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.     

基于双域和ILoG−CLAHE的矿井红外图像增强算法

针对矿井复杂作业环境导致的红外图像降质,现有红外图像增强算法在实现信噪比和对比度提升的同时易丢失场景细节信息或造成目标边缘模糊的问题,提出了一种基于双域分解耦合改进的高斯−拉普拉斯（ILoG）算子和对比度受限自适应直方图均衡化（CLAHE）（ILoG−CLAHE）的矿井红外图像增强算法。首先,利用双域分解模型将矿井红外图像分解为包含高频信息的细节子图和低频信息的基础子图;其次,利用CLAHE算法对基础子图的亮度、对比度和清晰度进行提升,用以突出监视场景的概貌特征,采用构造的ILoG算子对细节子图进行噪声抑制和边缘锐化,并消除梯度反转现象;然后,通过重构处理后的基础子图和细节子图得到了图像质量改善后的重构图像;最后,设计了一种灰度重分布的Gamma校正函数,对重构图像进行亮度调整,进而得到矿井红外增强图像。通过主观视觉和客观指标对算法进行了性能分析,结果表明：经基于双域和ILoG−CLAHE的矿井红外图像增强算法增强后的矿井红外图像,整体视觉效果和客观指标均得到了较大提升,综合增强性能和鲁棒性更好。相较于原矿井红外图像和6种对比算法（CLAHE算法、双边滤波器（BF）分解与基础子图的CLAHE增强（BF−CLAHE）算法、BF分解与Gamma变换（BF−Gamma）算法、引导滤波与Gamma变换（GF−Gamma）算法、自适应直方图均衡化（AHE）耦合拉普拉斯变换（AHE−LP）算法、基于反锐化掩膜（UM）的图层融合（LF−UM）算法）,该算法的综合评价指标值分别提高了0.28,0.11,0.23,0.38,0.57,0.04,0.10,图像亮度、清晰度和对比度均得到了较大提升,并且实现了噪声抑制和边缘锐化,表明该算法适用于矿井复杂作业环境中红外图像的增强处理。     

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。     

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。     

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.     

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...     

基于可见光视觉特征融合的矿井外因火灾监测方法

为了解决矿井外因火灾监测实时性差、误报率和漏报率高的问题,提出了基于可见光视觉特征融合的矿井外因火灾监测方法。首先,分析了不同监测环境中火源视频图像对应的视觉特征,并设计了火源纹理、尖角、相似系数和闪动频率的提取方法;其次,采用改进的种子区域生长算法对火灾疑似区域进行分割,并利用不同的火源特征提取方法计算火灾疑似区域的动、静态特征;然后,融合所提取的动、静态特征,构建火灾特征向量;最后,构建了基于BP神经网络的火灾监测模型,并对监测模型进行了验证。结果表明,本文提出的火灾监测方法可有效检测不同场景和不同距离下的外因火灾,正确率和检测率分别达到98.60%和99.09%,误检率低至2.00%,并有很强的抗干扰能力和鲁棒性。