机器人系统有限时间自适应迭代学习控制

研究任意初态下，机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念，构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统，采用Lyapunov-like方法，分别设计迭代学习控制器处理系统中不确定性。并且，采用未含/含限幅学习机制，保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性。藉以实现跟踪误差在预先指定区间的完全跟踪。仿真结果验证所设计控制方法的有效性。     

基于混合蚁群算法的异质车队低碳VRP研究

针对货运车辆在配送调度过程中产生大量碳排放的问题，建立模型将多种影响碳排放量的因素协同优化。模型中考虑了不同载重量的异质车队，两个节点之间有多条道路的柔性路径，以及车辆重量随卸货而减少的动态负载等因素，以碳排放量、行驶时间和行驶路程为优化目标，并加入了节点需求时间窗、根据速度变化划分路段、交接和卸货时间的约束。提出了一种混合蚁群算法，利用蚁群算法信息素强度更新方式保持群体记忆性，利用粒子群算法的快速收敛特性增加计算效率。通过随机数值算例的仿真优化与对比分析，验证了算法和模型的有效性。     

基于Q-learning模型的智能化放顶煤控制策略

传统的综放工作面放顶煤控制存在顶煤采出率低、出煤含矸率高等问题,而现有智能决策方法又存在建模困难、学习样本难以获取等障碍。针对上述问题,在液压支架放煤口动作决策过程中引入强化学习思想,提出一种基于Q-learning模型的智能化放顶煤控制策略。以最大化放煤效益为主要目标,结合顶煤放出体实时状态特征及顶煤动态赋存状态,采用基于Q-learning的放顶煤动态决策算法,在线生成多放煤口实时动作策略,优化多放煤口群组协同放煤过程,合理平衡顶煤采出率、出煤含矸率的关系。仿真和对比分析结果表明,该控制策略的顶煤平均采出率为91.24%,比传统"见矸关窗"的放煤方法提高约15.8%;平均全局奖赏值为685,比传统放煤方法提高约11.2%。该控制策略可显著减少混矸、夹矸等现象对放煤过程的影响,提高顶煤放出效益,减少煤炭资源浪费。     

带式输送机煤流量自适应检测方法

针对现有带式输送机煤流量检测方法存在检测精度易受环境影响、实现过程复杂、信息提取耗时较长等问题,提出了一种基于机器视觉的带式输送机煤流量自适应检测方法。首先,采用基于小波变换的融合算法对带式输送机运输煤料原始图像进行增强处理,并采用OTSU算法将增强图像分割为胶带图像和煤料图像;然后,对煤料图像进行空洞填充、轮廓检测和面积计算等处理,获取煤料图像面积信息;最后,采用基于数学建模的煤流量检测算法,通过计算煤料瞬时体积获得煤流量检测值。试验结果表明,该方法平均检测时间约为30ms,检测结果与电子胶带秤测量结果的误差约为5%,满足带式输送机自动调速控制系统对煤流量检测实时性和准确性的要求。     

浅析火力发电厂汽水系统中内径管与外径管的设计选择

按照管道加工工艺的不同,管道可分为内径控制管和外径控制管。通过热轧工艺生产的外径控制无缝钢管,可满足火力发电厂汽水系统中绝大部分管道的使用要求。对于超(超)临界机组的主蒸汽和高温再热蒸汽管道采用的P91/P92材质的大口径厚壁无缝钢管,由于对材料性能和加工工艺有特殊要求,因此宜采用内径控制管。     

可编程超高压喷射清洗在曲轴中的应用

结合改进实例,针对不断提高的曲轴清洁度(颗粒分级、总重量)要求,系统分析了一种全新的曲轴清洗工艺,该工艺的主要特点是首次采用了数控清洗位置控制的策略,解决了现有高压清洗无法方便、快速满足不同品种曲轴清洗的难题,通过自动更换不同规格喷嘴、数控清洗轨迹控制以及喷嘴角度控制等功能,基本实现了曲轴所有部位的可靠清洗。同时分析了可编程超高压喷射清洗的一般工艺流程、清洗各环节的工艺思路及优化要点,配合杂质、油污的粗、精过滤系统、恒温系统,能够得到持久稳定的清洗质量及相对较高的清洗效率。     

基于UGNX的玻璃瓶容差控制方法与程序实现

容积计算贯穿于玻璃瓶样设计和模具设计的整个过程,其精确性直接影响瓶罐的成型质量,针对传统容积测试法效率低的问题,采用UGNX二次开发的方法,以UGNX8.0为平台,利用UGNX二次开发工具,结合VB.net高级编程语言,进行玻璃瓶样容差控制模块的开发。研究结果表明:运用开发完成的人机交互界面,通过调整因子即可对瓶颈和瓶身高度进行参数调整,输入误差值即可精确控制容差,并输出最优外形尺寸。