网站首页 >> 河南省智能装备直驱技术与控制国际联合实验室 >> 交流合作 >> 国际合作 >> 正文
主要合作机构及典型合作项目
时间: 2024-12-08 次数:

主要合作机构分别为日本室兰工业大学、英国布鲁内尔大学、意大利都灵理工大学、爱尔兰利莫瑞克大学、美国北卡罗来纳农工州立大学、西班牙阿尔卡拉大学和英国利物浦大学等。联合实验室评估期内,承担各种科研项目共计200余项,其中省部级及以上项目80余项,30万元以上的重大企业横向项目50余项,国际科技合作项目20项,合计经费1010万元,总计投入科研经费6080万元。主要合作项目简介如下:

(1)北斗/GNSS 反射测量高频水位监测技术及黄河干流应用

本项目联合联合西班牙阿尔卡拉大学成功并获批河南省国际科技合作重点项目。该方向是远距离智能监测机器人领域的一个重要分支,通过提出采用北斗/GNSS反射测量技术,接收和分析来自全球导航卫星系统(GNSS)的反射信号来获取水面高度变化信息,实时监测水位动态。提出了一套完整的智能远程水位监测机器人系统,包括卫星信号接收设备、数据采集和处理模块、通信系统以及数据分析平台,实现全天候、连续性水位数据监测。通过在黄河干流选取典型观测点布设监测设备,系统将自动接收北斗/GNSS卫星信号,获取水面高度变化,经过数据处理与分析,及时反映黄河水位的动态变化情况,为水文研究和水资源管理提供高精度数据支持。该技术具备很强的可推广性,可进一步应用于其他江河湖泊的水位监测中,将推动水文监测技术的发展,助力流域生态环境保护和水资源的可持续利用。

(2)电力市场化环境下煤矿工作面“三机”协同优化控制

本项目联合意大利都灵理工大学成功获批河南省国际科技合作项目,充分发挥了都灵理工大学在能源经济、能源建模与优化方面研究的世界领先水平,以及MK官方网站在多智能体协同控制方面的丰富经验和优势。旨在通过研究采煤系统及主煤流系统关键装备如采煤机、刮板输送机等的能耗模型、协同优化模型和优化算法,控制在采煤生产中的装备运行速度,调节其用能策略,探索在能源转型及市场化改革环境下的煤炭企业煤炭生产新模式。目标是通过对矿区综采工作面关键设备能耗建模、多装备协同的能量优化控制与管理,并考虑煤矿企业作为用户侧进入电力市场后的能源经济成本的相关研究,降低煤矿综采工作面整体能耗水平,优化生产能耗成本,实现更经济、安全和绿色的煤矿开采,具有较高的学术研究价值和广阔的应用前景。

(3)国家基金面上项目-传感器网络环境下时滞混杂系统的分布式滤波

实验室主任钱伟教授等承担了国家基金面上项目“传感器网络环境下时滞混杂系统的分布式滤波”。该项目与英国布鲁内尔大学合作从新的角度研究传感器网络环境下时滞混杂系统的分布式滤波问题。为了反映现代控制系统的混杂性和传感器网络环境的特殊性,建立符合工程实际的系统模型。致力于分布式滤波的实时性要求,在时滞、切换及网络拓扑结构等多种因素影响下,建立合适的分布式滤波算法,保证滤波误差系统的有限时间稳定性。

(4)国家基金面上项目-无绳电梯用悬浮导向混合励磁直线同步电机研究

实验室方向带头人许孝卓教授等承担了国家基金面上项目“无绳电梯用悬浮导向混合励磁直线同步电机研究”。该项目与英国利物浦大学合作研究,针对直线电机无绳电梯在无绳化无配重运行时对直线电机推力密度的强大需求,提出一种新型气隙调衡式混合励磁直线同步电机,重点开展这种新型电机拓扑结构探索和工作机理分析,为新型无绳电梯系统的工业应用提供理论依据和技术基础。

(5)智能装备直驱电机研发企业重大横向项目

本项目联合英国利物浦大学Yihua HU教授团队,充分发挥该团队在智能装备直驱电机控制及故障诊断领域的技术优势,并结合本国际联合实验室在直驱电机设计、驱动控制方面的资源优势,成功立项企业重大横向550万元。项目针对新能源电池加工装备、3C制造装备等智能制造领域,亟需研发低波动、大推力密度、智能感知的直驱电机系统,从新型直驱电机设计、高精度性能计算、智能故障感知等方面开展了系列独创性研究。发明了互补极弧削弱推力波动的组合式直线电机新结构,提出了基于精确子域模型的高精度电磁场建模方法,建立了直驱电机优化代理模型,解决了电机不规则端部、磁场局部饱和引起的性能计算与优化难题。针对直驱电机早期故障特征微弱、气隙波动干扰严重的问题,提出了基于U型绕组检测和知识图谱的直驱电机匝间短路故障一体化诊断模型,解决了早期故障检测、故障线圈定位、故障程度评估等极端工况下直驱电机故障诊断难题。该技术可以应用于智能制造、智能装备的高精度、高加速的动力驱动,具有较高的学术研究和推广应用价值。

(6)异构冗余机器人控制算法测试软件开发-企业重大横向项目

本项目联合日本室兰工业大学机器人研究所所长Naohiko HANAJIMA教授,充分发挥该研究所在机器人系统领域研究的技术优势,并结合本国际联合实验室在机器人驱动与控制方面的资源优势,成功立项企业重大横向180万元。项目针对长行程混联机器人系统输出约束下存在系统不确定性和外部干扰的轨迹跟踪问题,开展了一系列开创性研究。提出基于自学习神经网络的连续二阶滑模迭代控制算法,并设计自适应项补偿逼近误差和重复外部干扰,解决长行程混联机器人实际应用中存在的系统不确定性、外部环境干扰、随机初始误差以及系统约束限制等问题。该技术可以应用于金属器件多工位一体化、跨工位、高精度、快速复杂器件的精加工任务,具有较高的学术研究和推广应用价值。



最近更新