首页期刊导航|机械设计与制造
期刊信息/Journal information
机械设计与制造
机械设计与制造

张义民

月刊

1001-3997

mdm1963@163.com

024-86899120

110032

沈阳市北陵大街56号

机械设计与制造/Journal Machinery Design & Manufacture北大核心CSTPCD
查看更多>> 本刊为月刊,1963年创刊,中文核心期刊,中国期刊方阵双效期刊,中国科技核心期刊,国内外公开发行。期刊为大16开国际版本,彩色塑封封面,每期发行量万余册,读者人数超百万。几十年来多次受到国家机械部、中国机械工程学会、新闻出版局、科委等主管部门的表奖,是我国机械行业最有影响的专业刊物之一。
正式出版
收录年代

    移动机器人过程神经网络RTK-GPS定位研究

    杨海朱虹刘业峰赵元...
    282-285页
    查看更多>>摘要:在中国自主研发北斗三号系统已经全面运行,实现全球定位的背景下.为了进一步提高移动机器人地面终端卫星导航定位功能,针对移动机器人数据接收解析的高频振荡随机干扰信号和系统高阶动态非线性对定位导航精度的影响,提出一种利用过程神经网络的时变特性,构建动态自适应RTK-GPS(Real Time Kinematic-Global Position System)定位算法.通过现有的卫星定位终端的输入输出数据构造出神经网络模型,再利用动态误差数据为样本对这个神经网络模型进行训练校正,在卫星信号受到干扰或失锁时利用训练好的过程神经网络预测输出来抑制位置和速度误差发散,从而提高定位和导航精度.实验表明本方法在定位干扰噪声为非定常量的条件下,仍然对定位精度的提高适用有效,能显著降低定位结果误差,尤其在可观察卫星数量变化时表现出较强的鲁棒性.

    嵌入式北斗终端过程神经网络RTK-GPS定位

    机床主轴系统热变形分析与实验研究

    裴雪巍张爱梅李焕昭刘梦佳...
    286-289,294页
    查看更多>>摘要:对机床主轴系统的发热与变形情况进行理论与实验研究.对主轴系统进行受力分析,建立三维模型.运用传热原理对机床主轴系统的温度场进行有限元热特性分析,得出机床主轴高速运转下的热变形的仿真结果,机床主轴系统最右端轴向伸长3μm,上翘9.1μm.在此基础上开展实验,借助红外温度传感器与位移传感器测得机床主轴系统的热变形,验证了有限元分析得合理性,为下一步的机床热误差补偿提供必备的条件.该机床主轴系统的热变形在径向和轴向的差别较大,后续热误差补偿应主要考虑径向变形.

    传热机制有限元法主轴系统热-结构耦合分析测温实验热变形

    提升小波和分水岭算法在矿石粒度检测中的应用

    张建立冯小雨张建强
    290-294页
    查看更多>>摘要:为了实现矿石粒度的在线自动化检测,需要解决两个难点:矿石图像的去噪和分割.通过提出了一种新的提升小波构造方法:基于三次B样条函数的提升小波,实现了对矿石图像的去噪.对于矿石图像的分割,提出了改进的分水岭算法.矿石粒度检测的具体步骤是:首先利用基于三次B样条函数的提升小波对图像进行去噪,再利用改进的分水岭算法对矿石图像进行分割.最后利用图像的连通域性质,计算各个连通域的像素面积,再转换到实际的矿石粒度大小,从而实现对矿石粒度的检测.对比这里算法与人工筛选的结果,累积误差在3%以内,可见这里算法具有可行性和准确性.

    图像分割三次B样条函数提升小波分水岭算法

    神经元活性引导机器人脱困的全覆盖路径规划

    江静岚
    295-299,304页
    查看更多>>摘要:为了解决生物激励神经网络算法在全覆盖路径规划中陷入死区的问题,提出了脱困点搜索和脱困路径规划组合的脱困机制.建立了工作区域的栅格模型,分析了生物激励神经网络算法原理和缺陷.通过设计元胞演化规则,给出了基于元胞自动机的最佳脱困点搜索方法.对于脱困路径规划问题,传统RRT算法的采样和扩展具有随机性和盲目性,提出了神经元活性引导RRT算法,使RRT算法的随机树扩展具有较强的方向性.经仿真验证,与传统RRT算法相比,神经元活性引导RRT算法的耗时减少了一个数量级,扩展节点数减少了 2倍,脱困路径减少了 12.96%,是一种非常高效的脱困方法.另外,具有脱困机制的生物激励神经网络算法能够完成工作区域全覆盖,有效解决了死区问题.

    机器人全覆盖规划生物激励神经网络脱困机制元胞自动机神经元活性引导RRT算法

    样本熵和Vmd结合的轴承早期故障预测方法

    雷春丽曹鹏瑶崔攀张晨曦...
    300-304页
    查看更多>>摘要:针对轴承早期微弱故障的预测问题,提出将样本熵和变分模态分解法结合的方法.首先计算主轴轴承振动信号的样本熵值,构成轴承健康状态时间序列;其次K从2~10分别取值,对轴承健康状态时间序列进行变分模态分解,得到不同的IMF分量,分别将不同K值分解下低频分量作为轴承振动信号的趋势项;最后根据互相关性、峭度、方差准则,找到最优的轴承振动信号的趋势项,并与已有指标对比.实例验证:将样本熵和变分模态分解法结合,提取轴承振动信号的趋势项,能够更早地预测出轴承早期微弱故障.

    样本熵变分模态分解轴承故障预测