非完整约束多智能体系统基于屏障控制函数的分布式协同控制

本文设计了一种基于屏障控制函数(CBF)的分布式协同控制算法,实现了领航–跟随者框架下非完整约束多智能体系统的连通性与编队控制.首先,通过将连通性保持问题建模为系统约束,定义了该约束的调零屏障函数(ZBF).其次,在此基础上,构建李雅普诺夫函数与角速度输入之间的关系,对跟随者智能体设计了基于调零屏障函数的协同控制算法,其中线速度控制器保证跟随者的速度的跟踪与队形的跟踪,而梯度型角速度控制器实现跟随者角度的矫正.然后,利用调零屏障函数不变集相关引理证明了连通性约束集为正不变集,若初始时刻连通,则跟随者智能体始终与领航者保持连通性.同时,本文提出的算法实现编队误差的渐近收敛.本文中的队形适用常见的固定队形编队需求,也适用于领航者是动态(有线速度和角速度)的情况.最后,通过数值仿真进一步验证了该算法在不同队形需求下的有效性.     

基于改进DenseNet的牛眼图像特征提取方法

针对牛眼图像特征提取过程中由于梯度消失和过拟合造成的识别准确率较低的问题,提出一种基于改进DenseNet的牛眼图像特征提取方法。首先采用缩放指数线性单元（SeLU）激活函数防止网络梯度消失;其次通过DropBlock随机丢弃牛眼图像的特征块,从而防止过拟合,并加强网络的泛化能力;最后将改进后的稠密层进行叠加以组成改进的DenseNet（Dense convolutional Network）。在自建牛眼图像数据集上进行特征信息提取识别实验的结果表明,改进后的DenseNet识别准确率、精确率和召回率分别为97.47%、98.11%和97.90%;较改进前的网络在识别准确率、精确率和召回率上分别提升了2.52个百分点、3.32个百分点和2.94个百分点,可见改进后的网络具有较高的精度与鲁棒性。     

自动化专业教学改革与实践

结合人才培养总体目标和自动化专业教学的实际情况,我们进一步明确了自动化专业人才培养的目标和要求,积极探索新的人才培养模式,对课程体系、教学内容、实践环节、教学方法进行了全面深入的研究、改革和建设,对培养学生的实践能力、创新能力以及提高综合素质发挥了良好的作用。     

自动化专业学年论文的教学改革探索

我校连续五年在学年论文环节鼓励学生围绕单片机自主设计微型控制系统,通过全面的训练使学生的动手能力得到切实的加强,在提高学生实践能力、创新能力以及综合素质方面发挥了良好的作用。     

基于屏障控制函数的轮式机器人系统多目标分布式协同控制

受多目标优化理论的启发,针对非完整约束轮式机器人设计基于屏障控制函数的多目标协同控制算法.该方法可实现队形控制主目标、连通性次级目标以及避碰次级目标,其中将连通性保持和避碰问题建模为两个系统约束,屏障控制函数作为约束对应的惩罚函数,可解决系统有输入或状态约束的问题.通过获取的局部信息将系统状态约束转化为屏障控制函数,利用屏障控制函数的类李雅普诺夫特性对其导数引入约束,再通过保证约束集的正不变性,达到控制目标.所提出方法可有效地避免控制器在连通性约束和避碰约束边界处的频繁切换,减小机械疲劳,在理论上可进一步扩展次级目标的数目,实现多目标控制.另外,所提出的协同控制算法对编队队形没有特殊要求,适用于不同编队需求和通信拓扑情况.最后通过数值仿真验证了所提出算法在不同情况下的有效性.