基于HALCON的光纤收发PCB板贴片目标检测与校正系统设计

针对光纤收发PCB板的传统手工检测与校正中存在的检测速度慢、检测效率低和校正效率低等问题,课题组提出一种基于HALCON的检测与校正方案。通过图像降噪、截取模板和模板匹配等处理手段快速定位目标位置并计算标准位置;通过比较识别位置与标准位置的坐标差,进而判断贴片位置是否合格,对于不合格产品可由电机平台重复推动与检测直至产品合格。实验结果表明:新系统能够快速、准确、有效地检测出不合格品;检测准确率达99. 4%,平均检测时间约为367 ms,校正后合格率为100%。新系统的检测精度、检测速度以及校正后产品合格率均符合工业生产的要求,能够应用于工业生产。     

随机时延网络控制系统的优化控制

对具有不确定信息传输时延的网络控制系统的优化控制方法进行了研究。首先应用时间戳的BP神经网络对时延加以预测并建立了加热炉网络控制系统的数学模型。基于时间乘误差绝对值积分最小优化策略,给出了一次优化的设计方法,并导出相应的离散状态方程式。基于最优状态反馈提出的二次优化方法进一步提高了控制系统动态性能。最后的仿真和实验结果表明,提出的控制策略能有效地改善系统静态和动态特性。     

厚板拉深件垂直切边模具的设计

我厂有一冲压零件如图1所示,此零件为矩形拉深件,其特点是板料较厚,高度尺寸公差为±0.2mm.在工艺分析中,为保证零件高度尺寸,曾考虑使用拉深、挤边复合模或水平切边模,但由于此零件厚度较大,在挤边过程中,凹模必定要承受较大的侧向挤边力,工作条件恶劣.水平切边模具的制造又比较复杂.若采用落料拉深复合模,虽然对落料尺寸可以进行反复试验,但由于板料的各向异性等原因,拉深后高度尺寸不易保证.所以,没有采用上述三种工艺方案.为此,笔者综合切边模和挤边模的特点,设计了一种垂直切边模具,保证了零件的高度尺寸.经批量生产,高度尺寸合格率达100%,工艺路线:下料→拉深→整形→垂直切边,变形简图如图2,垂直切边模具如图3.     

基于个性演化的多机器人自组织

多机器人系统协调是一个影响系统效率的重要问题.传统的基于规划和学习的方法,因为都需要自上而下的设计或督导信息,在复杂环境下的适应能力有限.自组织是一种非常有效的自下而上的设计思路,但具体实现的系统很少.本文引入了单个机器人"个性"的概念,设计了代表个性的价值函数和个性演变的方式,通过机器人个性不同来影响机器人的决策,从而实现了多机器人系统的自组织协调.仿真说明了这一思想的有效性.     

利用直线段成像特性的摄像机畸变迭代标定方法

提出一种标定非量测摄像机成像中心和畸变参数的新方法,解决了不进行摄像机线性内外参数求解即可对多种单参数畸变模型进行标定的问题.该方法由两步组成：近似标定,添加直线与近似呈圆弧的直线段畸变成像形成闭合曲线,得出其闭合面积及端点与畸变参数及中心的近似关系;参考模型逼近,依据该闭合曲线端点及当前标定值,由畸变模型生成闭合曲线的参考面积值和曲线端点的无畸变成像位置,以此修正该近似关系,进而逼近准确的畸变中心与参数.仿真和真实图像实验均表明,该方法利用四条成像直线段即可实现高精度标定且收敛迅速.     

基于经典理论的协作跟踪与干扰抑制技术

研究了当存在确定性干扰时, 多智能体系统的协作跟踪控制问题. 系统中个体之间的通信拓扑由时不变的有向图网络构成, 而每个个体的动态特性均由单输入单输出的线性系统描述. 本文将多智能体的分布式协调控制问题理解成并归结为输出调节问题来解决, 并由此提出了一种基于个体间相对输出反馈机制以及经典极点配置理论的分布式协作控制律. “内模原理”的使用也因此显得尤其重要. 此外, 为了分析所提出的控制律的稳定性, 本文还引入了复根轨迹的概念, 这是对经典根轨迹技术的推广, 它在本文中的有效应用显示了其潜在的应用价值.     

基于RT-LAB的高速动车组牵引传动系统实时仿真

针对如何搭建高速动车组牵引传动系统硬件在环仿真模型及实现该系统相关信号量的实时在线监测问题,通过利用RT-LAB实时仿真器和以GE公司CT11系统为开发平台的控制器搭建了高速动车组牵引传动系统的硬件在环仿真模型.采用了算法简单、控制效果更精确的直接转矩控制(DTC)方式作为系统逆变器的控制算法来驱动异步电机;为了使整个系统更接近实际的高速动车组,引入了列车通信网络(MVB)完成与硬件在环仿真模型的通信问题;在列车通信网络环境下,系统的运行速度曲线比较平滑,且始终保持在限速范围之下,满足了实际动车组对运行速度的要求.研究结果表明,该系统能够根据列车的运行特性曲线实时地获得不同工况下的运行结果,从而对实现牵引传动系统的实时在线监测具有重要的研究意义.     

一类无静差自学习模糊控制器设计

本文证明了无静差控制的必要条件;提出了自衡对象位移无静差控制量的一步预估算法,并将其用于模糊控制中,得到了一类自学习模糊控制器。该控制器利用自学习算法对无静差控制量进行自寻优,动态优化模糊控制量表。优化过程计算量小,适合于实时控制。仿真结果表明,即使对象增益可变或者未知,该控制器均能实现对给定阶跃信号的无静差跟踪。     

基于适应度的多机器人任务分配策略

为提高多机器人任务分配方法的通用性和实用性，提出了一种分布式多机器人协作任务分配策略.根据多机器人任务特点，提出了多机器人任务分配必须满足的4个基本目标，并由目标制定相应的4条任务选择策略.按形式化思想为子任务建立了一个通用模型，模型包含了与任务选择相关的子任务基本属性和运行状态.结合子任务模型和任务选择策略，建立了一个子任务适应度模型，包含静态适应度、进度适应度、资源适应度和外部适应度4个分量，机器人根据适应度大小来选择子任务.仿真实验表明，应用该任务分配策略的协作异构多机器人系统对一类搬运任务具有很好的通用性，当任务发生变化和机器人发生故障时，机器人能够正确、及时地调整子任务，系统具有很好的实时性、灵活性和鲁棒性.系统能够实现机器人到子任务的最优映射，与其他任务分配方法相比明显缩短了任务执行时间.     

一种基于平衡原则的多机器人自组织任务分配方法

针对多机器人控制系统难以精确建模、性能指标最优化难等问题,借鉴自然界事物平衡的思想,提出基于平衡原则的决策控制方法,并结合该方法设计一种机器人任务选择策略调整算法.该算法帮助多机器人系统较好地实现任务自组织分配,使系统取得良好的运行效果.