柔性反馈式液压破碎锤配流系统研究与实验

根据工程施工破碎锤实际工况需要,对柔性反馈式液压破碎锤配流系统进行理论研究。设计一套电液联合控制柔性反馈式液压破碎锤实验样机;搭建液压破碎锤实验测试平台,进行可行性与实际工况下实验。实验结果表明:液压破碎锤电液控制系统设计是可行性的,破碎性能符合要求;利用该系统可实现新型液压破碎锤冲击能与冲击频率的实时改变,采集并分析实际工况下的冲击性能参数。     

四旋翼两栖机器人姿态求解与控制

介绍了一种基于四旋翼驱动的两栖移动机器人。首先简要介绍了该机器人的机械结构与控制及传感系统,并介绍了机器人由四旋翼机构提供动力,并通过对4个旋翼的转动速度和方向进行配置,从而实现在空中飞行或在地面滚动的原理。然后,采用四元数方法对该两栖机器人进行了姿态求解,在此基础上,基于PID算法开发了机器人的飞行控制算法,并进行了相应的仿真。最后通过实验验证了该两栖机器人能够实现预期的两种运动模式,即空中飞行和地面滚动。该机器人提高了传统只具有单一运动模式的移动机器人的环境适应能力。     

仿人机器人平地行走步态规划与仿真

为研究仿人机器人的平地行走运动,首先,根据人体结构特点和运动特征,并基于二维倒立摆原理,规划机器人平地行走过程中质心和摆动腿踝关节的运动轨迹;其次,通过建立机器人支撑腿和摆动腿的几何模型,对前向、侧向运动中两条腿所涉及的10个自由度的运动进行规划;进一步,根据逆运动学求解各关节角的运动轨迹,利用仿真软件ADAMS建立仿真模型,并进行平地行走虚拟仿真。仿真结果验证了文中所采用的步态规划方法的可行性,同时也验证了机器人结构设计和电机选型的合理性,为机器人样机的研制提供了理论依据。     

混合充磁式磁齿轮复合电机温度场仿真与试验

研究一种混合充磁式磁齿轮复合电机的温度场,通过对磁齿轮复合电机仿真得到电机铜耗、铁耗以及涡流损耗.将其结果设置为温度场仿真的热源,对简化的磁齿轮复合电机模型进行瞬态热分析,得到混合充磁式磁齿轮复合电机各部分温度场分布及温度随时间的变化情况.搭建试验平台进行温度测试,由计算、仿真、试验得到电机各部分随时间变化的温升曲线可知：磁齿轮复合电机内最高温度点在定子绕组部分,温度在安全范围内,不会对电机造成影响.     

视觉引导下机器人拆垛场景识别定位抓取方法

针对2D图像识别缺乏3D姿态信息，而传统的3D视觉需要处理大量点云，运算时间较长等问题，提出一种基于改进Mask R-CNN与局部点云迭代优化相结合的机器人拆垛、分拣及码垛策略。对Mask R-CNN网络进行改进，在其ROIAlign结构之后加入空间变换网络模块，提升识别准确率；利用改进的Mask R-CNN网络对目标进行实例分割，结合场景点云分割得到物体感兴趣区(ROI)场景局部点云；采用加入K维树邻域搜索的迭代最近点算法将物体ROI场景局部点云与模板点云进行配准，最终得到位姿估计的结果。UR5协作机器人根据此结果解决拆垛、分拣及码垛问题，实验结果表明：利用改进的Mask R-CNN网络提升了目标识别的准确率，使用ROI局部点云法减少了场景点云与模板点云配准的迭代次数，提高了工业机器人的拆垛、分拣及码垛效率。     

四轴垂直起降喷气式无人机气动数值仿真

基于无人垂直起降飞行器对高机动性、高负载、高动态响应的严苛要求，设计一款四轴垂直起降喷气式无人机.根据流体力学三大基本方程以及湍流k-ε方程对气动数值仿真模拟，确定无人机飞行时外部流场计算域.利用ICEM CFD软件对外部流场进行混合式非结构化网格划分，在Fluent求解器中设置流场边界条件，以湍流模型为基本模型，对无人机整机进行气动性能进行模拟并求解，得到无人机各部分表面的阻力系数、流速分布图、压力分布图和湍流动能图.对其进行气动特性分析，得出无人机上表面顶部、尾部、下表面头部以及喷气支架处存在动能损耗较大、阻力系数较高的问题.根据仿真结果，对无人机上述部位进行气动造型优化，结果表明，无人机总阻力系数由原来的0.165减小至0.121，有效改善了无人机表面压力、气流流速和湍流度.优化后气动特性更加优良，气动造型符合设计理念.     

类人机器人的研究现状及展望

机器人是近年来发展起来的一个多学科和技术相交叉结合的应用领域,类人机器人是研究热点之一.类人机器人技术汇集了当今世界在机电、材料、计算机、传感器、控制技术、人工智能、仿生科学、思维科学、心理学以及理论语言学等多个学科领域的尖端技术.本文主要介绍目前国内外类人机器人的研究现状,分析各典型类人机器人的自由度分布,同时对类人机器人的理论研究现状做简单介绍,对目前研究存在的问题做分析,提出类人机器人未来的发展方向.     

基于改进Mask R?CNN算法对堆叠汽车零件的实例分割方法

针对堆叠汽车零件识别检测与分割速度慢、精度低及鲁棒性差等问题,提出一种基于改进Mask R?CNN算法对堆叠汽车零件快速检测与实例分割的方法. 首先,对Mask R?CNN中的特征提取网络进行优化,将ResNet + 特征金字塔网络(Feature Pyramid Networks,FPN)替换成MobileNets + FPN作为骨干网络,有效减少网络参数并压缩模型体积,提高模型检测的速度;然后,通过在Mask R?CNN的ROI Align结构后加入空间变换网络(Spatial Transformer Networks,STN)模块,保证模型的检测精度. 试验结果表明,改进后压缩了模型的尺寸,识别检测速度提升了1倍;模型的平均精度均值(Mean Average Precision,mAP)较改进前也有所提升. 对未经训练的新样本进行检测,结果表明该模型速度上优于Mask R?CNN,且更轻量和精准,能够快速准确地实现对堆叠汽车零件检测与分割,验证了改进模型的实际可行性.