期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
变排量液压马达旋转驱动系统角位移控制技术
1
作者 高云琦 司俊 +1 位作者 张伟 王旭东 《液压与气动》 北大核心 2024年第7期178-188,共11页
变排量液压马达旋转驱动系统具有效率高、响应快、高负载匹配性、低功率需求等优势,能够大幅提高飞机液压旋转驱动系统的效率。为实现对变排量液压马达旋转驱动系统的精确控制,需开展系统角位移控制技术研究。建立了系统的数学模型,搭建... 变排量液压马达旋转驱动系统具有效率高、响应快、高负载匹配性、低功率需求等优势,能够大幅提高飞机液压旋转驱动系统的效率。为实现对变排量液压马达旋转驱动系统的精确控制,需开展系统角位移控制技术研究。建立了系统的数学模型,搭建了AMESim仿真模型,分析了系统的运动特性及频域控制特性,提出了由排量回路、转速回路和角位移回路组成的三闭环串级控制方案,研究了不同控制参数对系统控制特性的影响。研究结果表明,双闭环控制无法满足旋转驱动系统的稳定条件,三闭环控制引入转速负反馈克服了双闭环控制中角位移对转速的正反馈效应,增大了位置回路的阻尼,能实现系统稳定控制。同时研制了原理样机并进行了测试验证,测试数据表明,三闭环控制方案能实现旋转驱动系统高精度位置控制,为变量马达在飞机液压旋转驱动系统中的应用提供了参考。 展开更多
关键词 变排量液压马达 旋转驱动 功率自适应调节 角位移控制 三闭环串级控制
下载PDF
密封结构表面表征参数对低温密封特性的影响 被引量：1
2
作者 李海嶙 张伟 +3 位作者 高云琦 司俊 刘龙飞 索昊圆 《润滑与密封》 CAS CSCD 北大核心 2023年第1期131-135,共5页
针对某航空用液压制动器低温环境下极易出现渗漏油的问题,设计低温筛选试验,研究密封件表面不同表征参数(表面轮廓算术平均偏差R_(a),轮廓最大峰值R_(p),表面轮廓最大高度R_(z))对低温密封特性的影响规律。结果表明:传统R_(a)指标约束... 针对某航空用液压制动器低温环境下极易出现渗漏油的问题,设计低温筛选试验,研究密封件表面不同表征参数(表面轮廓算术平均偏差R_(a),轮廓最大峰值R_(p),表面轮廓最大高度R_(z))对低温密封特性的影响规律。结果表明:传统R_(a)指标约束下的密封表面不能完全满足液压制动器低温密封要求,而R_(z)和R_(p)指标能更好地表征和约束密封结构的表面加工质量,其中采用R_(z)指标约束下的密封表面能显著提升液压制动器的密封特性。根据试验统计结果,给出航空用液压制动器密封表面质量R_(z)≤1.0μm的设计参考值,并可应用于其他类似航空液压产品设计中。 展开更多
关键词 液压制动器 密封 表面质量 低温性能
下载PDF
基于商务智能的航天型号研制过程质量问题分析技术 被引量：1
3
作者 高云琦 王美清 林秋 《航天工业管理》 2017年第1期21-25,共5页
航天型号产品由于其产品组成复杂、产品技术复杂、制造流程复杂、试验维护复杂、工作环境复杂，因此在研制过程中会产生大量的质量问题。从问题中学习是航天企业不断完善其产品质量保证体系的有效途径与方法，质量问题归零管理即是以一... 航天型号产品由于其产品组成复杂、产品技术复杂、制造流程复杂、试验维护复杂、工作环境复杂，因此在研制过程中会产生大量的质量问题。从问题中学习是航天企业不断完善其产品质量保证体系的有效途径与方法，质量问题归零管理即是以一种通过自底向上的质量问题分析与闭环控制方法。企业通过开展质量问题归零管理积累了大量的质量问题现象描述、原因分析以及解决措施信息，这些质量问题信息形成了企业的质量智力资产，为企业解决质量问题提供了可以借鉴的经验和参考。 展开更多
关键词 质量问题分析 航天型号产品 研制过程 商务智能 技术 产品质量保证体系 航天企业 产品组成
下载PDF
Deep-Init:基于深度学习的视觉惯性里程计非联合初始化方法
4
作者 史殿习 高云琦 +3 位作者 宋林娜 刘哲 周晨磊 陈莹 《计算机科学》 CSCD 北大核心 2024年第7期327-336,共10页
对于非线性的单目VIO系统来说,其初始化过程至关重要,初始化结果的好坏直接影响整个系统运行过程中状态估计的精度。为此,将深度学习方法引入单目VIO系统的初始化过程中,提出了一种高效的非联合初始化方法(简称Deep-Init),其核心是使用... 对于非线性的单目VIO系统来说,其初始化过程至关重要,初始化结果的好坏直接影响整个系统运行过程中状态估计的精度。为此,将深度学习方法引入单目VIO系统的初始化过程中,提出了一种高效的非联合初始化方法(简称Deep-Init),其核心是使用深度神经网络对IMU中陀螺仪的偏置和噪声等随机误差项进行准确估计,得到初始化过程中的关键参数,即陀螺仪的bias;同时,将IMU预积分与SfM进行松耦合,通过位置和旋转对齐,使用最小二乘法对绝对尺度、速度以及重力矢量等进行快速恢复,并将其作为初始值来引导非线性紧密耦合的优化框架。由于深度神经网络对陀螺仪数据进行补偿,从而大大提高了IMU中旋转估计量的准确性,有效提高了IMU数据的信噪比,同时减少了最小二乘方程失效的次数,因此进一步减少了计算量。使用去除误差项的陀螺仪数据的预积分量替换SfM中的旋转量,将IMU的旋转量作为真值,不仅避免了将不准确的SfM值作为真值进行初始化时所带来的误差,有效提升了系统状态估计的精度,而且能够有效地适应高速运动、光照变换剧烈和纹理重复等SfM估计效果差的场景。在EuRoC数据集上,对所提方法的有效性了进行实验验证,实验结果表明,所提出的初始化方法Deep-Init无论是精度还是耗时均取得了良好的效果。 展开更多
关键词 视觉惯性里程计 深度学习 初始化 惯性测量单元
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部