)
PDF全文
HTML
(
)
可视化
收藏
作为高级别自动驾驶汽车测试评价“三支柱”方法论的测评手段之一，实际道路测试是验证和保障自动驾驶汽车安全、高效执行动态驾驶任务（DDT）不可或缺的环节，是加快自动驾驶汽车平稳落地的必要前提。而实际道路测试过程中所产生海量数据的快速处理和分析，需要借助于大数据和云计算技术作为支撑，从而能够实现实时、准确、便捷地对测试的实施过程和结果进行监控管理与统计分析。从自动驾驶汽车实际道路测试测评的需求分析出发，基于大数据和云计算在自动驾驶路测数据处理方面的技术方案研究，提出了面向于自动驾驶实际道路测试的系统整体技术架构设计。对该技术方案架构下的具体实施流程进行了阐述，并以具备领航辅助驾驶系统的车辆为例开展了技术方案架构的初步实践应用和验证，结果证明所提出的自动驾驶实际道路测试评价技术方案架构具备可行性，研究成果为自动驾驶汽车实际道路测试系统建设提供重要的技术参考和依据，可作为一种规范化方法广泛应用。
