为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

针对熔化焊在焊接AA7B04铝合金时易在焊缝中出现孔洞等缺陷，且接头性能下降明显、焊后变形大，以及采用铆接等机械连接方式会增加连接件的重量等问题，采用集成了搅拌摩擦焊末端执行器的KUKA Titan机器人对2 mm厚AA7B04高强铝合金进行了焊接，在转速为800 r·min-1的条件下，研究了焊度对焊接过程中搅拌头3个方向的受力Fx、Fy和Fz的影响.研究发现，Fz受焊速的影响显著，随焊速的增加而降低.利用光学显微镜、透射电子显微镜、拉伸试验、三点弯曲试验和硬度测试等方法，研究了不同焊速下AA7B04铝合金接头的微观组织和力学性能.结果表明：当焊速为100 mm·min-1时，接头的抗拉强度最高为447 MPa，可达母材的80%，且所有接头的正弯和背弯180°均无裂纹；接头横截面的硬度分布呈W型，硬度最低点出现在热力影响区和焊核区的交界处，焊速不同会导致不同的焊接热循环，且随着焊速的增加接头的硬度随之增加；焊核区组织发生了动态再结晶，生成了细小的等轴晶粒，前进侧和后退侧热力影响区的晶粒均发生了明显的变形；前进侧热影响区析出η'相，后退侧热影响区因温度较高析出η'相和尺寸较大的η相

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

§1-0 引 言 §1-1 机械工业在现代化建设中的作用 §1-2 机器的基本组成要素 §1-3 本课程的内容、性质与任务 §1-4 认识机器

延安大学：《智能机器人》课程教学资源（学习资料）2014机器人足球比赛规则

延安大学：《智能机器人》课程教学资源（PPT课件讲稿）智能机器人发展现状及其趋势

延安大学：《智能机器人》课程教学资源（学习资料）2014机器人灭火比赛规则

8.1 轨迹规划应考虑的问题 8.2 关节轨迹的插值计算 8.3 笛卡儿路径轨迹规划 8.4 规划轨迹的实时生成 8.5 小结

《资产评估学》课程教学资源（讲义）第二篇 资产评估实务 第四章 机器设备评估 4.2成本法在机器设备评估中的应用

▪ 杆件参数的意义 ▪ 坐标系的建立原则 ▪ 杆件坐标系间的变换过程-相邻关节坐标 系的齐次变换 ▪ 机器人的运动学方程