矿区废弃地为室外大型非结构化环境，包含多种类型的障碍物且存在诸多不确定性因素，给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先，针对矿区废弃地已知环境，采用牛耕式单元分解法对复杂环境做出区域分解，将具有综合复杂性的地图分解为多个不含障碍物的子区域；然后，根据子区域的邻接关系构建无向图，采用深度优先搜索算法确定子区域间的转移顺序；最后，采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明，生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效，所得的方法能够处理复杂的非结构化环境，完成废弃矿区移动机器人的覆盖路径规划

根据电压型PWM整流器在同步旋转dq坐标系中建立的整流器功率控制数学模型,基于功率前馈解耦,解决了有功功率和无功功率互为耦合问题.为克服整流器电流控制策略、直接功率控制策略及非线性控制策略的不足,提出了采用功率内环、直流电压平方外环电压型PWM整流器的新控制策略.由于采用直流电压平方外环,提高了整流器直流电压跟踪和功率跟踪能力,使系统具有响应快、稳定性好、抗负载扰动能力强及结构简单的优点.给出了系统控制器的设计方法.通过正常负载及负载扰动情况下的计算机仿真,证明了新控制策略的可行性

基于相似原理,采用1:1的水模型,模拟了薄板坯连铸结晶器内钢液的流场.采用SG800水工数据采集系统对结晶器内液面波动和注流冲击深度进行了定量测量.针对薄板坯连铸高拉速的需要,开发了一种新型的耗散型浸入式水口.通过研究耗散水日上下出口面积比、出口角度以及拉坯速度对结晶器液面波动和对结晶器窄边冲击情况的影响,找出了其中的变化规律,为优化耗散式水口的结构和工艺参数提供了理论依据.通过与普通双侧孔水口的试验比较,证明耗散型水口是一种适合薄板坯连铸高拉速生产的新型水口

针对海底集矿机采矿环境图像,采用分段线性变换提高图像细节,中值滤波去除悬浮物干扰.利用形态学抗噪声梯度算子提取地形和障碍物轮廓,并用分段线性拟合计算出地表亮度变化率.根据表面亮度变化特征判断障碍物类型,采用自适应形态学对轮廓进行细化与连接.通过障碍投影变换计算出障碍物的距离、高度和宽度等信息.对陆地图像进行了分析,证明位置、高度和坡度等参数计算的可行性.利用上述方法对深海底的图像进行处理,不仅保留了边界信息,且提高了抗干扰能力和抗边界间相互影响能力,可有效识别深海底地形和障碍物,得出位置和形状等参数,可以为集矿机避障系统信息融合技术提供可靠数据

保持微熔池稳定是采用玻璃包覆熔融纺丝法连续稳定制备微丝的前提.采用理论计算分析了感应加热器结构参数、加热电流、微熔池的体积、微熔池在感应加热器中的位置等因素对铁基合金微熔池温度和所受悬浮力的影响,获得了保持微熔池稳定的合理工艺参数.在合适的拉丝温度(1280℃左右)下,增大感应加热器锥角和下锥孔高度,减小感应加热器高度、下锥孔半径以及微熔池中心与下锥孔上端面之间的距离,均有利于提高铁基合金微熔池所受悬浮力;减小电流的同时减小微熔池的体积(质量),有利于减小重力与悬浮力差值.在本文研究条件下,整体感应加热器的合理结构尺寸为:感应加热器锥角120~130°,感应加热器高度12~14mm,下锥孔高度2~4mm,下锥孔半径3~4mm.微熔池中心与感应加热器下锥孔上端面之间的合理距离为4~6mm,合适的微熔池质量为1.5~2.0g.采用结构优化的整体感应加热器,并通过连续进料使微熔池的体积(质量)保持基本不变,实现了玻璃包覆铁基合金微丝的连续稳定制备

基于相似原理,采用1:1的水模型,模拟了薄板坯连铸结晶器内钢液-保护渣界面的流场,通过采用SG200水工数据采集系统对液而波动进行了定量测量.结合流场显示研究了薄板坯连铸结晶器内钢液的卷渣机理,得出了薄板坯连铸结晶器内钢液的主要卷渣方式为旋涡卷渣和剪切卷渣.研究了各工艺参数,即水日类型、浸入深度、水口出口倾角、拉速等,对保护渣卷人量、卷入方式、卷人深度的影响

以大冶铁矿为工程背景,采用相似材料模型实验和数值模拟计算相结合的方法,对深凹露天转地下开采高陡边坡的变形和破坏规律进行了系统研究.首先,模型相似实验中,采用百分表、压力传感器和近景摄影测量等手段监测模型的应力应变和破坏特征,对围岩位移和破坏裂纹进行系统分析,揭示了高陡边坡的变形和破坏基本规律.其次,采用有限差分软件,从地表沉降量、应力值变化和塑性区分布等方面与相似材料实验结果进行了对比分析.结果表明,高边坡竖向最大沉降为28.2mm,围岩破坏程度随着开采深度的增加递增,塑性区范围不断扩大,剪切破坏主要集中在两侧边坡的边脚部位.相似模型实验和数值模拟相结合可以较好地揭示深凹露天转地下开采过程中高陡边坡的变形和破坏基本特征,是一种较好的理论研究方法

选择石蜡基热塑性粘结剂,采用粉末注射成形(PIM)工艺制备烧结Sm2Co17永磁体.粘结剂由PW、HEPE、LEPE、PP和SA组成,通过分析喂料流变性能和磁体残碳含量,确定合适的组元配比(质量比)为PW:LEPE:PP:SA=7:1:1:1.在氩气和氢气混合气氛下热脱脂,永磁体的碳、氧含量较低.最终得到永磁体的磁性能为:剩磁Br=0.51T,内禀矫顽力Hcj=168kA·m-1,最大磁能积BHmax=21.3kJ·m-3.与传统方法制备的永磁体相比,PIM永磁体退磁曲线的方形度较差,磁性较低.造成磁体性能较差的原因是残碳的质量分数较高(≥ 0.33%),较高的碳含量导致磁体中出现高熔点的非磁性相ZrC,使Zr的有效含量降低,片状相和1:5相体积分数减少,胞状显微组织和微观结构被破坏,磁性能下降.因此,采用PIM工艺制备高性能烧结钐钴永磁体,其关键是降低磁体中的残余碳含量

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. Chart是将数据源(例如采集得到的数据)在某 坐标系中,实时、逐点地显示出来,它可以反映 被测物理量的变化趋势 。 2. Graph则是对已采集数据进行事后处理的结果。它先将被采集数据存放在一个数组之中,然后根据 需要组织成所需的图形显示出来