台达新型伺服专用编码器横空出世

编码器是各类机械最常用的检测装置之一，用编码器作为信号检测的方法，已经广泛用于数控机床、纺织机械、冶金机械、印刷机械、塑料机械、试验机、电梯、电机、航空、仪器仪表等工业自动化领域。编码器种类繁多，不同的行业用户对编码器的参数、规格要求各不相同。因此，如果没有品种丰富的产品系列，那么，供应商就无法充分满足客户的需求．这是困难，也是挑战。     

编码器基础及应用

本文论述了编码器的基本原理和分类，并对编码器的未来发展趋势及在数控机床中的应用作了简要介绍。     

动力后坐试验台数据采集系统设计与实现

为满足动力后坐试验台位移、速度数据高速采集的要求,介绍了一种以增量式编码器为位移传感器、以STM32F107VCT6MCU为下位机数据采集模块,采用MicrosoftVc＋＋6．0开发上位机试验软件的动力后坐试验台位移速度采集系统,实现了对试验中位移、速度数据的高速采集,并利用TeeChart控件实现速度位移曲线的绘制。现场试验结果表明该系统达到了设计要求,实现了数据的高速采集和曲线显示。     

结合LSTM的强化学习动态环境路径规划算法

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.     

基于PXI总线的导弹角速度编码器组合测试系统设计

针对某型导弹角速度编码器组合测试快速化、模块化、自动化的要求,通过对角速度编码器组合进行分析,结合角速度编码器组合输入信号的模拟、输出信号的采集、测试系统功能和性能要求,设计了基于PXI总线的导弹角速度编码器组合测试系统;介绍了测试系统的测试原理、硬件结构和软件组成、主要设计思想;实验表明,该测试系统工作性能稳定,能有效地进行组合测试和分组件测试并运用层次故障树分析法定位故障,提高了武器系统检测维修保障能力.     

基于增量式PID算法的帆板控制系统的设计

基于STC12C5A60S2单片机与增量式PID算法,实现对帆板系统的控制。该系统主要由键盘模块、显示模块、风扇驱动模块、角度测量模块、报警模块组成。角度传感器测量帆板的角度并反馈回单片机,通过增量式PID算法计算,并由PWM方法控制风扇的转速,从而实现精确控制风扇风力与帆板角度。     

不平衡样本下基于变分自编码器预处理深度学习和DGA的变压器故障诊断方法

为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型输入,以各故障状态概率分布为诊断模型输出。首先通过变分自编码器对少数类训练样本进行预处理,在学习确定少数类训练样本分布特征的基础上实现训练样本自动生成,进而提高训练样本的均衡性。基于3隐层结构堆栈稀疏自编码器深度学习网络构建变压器故障诊断模型,并以经变分自编码器预处理后的均衡训练样本对诊断模型参数进行更新优化。基于实例验证了所提方法的有效性。实验结果表明,所提方法可改善训练样本不平衡的不利影响,各训练集下,采用所提方法的变压器故障诊断结果准确率均保持在91%以上,且漏报率较低。     

一种面向目标的情感极性分析方法

面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性.当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降.为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征.此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果.在几个常用的标准数据集上的实验结果表明了上述模型的有效性.     

用于协同过滤推荐的对抗栈式自编码器

建立了深度学习模型SAE-GAN,该模型融合了SAE、Item2vec以及GAN技术.GAN判别器采用三层感知机模型判别物品在给定genres标签集合上的分类概率,改进了判别器的输出反馈.基于策略梯度指导SAE第2层AE的隐层训练,改进了SAE的训练方式,最终学习到包含物品之间的结构特征和类型特征的物品隐向量,进而实现基于物品的协同过滤TOP-N推荐.在MovieLens数据集上,与Item2vec、SAE、IR-GAN和AE-GAN做了对比验证.