为了实现高铁架桥施工特种装备施工过程中的实时监控以及智能运维,以DYJ900高铁运架一体机为研究对象,采用LabVIEW与VRML(虚拟现实模型语言)文件联合仿真方法,开发了DYJ900运架一体机在运行工程中的运动虚拟仿真系统,实现了DYJ900运架一体机实体(物理空间)和系统(虚拟空间)之间的数据和信息交换等功能。另外,针对所开发系统的核心功能,比如提梁过程中的提升操作仿真,进行了试验设计和试验平台搭建,进而对开发的运行仿真系统功能进行了验证。此研究对高铁施工重型装备的智能化运行、监控、管理和维护等有积极意义。

为解决高铁建设大型装备作业时因为视觉盲区大而产生的人员安全问题,以高铁建设装备运行的典型场所,各工况下不同作业人员典型姿态图像为样本,采用Haar-like特征与Adaboost算法结合的训练方法,构建人员图像识别分类器,为提高分类器的准确性,在训练方法加入正样本自更新的方法以作改进。利用OpenCV分类器训练框架和Python语言,构建了高铁建设装备作业区域内人员的防入侵在线检测系统。试验和现场的运行验证了正样本自更新方法的可行性及系统的可靠性。

为了提高物流分拣中心的效率,这里基于遗传算法提出了两种和时间推理相结合的多AGV(自动导引车)路径规划模型,研究了派车方法,多AGV之间的协调性(派车)和解决多AGV的路径规划问题。研究采用拓扑建模法对仓储物流中心分拣库区进行数学建模,然后分别使用两种模型完成了对分拣库区多AGV的无碰撞路径规划。两种模型的区别主要在于冲突解决方式不同模型一在解决冲突时优先级低的AGV在发生冲突的顶点附近进行等待,而模型二则要求优先级低的AGV在发生冲突顶点的前一顶点进行等待。另外,基于这里提出的编码方法和遗传算法的实验仿真表明,采用两种模型都可使所有AGV顺利地完成任务,但高效不同。

针对一般滚动轴承智能诊断过程中特征自适应提取能力不足及模型训练困难的问题,提出了一种卷积核注意力机制与残差网络相结合的故障诊断模型(CKAM-Resnet),采用一维选择性核卷积(Select Kernel Convolution,SK Convolution)层替代残差网络中的普通卷积层,使模型可以根据输入的振动信号的不同,自适应地调整选择性核卷积层中不同分支的卷积核输出的特征图通道权重,达到了自动调节感受野的效果,增强了模型在恒定负载下的特征自适应提取能力。并通过实验验证了该方法在恒定负载下故障诊断的平均准确率达到了99.81%,优于其他故障诊断方法。另外,采用t-SNE技术将模型关键层输出的特征降维并聚类可视化,评估了模型的表达能力,实验验证了该模型结构对故障提取的有效性。

飞行器航拍时,由于飞行环境和飞行姿态的影响,会导致图像出现细节丢失和颜色失真从而影响图片质量,对图像中的目标准确识别带来挑战。针对这一问题,提出了一种Ritinex理论和基于神经网络深度学习相结合的方法,利用低照度图像增强算法来提高图像质量,从而实现侦查目标的准确识别。在AlexNet神经网络构架中引入U-net结构,根据Retinex理论采用分组卷积和深层卷积块构建了用于低照度图像增强神经网络构架,并加入亮度调整因子对分解结果进行增强。实验表明,本研究提出的方法和其它常用算法相比,有较好的整体视觉效果。另外,基于该方法所开发的低照度图像增强系统在搭建的无人机航拍平台上的应用也显示了其可靠性和准确性。

四旋翼飞行器可以在特殊复杂的环境下运行而备受关注,由于自身具有强耦合、欠驱动及非线性等特点,保障其突发环境变化时飞行轨迹和姿态的快速调整至稳定就变得很重要。首先对四旋翼飞行的中低空范围内风场进行研究,将风扰因素模型化并引入四旋翼系统模型中。其次四旋翼自身采用内外双闭环的控制架构,在位置外环和姿态内环框架内分别设计了全新的位置滑模控制器和姿态双闭环滑模控制器。在位置滑模控制器设计中提出一种带有鲁棒项的指数趋近律以实现外界环境干扰下飞行器对目标轨迹的准确跟踪。在设计姿态滑模面时加入了对姿态角跟踪误差值的积分项以提高四旋翼系统的鲁棒性。最终通过Matlab/Simulink数值仿真手段进行与传统滑模控制的对比仿真实验,检验了这里的控制方法具有更好的轨迹跟踪性能和鲁棒性。