蜂窝芯复杂曲面五轴联动数控加工几何误差建模及补偿技术

以蜂窝芯加工专用的六轴桥式龙门超声切削加工机床为研究对象,基于多体系统理论和齐次坐标变换,建立数控机床空间误差模型,根据机床结构和各零部件间的相对位置关系,对机床的各项几何误差进行建模分析,建立各零部件的子误差矩阵及整体误差变换矩阵,并对蜂窝芯复杂曲面指定加工位置的几何误差进行了求解.最后采用NC代码补偿法对机床几何误差进行补偿,通过比较补偿前后的误差值证明补偿后可大幅度减小误差,满足零件加工需求,同时此项补偿技术对后续其他类型误差的研究和补偿有很好的借鉴意义.     

船舶电机调速系统稳定性分析和仿真

传统船舶电机调速系统分析方法大多依托瞬时数据,数据聚合性较差,对此提出以反动势评估为核心的船舶电机调速系统稳定性分析方法,建立PMSM坐标系,根据坐标指数分别提出电动机电压、反动势和电流坐标方程,结合当前电机调速系统滑模控制原理,通过上述提出的坐标方程,比较给定的系统电压电流反馈,根据两者的误差,评估当前船舶电机的反动势,引入锁相环计算,通过调解相位误差,根据反动势结果,测算当前系统转速情况,提取转子转速信息并与额定值进行比较,获取当前调速系统稳定性分析结果。仿真结果表明,应用设计的分析方法,系统转子信息数据的扰动下降了29%,平均数据离散下降了25%,有效提高了数据聚合。     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。      

基于驾驶员行为特性的自适应巡航控制的研究

为了获取驾驶员跟车行为特性并以此为基础设计自适应巡航控制系统,建立驾驶员控制增益随车速变化的动态跟车模型。引入驾驶员追踪误差敏感度,定量分析控制增益与车速的动态变化关系。为了准确描述驾驶员行为特性,定义速度误差敏感系数SVE(Sensitivity to Velocity Error)和距离误差敏感系数SDE(Sensitivity to Distance Error),基于非线性优化算法求解模型参数。最后通过Matlab搭建自适应巡航系统,进行仿真试验,并与驾驶员试验结果对比,验证控制算法。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

基于数字化技术的轴类零件圆度误差测量方法研究

轴类零件的圆度误差会影响零部件的使用寿命。针对以往测量法存在的不足,提出了一种基于数字化技术的轴类零件圆度误差测量方法。该方法采用数字化非接触式激光测量方式对轴类零件的轴端面、轴径面进行测量采集三维数据点;对轴端面数据点进行稳健平面拟合获取轴端面所在平面的平面特征值;将轴径面上数据点投影到轴端面所在平面上获取投影点;采用投影点和轴端面所在平面的平面方程求解几何圆方程,求取几何圆参数;根据投影点与几何圆参数从而求取轴类零件的圆度误差值。通过实验验证表明,该算法在对轴类零件的圆度测量方面具有较好的实用性且精度满足要求。