基于图像处理技术的瞳孔和角膜反射中心提取算法

为了提高瞳孔中心的实时提取精度和抗干扰能力,利用基于瞳孔-角膜跟踪法原理和图像处理的眼动跟踪技术,实现瞳孔和角膜反射中心的精确提取.首先在红外光源条件下,用摄像机捕获人眼图像,通过图像自适应二值化阈值确定图像处理区域,以减小处理时间;其次,利用高低2次二值化阈值提取角膜反射中心;然后求取自适应最佳阈值确定瞳孔位置和大小;最后用梯度法提取瞳孔轮廓特征点,并用椭圆拟合瞳孔的方法确定瞳孔中心.实验结果表明,该算法在保证瞳孔和角膜反射中心提取的准确性和稳定性的同时,能满足实时处理要求.     

过程控制工程课程体系创新与教改探讨

高校化学工程和自动化专业过程控制工程方向的本科课程体系一般包含自动控制原理、过程工 程技术、检测技术、计算机控制技术等内容,并与工业生产过程特性和运行操作要求紧密结合,对培养具 有控制工程实践能力的自动化专业人才具有重要作用。文章结合国际工程教育认证标准,梳理了大连 理工大学和南京工业大学过程控制工程方向本科生的培养目标,在此基础上提出了一种灵活的过程控 制工程课程体系构建方案和三种课程体系创新模式,并以大连理工大学为例,介绍了该校过程控制工程 课程教学改革的有效措施及取得的成效。     

基于模糊强化学习的空气压缩机群组协调预测控制

空气压缩机在提供动力的同时消耗着大量的电力能源,其节能增效备受关注.空气负荷需求受生产节奏、计划排程等影响呈现阶段性、间歇性的特点,导致空气压缩机组在大范围内变工况运行,人工调节速度慢,机组能耗高.针对此问题,以国内工业园区空气压缩机群组系统为背景,提出一种基于模糊强化学习的空气压缩机群组协调预测控制方法.首先利用工业现场的历史数据和设备运行机理建立基于模糊辨识的空气压缩机群组多工况模型;在此基础上,以最小化生产过程能耗为目标,结合生产工艺条件、设备安全等约束条件,建立基于模糊强化学习的空气压缩机组变负荷协调预测控制方法,保证系统在复杂工况下安全稳定运行;最后,将所提出方法应用于工业园区空气压缩仿真系统进行性能测试,取得较好的控制效果.     

基于集成的非均衡数据分类主动学习算法

当前,处理类别非均衡数据采用的主要方法之一就是预处理,将数据均衡化之后采取传统的方法加以训练.预处理的方法主要有过取样和欠取样,然而过取样和欠取样都有自己的不足,提出拆分提升主动学习算法SBAL( Split-Boost Active Learning),该算法将大类样本集根据非均衡比例分成多个子集,子集与小类样本集合并,对其采用AdaBoost算法训练子分类器,然后集成一个总分类器,并基于QBC( Query-by-committee)主动学习算法主动选取有效样本进行训练,基本避免了由于增加样本或者减少样本所带来的不足.实验表明,提出的算法对于非均衡数据具有更高的分类精度.     

基于目标函数的递推子空间辨识算法

针对实际工程中要求对系统参数进行在线估计的问题, 提出一种递推子空间辨识的新方法. 通过引入辅助变量关系将递推子空间辨识问题转化为目标函数的迭代最小化问题. 采用递推最小二乘算法在线估计参数并由传播方法得到更新的广义能观性矩阵, 进而求得子空间辨识模型系统参数. 该算法简单有效且对初值具有鲁棒性. 最后, 通过仿真实例验证算法的有效性.     

基于改进K近邻和最小二乘支持向量机的钢铁蒸汽管网压力预测

针对钢铁企业蒸汽管网压力变化波动大且存在流量数据随机缺失和异常等因素导致的难以对蒸汽系统进行实时有效调度的问题,提出了一种基于数据填补-最小二乘支持向量机(least squares support vector machine, LSSVM)的蒸汽管网压力预测方法。首先利用基于近邻噪声处理的K近邻缺失数据填补算法(eliminate neighbor noise K-nearest neighbor, ENN-KNN)对蒸汽流量原始数据进行异常点和缺失点填补,以降低数据中的异常点干扰;然后通过选取影响蒸汽管网压力的主要蒸汽发生和使用用户,包括煤精、海水淡化、烧结、干熄焦和炼钢等,利用LSSVM算法建模,对蒸汽管网压力进行预测。试验结果表明,基于本文所提方法的钢铁企业蒸汽管网压力的预测精度高、建模速度快,具有良好的抗干扰性和实用性,可以为蒸汽的合理调度提供科学的理论依据。     

四旋翼飞行器的自抗扰飞行控制方法

针对四旋翼飞行器参数不确定性和外部干扰敏感的问题,本文提出一种基于自抗扰控制器的控制系统设计方法.在为期望姿态和高度安排过渡过程的基础上,设计了扩张状态观测器对内扰和外扰进行估计并实时补偿,能够很好地克服飞行器的强耦合性、模型不确定性以及风速变化等外部干扰问题.此外本文还设计了非线性状态误差反馈控制律来有效抑制跟踪误差.在仿真平台上对自抗扰控制系统进行稳定控制、姿态跟踪、高度控制、抗扰性及鲁棒性实验,并与串级PID控制系统进行定量对比分析.仿真结果表明,本文所设计的自抗扰控制器不仅能够很好地估计并补偿系统所受内外部干扰,而且对四旋翼飞行器参数的不确定性具有较强的鲁棒性,能够满足飞行器姿态调节快速和高稳定度的控制要求,性能指标明显优于串级PID控制器.     

一类非均匀采样非线性系统的无模型自适应控制

对一类未知的非均匀采样离散时间非线性非仿射系统,基于在受控系统当前工作点处的等价数据模型,利用输入输出数据对伪雅可比矩阵（PJM）的在线估计,设计出相应的无模型自适应控制器.所提出的控制方法具有如下特点：控制器的设计仅需要非均匀采样的输入输出数据,不包含系统模型的任何信息;控制算法计算量小,算法容易实现.最后,通过一个非均匀采样离散时间非线性系统仿真结果验证提出方法的有效性.     

基于分数阶的神经网络解耦控制优化方法

针对强耦合、多变量的非线性系统,提出了一种基于Caputo分数阶微分优化的BP-PID解耦控制算法。首先,应用Caputo定义的分数阶思想设计分数阶梯度下降算法,并将其应用到BP-PID控制系统,以实现多变量耦合系统的解耦控制;其次,通过测试的二维变量函数验证所提算法的收敛性;最后,在浸没式电极锅炉耦合模型中使用分数阶梯度下降算法优化的BP-PID算法,并与基于传统梯度下降算法的BP-PID算法进行对比。实验结果表明,所提算法提高了BP-PID解耦控制器的收敛速度,并且加快了响应速度,减少了超调量,缩短了调节时间。     

基于工作流网的金融机具产品开发过程建模研究

为了精确、有效地量化分析和评估产品设计开发过程,提出了产品开发过程的多视图模型和基于任务结构的产品开发过程模型.应用工作流网与任务结构的相似性,结合产品功能实现的要求,对开发过程的任务结构图进行描述,实现了由产品开发过程的任务结构模型到工作流网的模型映射机制.针对金融机具纸币清分机的开发过程,进行了基于工作流网的设计过程验证,实现了产品设计开发过程中的任务分配和性能评估,以便对产品开发周期进行更量化、更精确的分析.