椎板减压是治疗腰椎椎管狭窄等疾病的重要手段,具有风险大、耗时长、对医生技术要求高等特点,通过应用手术机器人辅助医生完成椎板减压操作,能在保证手术精度与安全性的前提下减轻医生负担。针对椎板开窗减压术,研发小型串联手术辅助机器人,并对手术轨迹规划方法展开研究。文章综合考虑术中患者摆位、手术区域覆盖范围以及机器人占地空间等因素,通过尺度分析设计出具有最优刚度与精度的五自由度机器人;以椎板磨削中的轨迹规划为目的,基于医学影像数据多尺度分割技术对患者椎板等组织进行分割与三维重建,构建轨迹规划的实际临床环境;采用Isomap与遗传算法实现机器人的磨削轨迹规划,并利用三次样条插值提高机器人运行稳定性;同时采用A*算法实现椎板换位过程中的轨迹规划,避免机器人在三维空间中运动时与非目标区域发生碰撞。

轴温是识别列车故障的关键指标之一,实时监测轴温变化并对故障及时预警对车辆检修、机车行车安全具有重要意义。在温度采集方面,采用射频识别(RFID)标签实现无源温度监测,分别设置数字信号处理芯片以及射频芯片控制信号的收发,实时、准确采集货运机车的轴温。在预警算法方面,采用回归系数算法进行车轴故障预警,结合采集的轴温变化数据,分析影响温度的成分因子,并经过特征降维处理后与温差实现多元线性回归拟合运算,获得回归系数后,使用改进的支持向量机模型进行故障预警。实验结果显示,该预警算法可以结合机车的运行速度、工况环境等,实现对故障的综合判断并预警,预警准确率可达97.67%。

为了准确预测钛合金丝材的表面粗糙度,设计了无心车床切削TC4钛合金丝材试验,对不同切削参数下无心车床的前导向机构、主轴机构、后导向机构的8通道振动参数进行测量,采用皮尔逊相关系数对测量点振动参数进行特征选择和特征降维,建立支持向量机(SVM)的表面粗糙度预测模型。在不同的主轴转速、进给速度等工艺参数下,得到SVM预测模型的表面粗糙度的预测精度RMSE为0.0268,MAPE为0.0403,R2为0.8274,基于SVM模型预测钛合金线材的表面粗糙度具有较好的精度,验证了模型的有效性。

为保证液控缓闭止回蝶阀的正常、稳定运行,需精准完成其液压缸损坏故障的自动诊断,因此,本文提出基于小波分析的液控缓闭止回蝶阀液压缸损坏故障的自动诊断方法。该方法采用小波包分析处理传感器采集的液压缸运行信号,并提取信号中的液压缸故障特征;通过主成分分析方法降低处理提取特征的维数后,将处理后的特征输入至深度置信网络模型中,通过模型学习和迭代训练,输出液压缸损坏故障的自动诊断结果。测试结果显示,该方法在神经元数量为12个的前提下,能有效完成信号中故障特征的提取,并可呈现时域特征结果;具有较好的液压缸损坏故障的自动诊断能力,能判断液压缸损坏故障程度。

针对滚动轴承运行过程中故障难以识别的问题,提出一种多特征提取与改进粒子群算法(improved particle swarm optimization,简称IPSO)优化最小二乘支持向量机的诊断方法。首先用小波包变换对振动信号消噪、分解,提取频域特征;然后结合时域特征等参数,用核主元分析法对多维特征空间进行优选和降维,获得典型故障的敏感信号;最后用改进的粒子群优化最小二乘支持向量机的核参数和惩罚因子解决在寻优中陷入边缘局部最优、收敛精度差的问题,提升故障诊断的识别率。实验结果表明该方法有效提取故障特征,提高了故障识别的准确率和实时性,是一种可靠的轴承故障诊断方法。

为解决带钢表面缺陷的识别问题,提出基于主成分分析和支持向量机的方法对几种典型的冷轧带钢表面缺陷识别进行算法研究：首先利用主成分分析方法对所提取的特征量进行降维;然后将降维所得到的特征量作为支持向量机的输入样本,训练支持向量机进行识别。结果表明：对常见的横折印、划痕、平整斑、锈蚀等带钢表面缺陷进行识别能达到很高的识别率。