基于多源信息融合的FAST馈源实时高精度控制方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61573358
  • 项目类别:
    面上项目
  • 资助金额:
    64.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0306.自动化检测技术与装置
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

This project focuses on the precision measurement and control problem for flexible supporting feed cabin of FAST, in large scale and nonlinear moving process. For discrete-time systems with multi signal sources and unstable time-delay, this project attempts to establish a new state estimation algorithm by combining temporal registration method, spatial registration method and multisource data fusion method. For the problems in large scale moving process, as gear shift, turning, fast move and sudden stop, this project proposes a suppression strategy for rigid-flexible coupling nonlinear systems and an active vibration suppression method based on input shaping, by spectral analysis for trajectory planning and coordinating the requirements of control accuracy and vibration suppression. The researches can solve such challenging problems, as measure, impact and resonance in large scale moving process for feed cabin of FAST, to improve control accuracy and reliability of feed cabin.
本课题研究柔性支撑的FAST馈源的大尺度、强非线性的运动过程中精密测量和控制问题。针对这一具有多传感器信号源和不稳定时滞的离散系统,提出时间配准、空间配准和多源数据融合相结合的状态估计算法;针对馈源舱在焦面内大范围运动时存在的变速、变向、急起急停问题,通过对规划轨迹的频谱分析,综合控制精度和振动抑制两个方面的要求,提出刚柔耦合非线性系统的避振策略以及基于输入整形的主动抑振方法。通过以上两个方面的研究解决FAST馈源运动过程中存在的测量、冲击、共振等挑战性问题,提高FAST馈源的控制精度和可靠性。

结项摘要

本课题研究“500米口径球面射电望远镜”(FAST)馈源支撑系统的大尺度、强非线性的运动过程中精密测量和控制问题。针对这一具有多传感器信号源和不稳定时滞的离散系统,提出了时间配准、空间配准和多源数据融合相结合的状态估计算法;针对馈源舱在焦面内大范围运动时存在的变速、变向、急起急停问题,综合控制精度和振动抑制两个方面的要求,提出了刚柔耦合非线性系统的位姿分配策略、基于输入整形的主动抑振方法以及基于关节补偿的轨迹纠偏方法。通过以上两个方面的研究,解决了FAST馈源运动过程中存在的测量、冲击、共振等挑战性问题,提高了FAST馈源的控制精度和可靠性。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(7)
专利数量(2)
Automatic recognition system of welding seam type based on SVM method
基于SVM方法的焊缝类型自动识别系统
  • DOI:
    10.1007/s00170-017-0202-8
  • 发表时间:
    2017-03
  • 期刊:
    The International Journal of Advanced Manufacturing Technology
  • 影响因子:
    --
  • 作者:
    Junfeng Fan;Fengshui Jing;Zaojun Fang;Min Tan
  • 通讯作者:
    Min Tan
Multi-objective pose optimal distribution method for the feed support system of Five-hundred-meter Aperture Spherical radio Telescope
五百米口径球面射电望远镜馈源支撑系统多目标位姿优化分配方法
  • DOI:
    10.1177/1729881418756695
  • 发表时间:
    2018
  • 期刊:
    International Journal of Advanced Robotic Systems
  • 影响因子:
    2.3
  • 作者:
    Sai Deng;Fengshui Jing;Rongzhang Zheng;Zize Liang;Guodong Yang
  • 通讯作者:
    Guodong Yang
A pose estimation system based on deep neural network and ICP registration for robotic spray painting application
基于深度神经网络和 ICP 配准的机器人喷漆位姿估计系统
  • DOI:
    10.1007/s00170-019-03901-0
  • 发表时间:
    2019-09-01
  • 期刊:
    INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY
  • 影响因子:
    3.4
  • 作者:
    Wang, Zhe;Fan, Junfeng;Tan, Min
  • 通讯作者:
    Tan, Min
A Precise Initial Weld Point Guiding Method of Micro-Gap Weld Based on Structured Light Vision Sensor
基于结构光视觉传感器的微间隙焊缝初始焊点精确引导方法
  • DOI:
    10.1109/jsen.2018.2876144
  • 发表时间:
    2019-01-01
  • 期刊:
    IEEE SENSORS JOURNAL
  • 影响因子:
    4.3
  • 作者:
    Fan, Junfeng;Jing, Fengshui;Tan, Min
  • 通讯作者:
    Tan, Min
A precise seam tracking method for narrow butt seams based on structured light vision sensor
基于结构光视觉传感器的窄对接缝精确焊缝跟踪方法
  • DOI:
    10.1016/j.optlastec.2018.08.047
  • 发表时间:
    2019-01-01
  • 期刊:
    OPTICS AND LASER TECHNOLOGY
  • 影响因子:
    5
  • 作者:
    Fan, Junfeng;Jing, Fengshui;Tan, Min
  • 通讯作者:
    Tan, Min

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于球面贝塞尔的姿态过渡与插补方法
  • DOI:
    10.13245/j.hust.171014
  • 发表时间:
    2017
  • 期刊:
    华中科技大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    张少林;景奉水;王硕
  • 通讯作者:
    王硕
串联抑振轨迹规划方法及在FAST馈源支撑系统中的应用
  • DOI:
    10.1360/ssi-2021-0130
  • 发表时间:
    2021
  • 期刊:
    Scientia Sinica Informationis
  • 影响因子:
    --
  • 作者:
    景奉水;郑榕樟;杨国栋;邓赛;谭民
  • 通讯作者:
    谭民

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

景奉水的其他基金

焊接机器人自动编程与自主作业方法研究
  • 批准号:
    62173327
  • 批准年份:
    2021
  • 资助金额:
    60.00 万元
  • 项目类别:
    面上项目
基于多机器人协调的大型舱段轴孔精密装配控制方法研究
  • 批准号:
    U1813208
  • 批准年份:
    2018
  • 资助金额:
    302.0 万元
  • 项目类别:
    联合基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码