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

含铝低密度钢由于其较好的综合力学性能和低密度特征引起结构钢领域研究人员的广泛关注.本文利用ThermoCalc热力学计算软件结合TCFE 7数据库,计算中锰中铝含量Fe-Mn-Al-C钢在不同温度的热力学平衡状态,总结其两相区相比例的变化规律,通过平移和修正等处理方法,绘制针对中锰中铝钢合金成分和相设计的类Schaeffler相图.结合马氏体转变温度的计算讨论对应不同合金成分条件下相种类存在可能,并通过已有材料的相比例和相形貌实验结果分析绘制的类Schaeffler相图的准确性和适用性.绘制的Fe-Mn-Al-C类Schaeffler相图可以直观地提供不同合金成分所对应的相比例、相种类等信息,可用于新型含铝低密度钢的合金设计

为研究缝合线分形特征及其对石灰岩强度的影响，基于数字图像处理技术，采用功率谱密度方法和数字图像盒维数方法分析水平缝合线和垂直缝合线的分形维数，通过实验和数值模拟研究缝合线对石灰岩强度的影响和石灰岩内部裂纹演化过程.研究结果表明：采用两种分形分析方法得出缝合线分形维数介于1和2之间，表明缝合线是自然界一种自仿射分形构造，且垂直缝合线的粗糙度较大.缝合线平均弱化石灰岩强度约20%，不同倾角缝合线石灰岩强度没有明显的各向异性现象，缝合线对石灰岩弹性模量影响很小.石灰岩失稳破坏过程中，裂纹的萌生发展与缝合线息息相关，缝合线加快了石灰岩的损伤破坏.数值模拟表明缝合线厚度、位置、数量、分形维数等发育因素对石灰岩的强度有着显著的影响

针对完全依靠人工带电拧紧高压输电线路引流板螺栓作业效率低、劳动强度大、高空和高电压危险的问题,研制了一种双臂和双机械手的引流板螺栓拧紧带电检修机器人.通过各关节的轨迹规划双作业臂及其末端由初始位姿运动到螺栓螺母对准状态是机器人顺利完成检修作业的关键.针对现有多项式插值关节轨迹规划依赖于轨迹端点时刻,导致该方法实用性差及关节轨迹运动过程中忽略驱动机构对关节状态制约的问题,提出基于Min-Max时间标准化的改进多项式插值关节轨迹规划方法.基于该方法,以关节运动时间为优化对象,提出满足关节轨迹运动全程约束条件的关节运动时间区间范围的求取方法.通过仿真实验验证了改进算法关节轨迹仅与轨迹端点状态及运动时间有关,而与端点时刻无关,进一步淡化轨迹端点时刻对关节轨迹的影响,提高算法的实用性.通过选取最优关节轨迹运动时间,满足了关节状态全程状态约束要求,从而避免超调的发生,优化了各关节运动轨迹,提高了关节运动的效率.最后通过现场试验进一步验证改进算法的工程实用性

采用了一种新的混合LES-RANS（大涡模拟-雷诺平均模型）湍流模型模拟结晶器中钢液的流场.模型通过修正湍流黏度系数对水口和结晶器内湍流进行过滤，对大尺度的湍流直接采用Navier-Stokes方程求解计算，对小尺度的脉动采用标准k-ε模型进行计算.该模型能避免RANS的过分耗散并且能捕捉到更多的瞬态湍流信息.模型通过对连铸结晶器内液态金属GaInSn模型速度进行测量验证，速度测量方法为超声波多普勒测速仪（UDV）测速法.新模型与实验测量值吻合程度明显好于RANS模拟的结果，能更准确地预测结晶器和水口内的湍流行为.结晶器内瞬态流动特征表明，水口两侧流体呈周期性的偏流，周期约为5s

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的

针对设计模式识别结果的假阴性问题与重叠问题,为提高设计模式实例恢复的精确性,提出一种形式化上下无关文法关系驱动的设计模式检测方法.依据设计模式实例中的参与者属性及其关系,以形式化可视化语言描述模式实例的识别文法.在此基础上,改进该文法检测设计模式实例参与者间的附加关系,并识别共享实例的模式.实验结果表明,新方法不仅减少了模式实例的假阴性结果,还解决了模式实例识别的重叠问题,与其他检测方法的精确度、召回率及F-score指标比较,新方法取得了较好的效果

现代电力电子设备对非平稳、时变电压信号十分敏感,基于此提出了一种网侧电压异常检测与预报的方法,通过对网侧电压信号进行实时检测,向相关电力电子设备的控制电路发送网侧电压异常预报信号.为消除电压信号中的常规噪声干扰,首先采用线性跟踪微分器对网侧电压信号进行滤波,在此基础上,通过引入小波变换模极大值法检测奇异点,对滤波后的信号进行电压突变点的判断,目标是准确预报出电网电压中可能对电力电子设备造成危害的异常点.仿真与实验结果表明,基于线性跟踪微分器的小波信号检测能够实时准确地获得理想信号的最佳逼近,提高了网侧电压故障检测速度,通过实时的检测与分析,该方法能够为电力电子设备提供具有参考价值的预报信号

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径