磁流变抛光D型去除函数创成机制数值分析

磁流变抛光技术是超精密光学元件制造的最终工艺环节。为了进一步研究在磁流变抛光过程中,当工件的嵌入深度不同时,其去除函数对抛光区域内磁流变抛光液的压力、速度、密度的影响,作者通过开展数值计算对相关参数进行试验、分析,探明了在磁流变抛光过程中,其加工工件的嵌入深度不同对磁流变抛光液的压力、速度、密度的影响机制,得出了当加工工件的嵌入深度逐渐变深时,磁流变抛光液的压力会随其变深而增大、磁流变抛光液的运动速度相反会随其变深而逐渐减小、磁流变抛光液的密度会随其变深而逐渐增大的结论。     

多轮混合动力驱动无人驾驶框架车整车控制器开发

针对多轮分布式混合动力驱动无人驾驶框架车(MHUFV)的功能特点,开发整车控制系统,包括基于双动力源协调的高压上下电管理,考虑多控制节点复杂系统的故障诊断与容错控制,以及双输入模式驾驶员指令判定、防滑控制、模式切换和能量分配控制算法的设计.在此基础上,构建MHUFV软件架构,利用快速控制原型(RCP)技术平台,开发整车控制器,并对整车基本性能进行实车测试.结果表明,开发的整车控制器能够满足实车设计需求,在满载极限车速15 km/h时各关键状态量测试结果合理,且在同一运行工况下相比于传统柴油车节油效果达到38％,可以满足当前框架车行业的开发需求.     

工业大麻收割机切割-输送关键部件作业参数优化

针对工业大麻收割机茎秆切割效率低、输送率低,以及关键作业参数研究空白的现状,本文结合工业大麻茎秆物理特性,运用中心组合试验设计理论开展关键部件作业参数试验与优化,重点研究工业大麻收割机切割-输送作业关键参数中切割速度、链条输送速度、切割位置与夹持点水平间距对切割效率、输送率的影响规律,并以切割效率、输送率为响应指标进行多目标优化.首先对主产区工业大麻茎秆物理和机械力学特性进行研究,并进行与收割相关的物理参数测定,然后采用二次正交旋转组合试验方法设计试验,并用Design-Expert进行数据处理,建立切割效率、输送率的回归数学模型并进行方差分析.通过响应曲面方法分析各因素交互作用对切割效率、输送率的影响,并根据优化目标的重要程度(输送率较切割效率更重要)对回归模型进行多目标优化,得出工业大麻收割机切割-输送关键作业参数的最优组合如下:切割速度为1.33 m/s,链条输送速度为1.35 m/s,切割与夹持点水平距离为63.9 mm.此时切割效率最高、输送率最高,其值分别为44.35株/s、93.93％.最优参数组合下田间试验切割效率为44.7株/s、输送率为92.21％,作业性能大幅提升,达到了较为理想的效果.     

基于改进YOLOv3的运动目标分类检测算法研究

提出一种基于改进YOLOv3算法的一类运动目标检测算法. 为进一步提高YOLOv3的检测精度,采用基于DIoU优化的边界框回归损失函数进行计算; 优化非极大值抑制,有效减少了目标框重叠的现象,提高检测精度; 针对运动目标检测,提出一种基于目标框多中心点位移的检测算法. 经UA-DETRAC数据集上的实验表明,改进后的算法在提高检测精度的同时保证了较快的速度,准确率和召回率相比原始YOLOv3分别提高了 8.07%和3.87%,对运动目标的检测速度可达20 fps/s,可满足实时检测的要求.     

多网融合方案在电力基建工程现场中应用研究

针对输变电工程陆续开展基建智慧工地,智慧物联系统平台建设已成为常态,目前建设思路主要是通过基于"大、云、物、移、智"开展新技术、新产品的应用,实现"人、机、料、法、环、测"等施工现场六要素的感知采集,以支撑智慧工地及基建信息化的业务开展.如何实现施工现场感知层数据、视频流数据以及业务数据三类数据的传输,并实现设备安装布设无线化、部署简易化,是重点思考和解决的方向,提出建设以5G(generation)专网为主,无线接入点(access point,AP)网络、远距离(long range,LoRa)通信网络为辅的多网融合方案,开展智慧工地网络层的建设,以支撑智慧工地物联网业务的开展,提供高质量、高体验的网络层支撑.     

基于FPA-VVRKFA的手势表面肌电信号识别

表面肌电(Surface Electromyography,sEMG)信号直接、客观地反映了人体肌肉的活动情况,其作为一种便捷的无侵入式肌电检测方法,被广泛地应用于人体动作识别领域.针对表面肌电信号的手势识别问题,提出了一种基于时域特征和向量正则核函数逼近方法(Vector-Valued Regularized Kernel Function Approximation,VVRKFA)的手势识别方法.首先,对MYO臂环采集到的sEMG数据进行活动段检测以提取出活动段;随后,从活动段信号中提取平均绝对值、波形长度、过零点数、均方根和Willison幅值等五个时域特征;最后,应用VVRKFA分类器对提取到的sEMG进行分类识别,同时采用花授粉算法(Flower Pollination Algorithm,FPA)优化分类器参数以保证最佳分类能力.实验结果表明提出的方法在手势动作模式识别上取得了较高的准确率.     

配网居民用户侧应急抢修资源多目标选址研究

配网居民用户侧应急抢修主要针对10 kV以下的居民用户故障,其抢修处理量大、到达时间要求短.现有的应急抢修存在问题:未考虑不同地区的差异性及不确定性进行布置;抢修资源选址模型单一.在此背景下,考虑不同目标对资源配置的影响,建立配电网应急抢修资源多目标选址模型.模型中根据故障工单及天气、路况等数据构建距离、成本目标函数,同时设置覆盖面积、到达距离约束.采用基于Pareto支配的多目标粒子群算法进行优化求解,通过基于信息熵的序数偏好法得到最终优化方案.最后,通过算例验证所述模型的可行性.