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

扭转调谐液柱阻尼器（torsional tuned liquid column damper，TTLCD）是一种有效的扭转振动控制装置.本文对该阻尼器在偏心框架结构中的设计方法进行研究，针对不同的倾斜管道投影点和倾斜角，建立了三种形式的扭转调谐液柱阻尼器在地震作用下的运动方程和控制力方程，给出TTLCD参数优化的具体公式，其方法为对比扭转调谐液柱阻尼器-偏心结构和扭转调频质量阻尼器（torsional tuned mass damper，TTMD）-偏心结构，将两控制系统转化，利用Den Hartog或Ikeda给出的调频质量阻尼器（tuned liquid mass damper，TMD）参数优化公式来实现TTLCD参数优化，最后给出TTLCD的设计流程.通过对一个四层偏心框架结构进行模拟，验证了理论设计方法的合理性

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

在存在多介质的高炉回旋区内,首先利用安装在风口直吹管窥视孔的电荷耦合器件(charged couple device,CCD)摄像机可以获得高炉回旋区内累积的二维温度辐射图像,然后将高炉回旋区均分成若干小块,利用数学模型近似模拟回旋区内的辐射传热过程并建立矩阵方程,通过求解方程获得高炉回旋区内的三维温度场.在模拟辐射传热过程中,本文提出了一种更有效也更符合实际生产的新方法——基于距离的高斯函数模型来模拟高炉内介质的辐射能量传播过程并获得了较好的三维温度场.由于存在波动误差以及电荷耦合器件摄像机测量误差等,所以我们通过在测量数据中添加随机误差来验证重构温度场的有效性以及稳定性.结果显示重构的三维温度场与真实温度场非常接近,误差在高炉工业允许的5%范围以内

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性

引入以三次勒让德多项式表达的基本板形模式,并采用基于最小二乘原理的回归分析方法建立了板形模式识别模型.对某厂2180 mm CVC(continuously variable crown)超宽带钢冷连轧机和1550 mm UCM(universal crown mill)普通宽带钢冷连轧机的板形进行了识别与对比,结果表明对超宽带钢轧机板形而言,引入三次基本板形模式识别出的主要板形缺陷为\OS(operating side)单侧肋浪加DS(driving side)单边浪\,未引入为\四分之一浪\;对普通宽带钢轧板形,识别结果均为\中浪\,验证了在超宽带钢冷连轧机板形模式识别中引入三次基本板形模式的必要性,并讨论了此模型在超宽带钢冷连轧机板形缺陷分析及非对称板形控制方面的应用价值

提出了一种利用两相流Eulerian Wall Film(EWF)模型和自定义结露量公式相结合来预测样品表面相变行为及液膜变化的方法.首先利用自搭建环境实验箱开展结露物理实验,并分别基于两相流EWF模型与单相流模型进行仿真实验.结果表明,相对于单相流模型,EWF模型因考虑了相变过程而能够更加精确地模拟样品表面相变行为.然后通过自定义公式计算所得结露量与实测结露量的对比,验证了所提出结露量公式的正确性.最后在模拟与实测的温湿度曲线以及结露量吻合较好的前提下,模拟了样品表面液膜变化过程,过程中液膜呈现的形态与物理实验中原位摄像系统捕捉到的液膜形态初步吻合

根据变厚度轧制特点和前滑定义，推导了一种变厚度轧制的前滑值的理论模型.用MARC软件建立变厚度轧制的有限元模型，针对四种不同变厚度区形状的轧件在轧制摩擦因数为0.08和0.1工况条件下的轧制过程进行了数值模拟.此外，采用轧制试验方法实测了总前滑量.对比分析结果表明：前滑理论模型的计算值与有限元数值模拟结果接近，两种方法计算所得前滑值的差值小于0.005.与常规恒厚度轧制中稳定前滑值不同，在变厚度区轧制时，前滑值在0.02～0.10波动.变厚度区的压下率越大，其前滑值也越大；较小变厚度区斜度设计和低的摩擦因数会使变厚度轧制有更好的轧制稳定性和小的前滑波动范围.TRB变厚度轧制试验也验证了前滑理论模型的精度.减薄轧制实测前滑值和计算值偏差大与变形区应变状态及增加的打滑趋势有关

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障