三维激光雷达被广泛应用在无人驾驶系统中对道路环境的检测和防碰撞检测。为增加激光雷达对扫描点云进行分割的准确性, 提出一种基于深度投影的点云目标实时分割方法。首先采用体素化滤波去除噪声点, 然后使用渐进式形态学滤波方法去除地面点, 最后将点云进行深度投影, 建立三维点云与深度投影图像的映射关系, 利用深度投影图像的自适应角度阈值对点云进行目标分割, 并将分割后的点云目标构造混合层次包围盒进行碰撞检测。实验结果表明该方法相对于传统聚类算法在时间效率上有明显提升, 并且能有效降低过分割问题, 实验数据目标分割准确率达到了7882%, 结合混合层次包围盒算法对分割后的点云目标进行碰撞检测, 可有效地识别并判断物体空间位置关系, 提升碰撞识别的准确性。

为了实现轴承故障智能诊断, 对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先, 采用声发射和振动传感器, 搭建了机器人薄壁轴承试验与多信息数据采集系统; 然后, 以薄壁单列角接触球轴承ZR71820为对象, 在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷, 用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号; 最后, 选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数, 分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断, 并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合, 研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明: 基于振动信号故障诊断的正确率为85.7%; 基于声发射信号故障诊断的正确率为81.0%; 基于BP神经网络信息融合故障诊断的正确率为93.5%; 基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%, 比用BP神经网络信息融合故障诊断的正确率高1.7%。

为精确求解发动机高温燃气红外辐射特性，需要调用描述气体辐射传输特性的谱带参数如光谱吸收系数或光谱透过率，而谱带参数随气体温度、波数变化而变化。首先采用逐线计算方法，比较分析了气体分子谱线参数HITRAN2008和其高温扩展版本HITEMP2010的适用范围；其次，针对逐线计算复杂且效率低的问题，提出了一种基于Malkmus统计窄谱带模型的谱带参数库构建方法并开发了计算程序，在此基础上，分别计算了CO₂、H₂O的均匀路径单组分光谱特性、非均匀路径单组分光谱特性，还计算了CO₂、H₂O、N₂组合的非均匀路径多组分光谱特性。研究表明：计算结果和试验数据吻合较好，说明所提出的基于HITEMP2010的Malkmus统计窄谱带模型适用于高温燃气辐射传输特性计算。