基于改进BP-PID控制的磨矿回路控制系统的研究

由于磨矿过程的非线性以及时变性等特性,常规的PID控制很难达到理想的效果,而利用神经网络能够实现最优控制参数基础上的PID控制。因此,构建了一种改进BP神经网络自学习PID控制算法。为了验证算法的性能,选取三个具有传递函数的复杂模型作为测试对象,测试结果表明,改进型BP-PID控制器跟踪误差更小,鲁棒性和抗干扰能力更强,比传统Z-N方法具有更好的性能。最后,将其应用在磨矿过程中,实际应用表明,不仅实现了给矿、给水的稳定控制,而且改进后的控制器动态和静态性能更好,磨机运行更加稳定。     

提升我校工科研究生创新实践能力的策略研究

创新能力和实践能力对于一个国家的科技、军事、经济发展和综合国力提高起着举足轻重的作用。针对工科研究生培养中存在原始创新能力薄弱和实践创新能力不足的现象,通过分析该现状,提出实验模式主导下提升我校工科研究生创新实践能力的方法。     

用于细胞检测的微叉指电极阻抗生物 传感器研究进展

生物传感器作为交叉学科的新型检测工具引起了科研人员的广泛关注。微叉指电极因其灵敏度高、响应速度快、检出限低、成本适中、携带方便等优点被用来制作成生物传感器,在食品安全、环境检测和医疗卫生等方面有广泛的应用。影响微叉指电极传感器性能的关键因素之一是电极结构,对近几年微叉指电极的材料、结构仿真、结构实验和修饰等方面进行了综述。详细介绍了微叉指电极的结构仿真、实验分析和表面修饰对传感器检测性能的影响,分析总结了微叉指电极的不足之处,并对未来的发展趋势进行了展望。     

基于Otsu图像分割的颗粒与气泡碰撞检测方法

为了准确地检测出浮选过程中颗粒与气泡是否发生碰撞,提出了一种基于形态学图像处理和最大类间方差法(Otsu)的颗粒与气泡碰撞检测方法。首先利用图像的预处理操作优化图像,通过最大类间方差法分割出目标区域与背景区域,然后结合最小二乘法将颗粒与气泡拟合成圆,方便求取坐标信息及半径,最后将所有的颗粒位置提取到一幅图像中,实现了对颗粒位置的跟踪,避免了连续帧图像跟踪的复杂程度。结果表明,该算法能够快速地检测出颗粒与气泡是否发生碰撞,有效地节省了人工试验的工作时间。     

高炉渣冶金性能的研究进展

从高炉渣的熔化性能、流动性能、脱硫性能三个方面综述了近年来国内外关于高炉渣冶金性能的研究现状,分析了高炉渣的各项物化性能研究成果及进一步的研究方向,旨在为改善高炉渣的流动及稳定性能,确保高炉冶炼正常进行,提供理论依据。     

基于改进YOLOv7的无人机图像目标检测算法

针对无人机图像中由于目标微小且相互遮挡、特征信息少导致检测精度低的问题,提出一种基于改进YOLOv7的无人机图像目标检测算法。在颈部和检测头中加入了坐标卷积,能更好地感受特征图中目标的位置信息;增加P2检测层,减少小目标特征丢失、提高小目标检测能力;提出多信息流融合注意力机制——Spatial and Channel Attention Mechanism(SCA),动态调整注意力对空间信息流和语义信息流的关注,获得更丰富的特征信息以提高捕获目标的能力;更换损失函数为SIoU,加快模型收敛速度。在公开数据集VisDrone2019上进行对比实验,改进后算法的mAP50值相比YOLOv7提高了4%,达到了52.4%,FPS为37,消融实验验证了每个模块均提升了检测精度。实验表明,改进后的算法能较好地检测无人机图像中的目标。     

室内地磁测量小波去噪算法研究与试验分析

地磁定位可靠性和准确性来源于磁测量数据.针对实测磁数值的系统偏差和随机噪声扰动,使用自制磁测量装置(HBEQ-1)和高精度磁力仪FVM-400采集了试验区内20个基准点的磁数据.数据处理过程中,采用了硬阈值和软阈值2种去噪函数,中误差阈值、固定阈值和极大极小阈值3种阈值设置,并以信噪比和均方差为评价指标,进行了磁测量小...     

三端口LLC谐振型变换器研究

为解决多个变换器引起的能量损耗问题,提出一种三端口LLC谐振型结构的变换器,可实现同时向负载端和储能端供能.建立基波近似(FHA)模型,分析变换器的增益特性.传统的脉冲宽度调制(PWM)策略无法实现宽范围零电压开关(ZVS)技术,现有的脉冲频率调制(PFM)控制策略需要复杂的建模过程.研究中设计了改进的PWM-PFM混...     

无波前传感自适应光学神经网络控制方法

针对无波前探测自适应光学系统,研究了基于神经网络的波前控制方法。建立了无波前探测自适应光学仿真模型,分别采用卷积神经网络(Convolution Neural Network,CNN)和普通神经网络(General Neural Network,GNN)作为控制算法,远场光斑图像为神经网络的输入信号,一定阶数的泽尼克模式系数为神经网络的输出,分析了波前校正效果。仿真结果表明,经过充分训练后的神经网络可以快速、准确地从远场光斑图像中复原出入射波前的低阶泽尼克模式系数,CNN的效果优于GNN,二者的损失函数值分别为0.015 8和0.037 6。相比于传统的迭代式寻优控制方法,神经网络控制方法能够基于远场光斑图像快速得到控制信号,在实时性方面有明显优势。