列車牽引電機低速運行1037311編碼器DFS60B-THAK00512于提高機器人自動化水平具有重要意義。定位方法分為兩類:定位和相對定位。定位要求機器人在不初始位置的情況下確定自己的位置。相對定位指機器人在給定初始位置的條件下確定自己的位置,是機器人定位處理中主要的研究方向。論文對相對定位技術進行了深入分析和系統研究,包括機器人系統參數校核、輪子打滑辨識與校核、測程法噪聲建模和噪聲統計特性的自適應估計、激光掃描數據和環境地圖的匹配及基于激光掃描數據的機器人位姿誤差補償等問題。準確的機器人系統參數是定位的前提。UMBmark 校核算法是泛使用的機器人系統參數校核方法; 然而在實驗機器人控制精度較低的情況下,該算法不能有效校核由于驅動輪實際直徑的均值和名義直徑不相等導致的方向誤差,從而影響校核效果。論文深入分析UMBmark 校核算法,提出改進算法以測量低控制精度機器人的系統誤差。改進算法以不相等的輪直徑、輪距的不確定及驅動輪實際直徑均值和名義直徑不相等為測程法系統誤差的主要來源,建立新的測程法系統誤差模型,給出詳細算法計算機器人的系統參數及對應的校核系數。實驗結果表明改進算法比UMBmark校核方法具有更好的校核效果。校核輪子打滑導致的誤差是提高機器人定位精度的關鍵。在電磁羅盤不受磁場干擾的前提下,基于編碼器和電磁羅盤的測量信息,提出移動機器人直線移動時輪子打滑辨識和校核算法?；趯嶒灁祿?利用統計理論建立機器人直線移動時的輪子打滑模型。該模型能夠判斷機器人移動過程中輪子是否發生滑動; 當輪子打滑時,提出一種新穎的算法來判斷哪個輪子發生滑動并校核對應的位置誤差和方向誤差。基于輪子打滑模型,進一步提出一種間接卡爾曼濾波器校核機器人驅動輪直徑和輪距。實驗結果表明:通過校核輪子打滑導致的誤差,機器人的定位精度得到顯著提高,且間接卡爾曼濾波器對機器人驅動輪直徑具有良好的校核效果。測程法噪聲統計特性的自適應估計問題是機器人定位研究的難點。論文系統分析了測程法的噪聲來源,考慮編碼器測量精度的影響,建立測程法噪聲模型?；谠撛肼暷Ｐ?推導出計算測程法噪聲統計特性的方程,使機器人在移動過程中能夠根據導航環境的變化實時地、自適應地估計測程法噪聲統計特性。激光定位是目前定位研究的熱點,快速實現激光掃描數據和環境地圖匹配以提取線段特征是激光定位研究的重要步驟。論文定義g-權重Hough 轉換,提出“平面有效區域”的概念,從激光掃描數據中提取線段特征的同時實現了線段特征和環境地圖的 器人種類越來越多,機器人的應用面也越來越廣。機器人協會（IFR）的資料則顯示,中國已是大的工業機器人制造國,供應27%市場,同時也是大的機器人消費國,中國工廠2015年采購工業機器人的支出超過30億美元。盡管機器人產業飛速發展,但是國內生產水平與*公司的技術仍有很大差距,并且很多精密零部件,均依賴進口。國內對機器人的研究起步晚,掌握的核心技術少,但近年來隨著國家對機器人工業的重視,我國的機器人產業也進入了快速發展期。因此關于機器人系統的研究,對推動我國發展工業和制造業具有深遠的意義。本課題闡述了EtherCAT的組成、工作原理及通信協議,并提出了一種創新型的伺服電機控制方案,并應用于實踐。系統方案中使用全新XMC4800系列32位微控制器作為EtherCAT從站控制器（ESC）,采用TwinCAT3和工業控制機（IPC）分別作為EtherCAT主站,與EtherCAT從站進行多組通信測試與控制實驗。采用具有豐富的引腳資源和強大的邏輯運算能力的現場可編程器件FPGA作為指令解析、脈沖分發和接收編碼器信息的核心器件。本課題創新性的提出將EtherCAT從站節點與FPGA伺服控制電路集成于一體,利用AltiumDesigner電路設計軟件繪制電路原理圖,制作PCB板,焊接、調試硬件板卡,并設計軟件算法和程序配置。將本課題設計的硬件平臺和軟件配置作為新型伺服控制系統。XMC4800與FPGA之間通過SPI全雙工通信,FPGA還與伺服驅動器CN1接口相連接。IPC或TwinCAT3通過EtherCAT通信下發控制指令等信號至XMC4800,FPGA通過SPI通信獲取該控制指令,并將控制指令解析成與伺服驅動器匹配的脈沖信號和電平信號,同時接收伺服驅動器返回的編碼器數據等信息,FPGA讀取返回數據之后再通過SPI發回XMC4800,終再通過EtherCAT通信反饋至IPC或TwinCAT3。本系統能夠實現伺服電機的全閉環制,控制精度高達0.072°,在機械臂中使用諧波減速裝置,將更大的提高控制精度。實驗結果表明,本文設計的系統方案可提高工業機器人控制的穩定性,快速性和性。 

列車牽引電機低速運行1037311編碼器DFS60B-THAK00512性能退化的形式及規律,提出一種基于降噪自編碼器的航空發動機性能退化評估方法。針對采集的航空發動機6個狀態監測參數,采用降噪自編碼器,利用貪婪逐層訓練算法,挖掘各參數對發動機性能的深層影響,提取出更有利于評估的數據特征,進行性能退化評估。將提出的算法與BP（back propagation）神經網絡以及支持向量機得到的結果進行測試比較,測試表明:提出的方法準確率有所提高,達到93.5%,具有較強的魯棒性,在信噪比為10dB時準確率達到84.5%,并且能夠防止航空發動機狀態監測中小樣本過擬合的問題。 建筑工程項目本身的角度來看,建筑工程施工成本直接決定著一個項目的盈利能力。建筑工程施工成本預測是建筑工程項目管理的重要內容,它可以作為項目施工組織設計、重大施工方案的比選、大批量主材采購等的重要依據,其否是直接影響項目盈利能力的關鍵。關于建設工程施工成本的預測理論與數學模型包括:線性回歸、時間序列法、灰色理論等。近幾年,國內外基于人工神經網絡方法展開的工程成本預測的研究較多,也是目前理工科領域主流的預測方法。但這些研究方法都存在理論結合不匹配或者影響因素指標體系構建不夠完善的問題,只從靜止的角度研究工程成本預測,預測精度不高。而基于人工神經網絡與大數據結合的深度學習理論成為目前機器學習研究中的一個新領域,國內外暫無學者將深度學習應用于施工成本預測領域。本研究在系統分析傳統的建筑工程成本預測方法上,選取了基于深度學習網絡下的棧式降噪自動編碼器強大的學習預測原理,能準確快速地實現建筑工程成本的預測。同時,本研究針對高層建筑工程構建了較為全面的建筑工程成本影響因素量化體系,彌補目前建筑工程成本預測存在的不足。基于深度學習網絡的建筑工程施工成本預測,綜合考慮影響因素更符合項目本身的屬性,準確性高,預測結果更穩定,因此,具有很高的研究價值。