DFS60B-S4EA006001037268耐高溫增量式光電編碼器航天領域中技術難題的不斷突破,對火箭品質的需求也日益提升。火箭發動機是火箭動力系統的核心,電磁閥是火箭發動機的重要零部件之一,電磁閥中漆包線的纏繞質量直接決定了發動機工作的穩定性和可靠性。目前大部分火箭發動機電磁閥線圈的繞制還是依賴手工纏繞,工作效率低,廢品率高。一般繞線設備繞制層數少、張力波動大,因此需要研制一套能夠實現張力穩定控制的線圈繞制系統。本文對電磁閥線圈繞制過程、參數要求、運動軌跡和控制算法進行了分析,設計并裝配一臺由放線軸結構、排線模塊、繞線軸結構和張力緩沖調節裝置組成的線圈纏繞設備,采用基于STM32板為控制核心的多電機偏差耦合協同控制方式來完成多各電機的同步控制,通過對模塊運動軌跡的規劃,推出各軸電機的變速過程、變速節點和各節點處的三角函數加減速曲線,搭建線圈繞制自動化設備控制系統的硬件模塊,利用張力傳感器、外接角度編碼器和伺服電機編碼器的反饋完成整個繞線過程的控制和監管。同時開發能實時顯示張力、壓線角度和繞制圈數,繪制相應曲線,記錄必要數據的上位機軟件。通過確定對張力穩定值與排線模塊找零方式精度,線圈繞制張力控制算法和關鍵參數,壓線角度控制算法,奇偶層連接處折返位置及線圈邊緣繞制方式的實驗分析和實驗研究,確定控制組合方案和參數配比,實現線圈繞制的技術要求。研制一臺火箭發動機電磁閥線圈自動繞制設備,實現繞線過程中的自動出線、張力自動控制、自動緊密排線、路徑自動規劃、自動繞線、繞線匝數自動計數等功能,能適用于線編碼器作為一種精密位置傳感器在軍事及民用等各個領域得到廣泛應用。隨著對編碼器精度、生產效率等要求的不斷提高,提高編碼器的精度成為各個廠家日益關注的問題。傳統編碼器碼盤與狹縫的間隙是通過相關機械件組裝實現的,其中既包含各零件加工公差耦合帶來的偏差,同時又容易產生裝配誤差。針對以上問題,本文設計了一種對編碼器組件精細化加工的調修平臺,降低了零件加工以及裝配環節的技術要求,具有精度高、通用性強、效率高等特點。本文首先對論文的課題背景和研究意義進行闡述,給出論文的主體結構和內容；其次對編碼器原理以及編碼器軸系進行論述,對影響編碼器軸系精度的要素進行歸納總結；再次研究編碼器組件軸系形位公差調修平臺的結構,對調修平臺的快速裝夾機構進行模態分析：然后對調修平臺的控制系統進行設計。

DFS60B-S4EA006001037268耐高溫增量式光電編碼器自動化事業的發展,光學編碼器的應用領域不斷擴大,市場上不斷涌現新技術原理新結構形式的光學編碼器。在光學編碼器生產過程中,光學編碼器在線檢測分析儀器至關重要,它關系到光學編碼器質量的控制,可以分析光學編碼器的電氣性能,在其生產應用過程中*。本文系統地介紹了光學編碼器的工作原理,在對光學編碼器有全面深刻認識的基礎上,成功地完成了光學編碼器在線電氣性能測試和評價儀器系統的設計和應用一系列研究工作。該儀器提供的電機轉數線性范圍達150轉/分～8000轉/分,單通道采樣率1.25MS/s。該儀器可以同時顯示三個通道的波形,并實現通道的疊加。可以直接讀取增量型光學編碼器的A/B/Z各通道信號的相位差、幅值范圍、占空比大小、頻率、相位參數及其動態特性,實現對光學編碼器輸出脈沖的計數功能,綜合評估光學編碼器的電氣性能。研制工作為增量型光學編碼器的生產提供了參數調整、性能檢測和質量控制的高性能新手段。本文還通過光學編碼器電器特性在線檢測儀器進行的調試實驗、沖擊實驗、高低轉速對比實驗、碼盤落塵實驗等一系列實驗,檢測了各項因素對光學編碼器性能的影響,本文還結合光學編碼器工作原理,討論在生產制造及應用過程中,哪些因素對光學編碼器性能有重要影響,本文的研究成果對光學編碼器的制造與應用不但具有學術意義,而且具有明顯的經濟價.

       量記錄位置信息的數據被不斷產生,對這些位置數據進行實時分析和充分利用的需求日益迫切。軌跡數據作為見的位置數據,是智能交通系統（Intelligent Transportation System,ITS）中研究的重點方向。本文將研究移動軌跡的預測模型,該領域是近幾年智慧城市與智能交通的研究熱點之一,主要是因為對移動對象的軌跡進行實時的預測可以有效地防止交通擁堵,同時能夠為用戶提供更加個性化的基于位置的服務。目前已存在多種軌跡預測問題的解決方法,包括基于統計的方法和基于深度學習的方法。但是現有的方法缺少統一的評測環境,因此很難對不同算法的性能進行客觀比較。其次,許多算法借助額外的數據來提高預測精度,而這些外部數據往往難以獲得,這就導致評價這些算法時缺少公平的實驗設定和評價標準。針對這些問題,本文對多種主流的預測算法在相同的數據集、硬件環境、實驗設定和評價標準的情況下進行全面的評估。我們選取5個基于統計的算法和10個基于深度學習的算法,給定的評估設定是利用一個移動對象過去30個時間戳的原始軌跡數據,對未來不同長度時間的軌跡進行預測,使用平均誤差和來對預測效果進行統一的評估。我們利用三個具有不同運動模式的真實軌跡數據集對上述15種算法進行廣泛的實證評估,并根據實驗結果揭示有趣的發現和規律。在評估各個軌跡預測算法的過程中,我們發現兩個問題,一個是在真實的軌跡數據集中,存在大量符合真實運動模式的靜止軌跡,現有的預測方法在處理這種輸入數據時,通常都會輸出一條運動的軌跡,這會導致預測的誤差很大。第二個問題是,由于軌跡點都是由二維經緯度組成,許多數據之間的差異非常微小,直接使用單個模型無法很好的對數據建模。針對個問題,本文提出一個移動狀態預測組件,在預測軌跡之前先對其運動狀態進行預測,該組件能夠有效地提高預測精度。針對第二個問題,我們借助多層感知機和長短期記憶網絡來解決,利用多層感知機來捕獲軌跡數據中的局部特征,利用長短期記憶網絡來捕獲軌跡數據中的時間特征。我們將移動預測組件組合到多層感知機和長短期記憶網絡中,得到一個新的基于隨機森林和MLP-LSTM的軌跡預測混合模型。