仿生水下机器人的增强学习姿态镇定

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性.      

基于PML及Hedge的物联网异构信息集成处理模型

针对物联网前端感知信息的海量性和异构性问题,提出物联网异构信息集成处理体系结构,包括引入物联网异构数据交换标准并提出物联网异构信息处理方法.物联网异构信息集成方案在感知层、传输层及应用层进行.在感知层,模型对不同传感器或RFID的信息进行归一化及数据清洗;在传输层和应用层,模型对这些异构物联网信息进行信息融合及智能处理.提出了新的基于Hedge文法的高效过滤算法以提高匹配引擎处理海量数据的能力.     

钢铁企业能源中心的现状与发展趋势

钢铁企业能源中心在概念上包含管理思想、信息系统、管理系统三个层次,现已进入到全面建设阶段,并形成了新厂能源中心、老厂能源中心、生产与能源综合管控三种模式。当前能源中心建设的关键技术是安全保障、无人值守、能量流网络、数据融合、预测调度等技术,而未来能源中心建设应重点研究基于工作流驱动的标准化管理,物质流、能量流、排放流信息的融合,多介质协调调度模型,以及基于地理信息系统（GIS）的信息综合集成技术,充分挖掘能源中心的系统节能潜力。     

基于预瞄距离的地下矿用铰接车路径跟踪预测控制

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性.      

一种基于人工神经网络的基本块重排方法

基于程序的控制流动信息和体系结构跳转代价模型,使用人工神经网络预测控制流边的执行概率,利用子结构分析技术开展基本块重排.程序的控制流边信息被选择作为神经网络的训练数据,这些信息包含了该边的静态特征和动态行为之间的联系.基于弹性反馈反向传播(RPROP)神经网络,在UniCore处理器上实现了采用子结构分析的基本块重排算法.评测结果表明,此算法可获得与利用剖视信息的优化算法相同的程序性能优化效果,不依赖于剖视信息的特性,可很好地扩展该基本块重排算法的应用范围.     

金属出矿分流控制的无线传感器网络路由设计

金属出矿分流控制的无线传感器网络路由优化设计,提高金属出矿分流控制的效率。提出一种基于汇聚协议时分多址控制的金属出矿分流无线传感器网络路由探测算法。分析了金属出矿分流控制的无线传感器网络结构模型,然后进行路由节点的向量跟踪融合设计,采用汇聚协议时分多址控制方法进行路由探测改进,优化路由设计。仿真结果表明,在该路由模型下,金属出矿分流控制过程中的数据转发的保真度较高,信息传输能力较好。     

基于信息融合技术的球磨机三因素负荷检测研究

采用多传感器信息融合技术实现对介质充填率、料球比以及磨矿浓度三因素的检测,并通过神经网络建立球磨机外部响应与内部负荷参数之间的关系模型,对球磨机负荷进行预测,为球磨机优化控制奠定基础.     

数字化单轴角振动转台的设计与实现

采用数字化的设计方法对高精度单轴角振动转台进行了优化设计,针对感应同步器的测角系统,采用CPLD芯片构成大部分控制逻辑电路,采用数字式设计精密正弦波信号激磁感应同步器.应用PC/104嵌入式模块实现测角数据处理和先进的控制程序及通信(重复控制、基于模糊神经网络的摩擦补偿等).设计直流电机驱动保护电路,保证电机可靠运行和故障检测.整个系统的设计规范、运行可靠,已应用于某型测试角振动转台.     

基于Logistic回归模型确定权重的模糊综合评判法在边坡稳定性分析中的应用

应用 Logistic 回归模型确定权重的模糊综合评判法分析边坡稳定性,是主观评判和客观数据相结合的分析方法,其评判结果更让人容易接受,具有良好的适用性.选取重度、内聚力、内摩擦角、边坡角、孔隙水压力比 5 个因素作为评价因子,边坡状态稳定、较稳定、欠稳定、不稳定 4 个等级作为评价等级,建立评价等级和评价因子之间对应的关系,确定隶属度函数,建立综合评判模型;同时采用逻辑回归模型,应用 42 个边坡实例,运用 SPSS（Statistical Product and Service Solutions）软件求解回归系数,采用回归系数来确定评判权重;将综合评判模型和确定的权重应用于龙南县东江乡足洞试验矿某边坡实例中,评判结果与实际相符合.      

基于时变局部模型的无人驾驶车辆路径跟踪

目前常用于无人驾驶车辆路径跟踪控制的有模型控制方法有两类,一类是基于全局模型的控制方法,另一类是基于局部模型的控制方法。基于全局模型的路径跟踪控制中无人驾驶车辆的纵向速度与全局坐标系中的横向、纵向位移误差之间存在随航向角变化的耦合关系,这种耦合关系使得控制器无法将纵向速度作为控制输入来提高路径跟踪控制的精确性。基于局部模型的路径跟踪控制器通常采用误差模型作为参考模型,这种模型使得控制器在参考路径曲率变化幅度较大时精确性较低。针对前述问题,基于非线性模型预测控制滚动优化的原理,提出一种基于时变局部模型的无人驾驶车辆路径跟踪控制方法,并在低速高附着路面、低速低附着路面和高速低附着路面等工况下进行仿真验证。在仿真结果中,相比于基于全局模型的路径跟踪控制器、基于局部模型的路径跟踪控制器以及Stanley路径跟踪控制器,基于时变局部模型的路径跟踪控制器精确性更高,其位移误差绝对值不超过0.3342 m,航向误差绝对值不超过0.0913 rad。