振动控制技术的研究

研究了一种新型的作动器,主要用来解决由发动机所引起的船舶甲板的振动问题.通过机械机构及控制系统来实现激振频率及振幅的在线跟踪调节,控制系统可自动识别相角差及振动幅值并自动进行调节.模糊控制器可显著地减小船舶的振动,作动器与激振器相角差控制方面首次提出了优化模糊控制算法,与传统模糊控制算法比较,模糊控制规则可根据实际测试结果进行确定,然后由程序进行分段线性优化,提高了相位角差调整的精度,理论分析和仿真结果表明,当系统模型参数发生变化时,该作动器具有良好的特性,对于抵消来自振源的振动具有良好效果.     

机床柔性主轴转子低速无试重动平衡方法研究

为解决机床柔性主轴转子动平衡过程中需要在高速下试重的问题,提出一种柔性主轴转子低速无试重动平衡方法。在构建机床主轴动力学模型的基础上,根据刚体力学理论,通过对不平衡量与振动响应之间映射关系的提取,实现了工作转速下采集一次振动数据即可完成不平衡量的无试重识别;为了在非真实失衡面对呈现柔性特征的主轴转子失衡振动进行有效抑制,分析了柔性状态下的不平衡主轴模态振动行为,并基于此提出了不平衡量校正位置迁移方法。在高速柔性电主轴动平衡平台上进行了仿真与实验分析,实验在7 200r/min时进行,结果表明:基于一阶临界转速下所采集的振动数据,可得到迁移至两侧配重平面的等效不平衡量,对该不平衡量予以校正之后,一阶临界转速下主轴振动幅值下降了74.7%,且临界转速前后的振动降幅也较为明显,有效抑制了高速振型不平衡。     

模型集自适应的交互多模型辅助粒子滤波算法

为了提高机动目标的跟踪精度,提出一种基于目标转弯率模型的模型集自适应交互多模型辅助粒子滤波算法(AMSIMMAPF).采用转弯率模型实时辨识目标的角速度,根据辨识到的角速度来更新交互多模型的模型集.利用辅助粒子滤波可以避免粒子权值退化、样本衰减,不受线性模型高斯噪声限制的特点,各模型滤波选用辅助粒子滤波算法以提高跟踪精度.理论分析和仿真结果表明,与交互多模型粒子滤波算法相比,本算法具有跟踪精度高,计算量小的特点.     

基于深度特征与抗遮挡策略的运动目标跟踪

为了进一步提高复杂场景下的目标跟踪精度与鲁棒性,本文提出了基于深度特征与抗遮挡策略的运动目标跟踪算法,首先利用深层卷积神经网络提取出目标的深度卷积特征以代替传统的手工特征,然后将深度卷积特征融入传统的核相关滤波跟踪框架,充分利用深度特征描述能力强和相关滤波算法跟踪效率高的优势,同时采用高置信度抗遮挡更新策略来更新滤波器,利用融合特征训练尺度相关滤波器,以便更加精准预测目标的位置,提高算法抗遮挡能力.论文对数据集OTB-100视频序列中有遮挡问题的序列进行了测试,并与Deep STRCF、DSST、SRDCF、COT和ECO等算法进行比较,实验结果表明,本文所提算法在目标尺度变化、背景干扰和遮挡等复杂背景下具有更高的跟踪精度与成功率,跟踪效果最佳.     

主轴电磁滑环式平衡头单平面动平衡调整方法

目的解决主轴在高速旋转过程中的不平衡力造成回转精度降低问题.方法笔者通过建立单平面动平衡调整算法模型,提出一种新型单平面主轴在线动平衡调整方法.基于Labview平台,开发在线动平衡调整仿真软件.结合试验实测数据与传统单平面调整方法进行对比分析,验证其合理性.结果该方法能够实现主轴在线动平衡状态、质量块精确定位,与传统方法相比,振幅降低程度达10%以上.结论新型单平面动平衡调整方法能够精确定位主轴质量块校正位置,大幅度提高主轴回转精度,为高速主轴的平稳运行和工艺优化提供基础科学依据.     

自举滤波器在非线性目标跟踪系统中的应用

为了解决目标跟踪领域中非线性、非高斯系统问题,研究了贝叶斯滤波算法及其一种实现方法,即自举滤波算法(BSF),并在滤波精度、运算量等方面与扩展卡尔曼滤波算法(EKF)进行比较分析.最后基于一个典型的非线性模型对BSF和EKF进行了仿真比较.仿真结果表明,自举滤波算法的性能优于扩展卡尔曼滤波算法的性能.     

基于改进粗糙化粒子滤波的磁偶极子跟踪

针对一般非线性滤波方法对磁偶极子跟踪时存在精度不高和滤波发散的问题,提出了一种改进粗糙化粒子滤波算法进行求解.该算法基于欧拉离散化方法,将连续随机滤波方法引入粗糙化粒子滤波框架,计算出在K-L散度意义下的最优控制量,将其作为粗糙化均值,以克服粒子贫化问题.建立了磁偶极子目标跟踪的连续时间状态空间模型,并给出了算法具体实现,通过仿真实验,将该算法与目前采用的磁偶极子目标跟踪算法进行对比,结果表明所提出的算法精度较高,且性能稳定.     

一种适用于建筑灾难救援系统的目标跟踪方法

在目标跟踪研究中,大量的实验证明粒子滤波算法对于运动轨迹变化复杂的运动目标跟踪效果不理想.基于变率粒子滤波算法(VRPF),以大型建筑灾难救援系统为研究背景,应用无线传感器网络技术,提出了一种自适应变率粒子滤波算法(AVRPF).该算法通过比较某时刻粒子值与测量值的关系自适应地调节采样周期,以提高对复杂运动目标的跟踪精度,尤其当运动轨迹出现大幅度变化时.仿真实验证明了该算法的有效性和实用性.     

双钢轮振动压路机振幅不均匀性的分析

为了解决国产双钢轮振动压路机存在的振幅不均匀性问题,通过对国产双钢轮振动压路机的振动测试,分析了引起钢轮振幅不均匀性的多种因素,建立了偏振模型,进行了Matlab仿真验证,并提出了改进方案。试验结果表明:压路机振动轮激振力作用中心面与振动体质心的重合程度是影响振动轮振幅均匀性的关键因素;振幅均匀性还与振动轮的制造和安装精度有关;改进后的试验样机,高幅振动时的振幅偏差由7.1%降低为2.9%,低幅振动时的振幅偏差由6.2%降低为1.5%。     

一种用于运动跟踪的加窗粒子滤波新算法研究

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法--加窗粒子滤波算法.该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪.仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题.     

基于模型参考自适应系统的电磁轴承支承转子不平衡量辨识及振动抑制

针对电磁轴承支承转子质量不平衡引起的同频振动问题，提出了一种基于模型参考自适应系统(model reference adaptive systems, MRAS)的转子不平衡量辨识与在线补偿相结合的算法，该算法鲁棒性强且能够有效简化控制器结构。针对转子在两个轴承平面内的等效不平衡量，提出了基于模型参考自适应的不平衡量辨识算法，根据Popov超稳定性理论进行自适应律设计并通过设计相位补偿角保证辨识算法在全转速范围内的稳定性；针对模型误差和复杂工况带来的系统参数变化，根据辨识结果生成补偿电流的初始值，并利用同样的模型参考自适应算法对补偿电流进行在线微调，从而在保证补偿精度的前提下大大提高了算法的收敛速度。仿真分析和实验研究结果表明：所提算法能够使两端轴承处的转子振幅在0.2 s内迅速衰减并保持稳定，对振动位移中的转速同频分量抑制效果达到90%以上，且能够自适应转速的变化。所提算法能快速准确地抑制不平衡所引起的转子振动，可满足多种场合下对转子高回转精度的要求。     

基于虚拟仪器的车床主轴回转精度测量仪的设计

车床主轴回转精度是衡量车床性能的重要指标.为此设计一款基于虚拟仪器的车床主轴回转精度测量仪,在数字式单向测量法的基础上改进了测量方法,并使用频谱校正的方法达到分离基准球偏心信号的目的.通过对测量方法仿真,验证了测量方法的可行性.该测量仪硬件部分采用了位移传感器、位移测量仪和数据采集卡采集主轴的回转误差信号并送入计算机;软件部分基于LabVIEW虚拟仪器技术开发,由采集、滤波、FFT、信号处理四个模块组成.当采集测量信号后,首先通过低通滤波消除高频干扰;然后对信号进行频谱分析和校正,实现对基准球偏心信号的分离;最后通过最小二乘圆中心对平均误差运动圆图像进行评定,最终确认车床主轴的回转误差。通过对测量仪的软件进行测试,验证了所设计的车床主轴回转精度测量仪能够满足实际测量要求.     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

基于改进Crazy Climber算法的小波脊线提取

针对传统Crazy Climber算法提取多条小波脊线耗时长、效率低等问题,提出一种模拟正火冷却的改进Crazy Climber脊线提取算法.通过对结构振动的响应进行连续小波变换,在小波系数幅值构成的时频平面中,基于模拟正火冷却算法跟踪提取时频平面中的小波脊点,促使每一个随机点高速地聚集在脊线上,消减运算时间.通过单自由度和多自由度系统数值模拟,与传统Crazy Climber算法在计算效率和识别精度两者进行对比分析,验证改进算法的的优越性.     

基于改进的 STU KF 电压暂降检测方法

为了准确检测电压暂降,提出一种基于改进的强跟踪无迹卡尔曼滤波(STUKF)的电压暂降检测方法.该方法在建立的电压信号状态模型基础上,利用改进的STUKF对发生暂降的电压信号状态进行跟踪,从而实时提取出电压的幅值和相位信息.仿真结果和实际数据检测表明,所提方法能够有效地检测电压暂降的幅值、持续时间和相位跳变.与传统的STUKF相比,改进的STUKF跟踪精度更高、鲁棒性更强.     

超声振动钻削皮质骨切屑形成机理及表面粗糙度研究

皮质骨钻削加工过程中存在排屑困难、表面质量差等问题.基于超声振动在机械加工领域的优良特性,针对这些问题,本文分析了常规钻削与超声振动钻削的断屑机理,通过搭建超声振动钻削实验平台,观察其切屑形态,通过正交实验研究了主轴转速、进给速度、频率与振幅对表面粗糙度的影响.试验表明:超声振动钻削皮质骨切屑形态呈针状,而常规钻削呈螺旋状;参数对皮质骨骨孔壁的表面粗糙度影响程度依次是进给速度、频率、主轴钻速、振幅,并得到在研究范围内主轴钻速为2 000 rpm、进给速度为50 mm/min、频率为15 kHz、振幅为15μm时获得最优表面粗糙度.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

量子遗传优化粒子滤波的WSN目标跟踪算法

在无线传感器网络(WSN)目标跟踪应用中,传统粒子滤波算法存在多样性退化问题。为提高WSN目标跟踪精度,提出一种基于量子遗传算法优化粒子滤波的WSN目标跟踪方法。量子遗传算法不仅增加粒子多样性,防止粒子退化现象出现,有效缩短了计算时间且改善粒子跟踪能力。测试结果表明,所提出算法很好地减轻了粒子退化对目标跟踪精度影响,提高了WSN目标跟踪精度和跟踪的实时性,跟踪结果令人满意。     

在线快速抑噪的自适应强跟踪滤波算法

针对强跟踪滤波算法对系统时变噪声缺乏自适应能力,导致系统状态估计精度较低的问题,提出一种可以在线估计噪声协方差阵的快速抑噪自适应强跟踪滤波算法,该算法可以抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近.仿真实验对比了强跟踪滤波算法和快速抑噪自适应强跟踪滤波算法在噪声变化环境下的性能,结果表明：快速抑噪...     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.