为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题，研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法，以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型，以最优激励轨迹进行实时数据采集，采样数据经过低通滤波及中心差分的处理后，代入相应的负载辨识方程式，并用加权最小二乘法解决线性方程组，可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性

《工程科学学报》：集总干扰下六旋翼飞行器的轨迹跟踪控制

基于欧拉-拉格朗日方法的离散相模型,针对锌液体外循环系统下连续热镀锌锅中三种不同类型的锌渣,利用数值模拟的方法计算锌锅中锌渣的浓度差分布.分析锌渣扩散得到了锌渣在带钢表面及锌锅中的运动轨迹和分布规律.结果表明:锌渣在带钢上的沉积率随着锌渣粒度的减小而升高;由于锌渣密度的差异,当锌渣直径小于80μm时,沉积率从高到低依次为悬浮渣、面渣和底渣.面渣在带钢出口后侧区域的平均停留时间最长,在该位置设置抽锌管将有利于面渣的去除;在V形区内侧区域带钢上的悬浮渣质量浓度最高,对带钢影响最大;底渣主要运动区域为锌锅底部,基本不会黏附于带钢表面,对带钢质量影响最小

针对现有四连杆型液压支架的立柱及顶梁均不能承受侧向力,侧向力通过掩护梁传递给连杆易造成倒架和支架机构损坏的原理性缺陷,提出一种基于3-RPC型并联机构的双并联液压支架的设计方案.文中对液压支架的工作空间进行分析,给出顶梁的运动轨迹公式;分析液压支架在偏载和大倾角工况下的受力情况,得出支架具有三向受力的特点,并给出准确的力学关系式;运用ADAMS软件对液压支架进行稳定性模拟仿真,验证了该并联液压支架的设计符合煤矿井下支护的要求,在技术上是可行的

公路上正常行驶的车辆一旦操纵失控,安装在路侧的护栏就显得极为重要,可避免车辆直接冲出道路发生致命危险.波形梁护栏是最常见的一种被动防护装置,可有效抵御车辆施加的碰撞荷载.依据常规的设计思路,这种护栏可以利用波形梁板、防阻块和立柱的变形来吸收汽车碰撞所产生的能量.但与实际情况不同的是,在这一过程中忽略了地基土体对碰撞过程可能产生的影响.本文通过分别建立不考虑和考虑地基约束作用的碰撞计算模型来研究土体的贡献.在模拟过程中,分别观测货车的运行轨迹、护栏的变形和土体的变形.此外,也分析了不同部件对碰撞能量的吸收比率.与立柱接触区毗邻的土体因受冲击荷载影响,可能发生剪切失效.整个护栏系统中超过10%的系统能量实际上是由土体吸收的,常用的简化固定基模型跟实际情况有一定的出入

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性

针对多螺旋桨浮空器执行机构易发生故障的容错控制问题，同时考虑系统所受到的未知外部扰动和螺旋桨输入幅值的饱和约束，提出一种自适应滑模容错控制方法。建立浮空器的四自由度运动模型，系统分析矢量螺旋桨的故障类型，分为输出力的大小故障和矢量转角故障，得到浮空器执行机构的故障模型。基于自适应和滑模控制理论，由跟踪目标与系统当前状态偏差设计积分滑模面。针对未知外部扰动和执行机构偏移故障，设计相应的自适应律进行处理；针对螺旋桨输入饱和约束，应用Sigmoid函数设计跟踪轨迹进行处理。由此设计一种自适应滑模容错控制策略，利用Lyapunov稳定性理论证明了闭环系统的全局渐近稳定性能。以上海交通大学的多螺旋桨浮空器为模型，仿真验证了故障容错控制方法的有效性和鲁棒性

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

对比了国内外高疲劳寿命轴承钢主要杂质元素、主要夹杂物特征等冶金性能的差异，并对比了不同冶金质量下，轴承钢的疲劳性能及诱发疲劳断裂的因素，总结了国产轴承钢洁净度现状及与国外优质轴承钢的差距。在此基础上，围绕高疲劳寿命轴承钢，以进一步提高国产轴承钢质量为目的，分析梳理了国产轴承钢冶炼技术及夹杂物控制方法的发展轨迹，探讨了国产轴承钢进一步提高疲劳寿命及质量的发展方向