摘要：针对传统基于图像的视觉伺服系统运行速度慢,图像雅可比矩阵的求解受标定精度影响的问题,提出一种基于灰狼算法优化极限学习机(GWO-ELM)与模糊控制相结合的视觉伺服控制方法。该方法利用灰狼算法(GWO)优化ELM模型初始权重增加模型稳定性,估计图像雅可比矩阵伪逆预测机械臂末端运动速度,之后引入模糊控制(Fuzzy Control)设计视觉伺服控制器构建无标定视觉伺服控制系统,并进行上机实验。实验结果表明,Fuzzy Control-GWO-ELM-IBVS的运行效率相对于GWO-ELM-IBVS得到了提升,定位误差能控制在规定阈值,验证了提出的无标定视觉伺服控制系统的有效性。

摘要：数控电火花线切割机床在加工过程中经常会出现断丝的现象,断丝情况一旦发生,操作人员就不得不进行拆丝、上丝等繁琐的操作,上丝过程不仅耗费大量工时,而且还会间接影响产品的加工精度和表面粗糙度。文中从线切割过程中导致断丝的根本原因切入,设计出一套线切割防断丝装置,以降低加工过程中断丝现象发生的几率,提高线切割机床的加工效率。

摘要：成都地铁隧道主要穿越地层为砂卵石地层,采用土压平衡盾构施工。砂卵石地层具有明显的不均匀性和非连续性,工后沉降波动大且不易预测。根据成都地铁盾构1403个测点的监测数据和施工数据,研究了多维掘进参数与地表沉降之间的关系。建立了砂卵石地层沉降预测的人工神经网络(ANN)模型,并对模型的节点参数进行优化。最终得到的ANN模型包括9个输入节点,19个隐含层节点和1个输出节点。训练数据充足时,该模型有效反映了检验数据集的沉降变化趋势。在50组检验数据集上,沉降预测值与真实值的相关系数为0.645。针对某区间掘进工况的模拟检验表明,ANN模型有效预测了该区间纵断面沉降分布,且区间下半段的预测误差明显小于区间上半段,表明模型预测效果随着区间盾构的推进逐步改善。与Peck经验公式的对比表明,经验公式法的预测值波动很小,适合在施工开始前预估隧道整体的平均沉降,难以判断区间内部的沉降波动;ANN模型则适合在隧道掘进期间对特定位置的工后沉降做出预判。