基于UWB及视觉技术的无人行车库区安全管理系统

详细介绍了UWB定位技术,简述了引入行车无人化技术后,在包装区域存在作业人员和无人行车发生碰撞的风险,因此,需要对包装区域人员及行车吊具进行UWB定位,并及时报警停车,以防止发生人员碰撞事故,满足企业的安全管理要求.     

基于有限元法异型坯动态二冷控制模型开发与应用

建立了异型坯连铸凝固传热数学模型,并利用有限元法进行离散求解.在此基础上开发了异型坯连铸动态二冷控制模型,模型以5s为周期动态计算整个铸坯实时温度场,并采用有效拉速和表面目标温度法对二冷水量进行设定和优化.用可视化编程工具Visual C++6.0编制了异型坯连铸动态二冷控制系统.在相同工况情况下,动态二冷控制系统仿真结果与大型商业软件Marc计算结果一致,可用于在线控制或异型坯连铸二冷工艺离线设计优化.     

粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制

针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。     

基于非线性模型预测控制的自动泊车路径跟踪

与行驶速度较高的其他无人驾驶工况相比, 自动泊车时参考路径的曲率较大, 因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能. 为了解决这一问题, 提出了基于非线性模型预测控制的自动泊车路径跟踪控制器, 并在MATLAB/Simulink和PreScan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比. 仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车, 泊车完成后车辆航向与车位中线的夹角为0.0189 rad, 车辆后桥中点与车位中线的距离为0.1045 m, 仅为车身宽度的5.56%. 相比线性时变模型预测控制器, 非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势. 在实时性方面, 该控制器也能够满足自动泊车的需求.      

基于非线性模型预测控制的自动泊车路径跟踪

与行驶速度较高的其他无人驾驶工况相比,自动泊车时参考路径的曲率较大,因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能.为了解决这一问题,提出了基于非线性模型预测控制的自动泊车路径跟踪控制器,并在MATLAB/Simulink和Pre Scan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比.仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车,泊车完成后车辆航向与车位中线的夹角为0. 0189 rad,车辆后桥中点与车位中线的距离为0. 1045 m,仅为车身宽度的5. 56%.相比线性时变模型预测控制器,非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势.在实时性方面,该控制器也能够满足自动泊车的需求.     

基于改进PID算法的动态模拟目标控制研究

在动态目标模拟系统中,为降低环境噪声、电机推力波动及端部效应时伺服直线电机控制精度的影响,依次进行了一阶低通滤波算法、电机推力波动补偿算法、重复控制算法与常规PID算法复合的控制算法研究.最后分别用常规PID算法和改进后的算法,对直线电机进行了给定速度为50mm/s和157mm/s的控制实验.实验结果表明:相对于常规的PID算法,改进后的算法大大降低了伺服直线电机速度控制的平均误差与标准偏差,并在很大程度上提高了伺服直线电机控制器的控制性能.     

基于动态RBF的单神经元PID控制研究

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数的在线调整信息,并由单神经元PlD控制器完成控制器参数的在线自整定,从而实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能.     

1880m^3高炉槽上自动打料控制的设计与实现

从工艺流程、系统配置、画面设计、总动控制方面介绍了1880m^3高炉槽上自动打料控制系统的设计与实现过程。     

基于ZigBee技术的直流机车架线分段自动停送电控制系统设计与研究

针对矿山井下直流架线全线裸露带电运行带来的安全隐患,研究开发了一套基于Zig Bee技术的直流机车架线分段自动停送电控制系统。该系统主要由架线控制集成仓、机车身份标识卡及PLC控制器等装置组成。系统通过架线控制集成仓接收机车发出的Zig Bee无线信号控制分段架线送电,并且由PLC控制器控制断电的方式实现"车来送电,车走断电"。现场应用结果表明,该系统运行时送电、停电动作准确性、及时性完全满足设计要求。     

基于DS-SVR模型的炉卷轧机厚度动态设定控制

针对炉卷轧钢板成品超长,头尾与板体的温度偏差大且检测不准,带来的产品厚度命中精度偏低、同板差偏大等问题。系统研究了炉卷温度检测和厚度设定机理模型的算法,剖析了系统模型在轧件温度测量、轧制力设定计算等关键算法,以及轧机自动厚度控制(automatic gauge control,简称AGC)系统上存在的控制参数粗放等问题,借鉴国内外关于轧制过程温度软测量和动态厚度设定的研究成果,开发了基于动态设定-支持向量回归(dynamic setting-support vector regression,简称DS-SVR)的系统温度软测量和厚度动态设定方法。应用结果表明,所提方法提高了温度检测和厚度动态设定精度,大幅提高了炉卷轧机厚度设定模型精度。