双层振动筛自动筛分最优振幅控制研究

为提高筛分效率,解决系统容易出现故障的问题,保证控制系统的稳定,提出双层振动筛自动筛分最优振幅控制方法.建立颗粒运动速度与筛分机运动学参数间关系函数,为分析振幅对自动筛分效率的影响提供依据.将筛分效率最高作为目标函数,并综合筛分设备性能与效率两方面因素,完成对目标函数的优化处理.在传统PID控制器基础上,筛分振幅偏差与...     

基于STM32的居民社区门窗禁控制系统

针对居民社区公共门窗管理不及时,耗费大量人力资源,且效率较低等问题,设计了一款基于STM32单片机的居民社区门窗禁控制系统.在传统的门禁控制系统的基础上,系统利用Zigbee无线传感网技术,实现门窗禁控制器之间的无线通讯.管理用户可以通过以太网远程控制系统,系统也可以根据传感器监测到的环境数据实现自动调节.同时,尝试采用一种基于频率捷变的分布式自适应干扰技术,解决系统在居民居住环境中遇到的Wifi网络信号干扰问题.最后,通过测试表明,该系统运行稳定,具有广泛的应用前景.     

倾角传感器自动标定系统的研究

为了解决手动标定方法效率低、精度低的缺点,采用自动控制伺服电机分度的方法来实现倾角传感器的自动标定,并采用闭环控制系统和角度误差补偿与温度补偿方法来保证标定的精度。自动标定系统中利用单片机技术整合数据和控制系统,并通过软件编程将系统各部分整合起来,不但标定精度高,而且,工作效率也得到了提高。     

基于ZigBee的隧道通风自动控制系统

将ZigBee技术与PLC控制技术、变频技术相互融合,提出了基于ZigBee技术的隧道通风自动控制系统。该系统主要由隧道环境检测系统和隧道通风控制系统组成。环境检测系统以CC2430为核心,负责采集隧道内的环境数据,并将该数据通过无线传感网络传送给通风控制系统的控制器;通风控制系统以PLC为核心,可接收环境检测系统所采集的环境数据,并将其与预先设定值进行比较,同时输出信号来控制变频器的输出频率,从而控制风机转速,实现隧道自动通风的目的。测试结果表明:该系统整体工作稳定,操作界面友好,同时验证了无线传感网络数据传输的稳定性。     

基于物联网的智能农业控制系统的设计

针对当前农业种植环境存在的问题,设计了一种基于物联网的智能农业控制系统.该系统完成了硬件及软件的设计,包括上位机、ZigBee协调器、数据采集节点、自动控制执行节点.实现了农业种植主要环境数据的采集,以及极端环境情况下的自动调节控制.系统网络基于ZigBee网络实现,主控模块采用CC2530,通过传感器采集的数据,控制执行节点启动,从而改善种植环境.通过模拟试验,测试了系统的可行性.     

一个采用Bode图的控制系统计算机辅助设计程序

本文介绍了一个采用 Bode 图的自动控制系统计算机辅助设计程序。该程序以系统的开环 Bode 图、穿越频率和稳定裕量作为设计目标,利用试探法,设计各种串联校正器和调节器。文中介绍了程序的使用方法,并有例题。     

基于PLC的圆筒螺旋洗煤机控制系统改造

针对洗煤设备老化,自动化程度低,洗煤效率低、质量差等问题,采用PLC为核心控制器,触摸屏为人机界面对该设备控制系统进行改造。将洗煤自生介质的密度作为被控量来调节电动调节水阀,实现自生介质密度控制,通过圆筒筛矸石厚度检测来调节变频器频率以调节圆筒筛转速。经改造后,提高了该系统自动化程度及洗选煤效率和质量。现场运行情况良好。     

一种采用增强式学习的模糊控制系统研究

提出一种新的自学习模糊控制系统,该系统有机地集成了BB(Bucket—Brigade)算法和遗传算法,组成一种新的增强式学习(Reinforcement Learning)算法,能够在缺少输入—输出样本集的情况下自动学习生成模糊控制规则,调节隶属度函数。     

基于神经网络的电动机间接矢量控制系统

电动机在一定的负载下以一定的电压、一定的频率时,可以工作在最好的状态。本文提出了用人工智能神经网络预测当负载转矩和速度变化时的工作电压和频率,提高了电动机的效率。实验结果表明,该方法改善了控制系统的鲁棒性,提高了网络学习能力,改善了学习性能,在神经网络控制中有一定推广价值。     

人体前景的自动抠图算法

在基于立体视觉的人体建模系统中,背景像素的移除可以减少不必要的立体匹配计算,提高人体模型重建效率.为此,在给定大量具有前景Alpha蒙板真值的人体图像作为训练数据的前提下,提出了一个端到端的深度学习网络,以实现系统采集图像中人体前景自动抠图.该深度学习网络包括2个阶段:人体前景分割阶段和人体前景Alpha抠图阶段.在人体前景分割阶段,采用Mask R-CNN网络中的目标检测和掩码生成2个负载,并结合训练数据进行迁移学习,得到了适用于人体前景二值化分割的模型网络.在人体前景Alpha抠图阶段,采用Encoder-Decoder网络架构实现Alpha蒙板的自动预测.首先引入核为5的非学习卷积层,以上一个阶段的二值化分割结果作为输入,自动得到三分图Trimap,再和人体前景训练数据一起作为此阶段抠图网络的输入;经过学习迭代,获得能够预测人体前景Alpha蒙板的模型网络.在实验部分,以单幅系统采集人体图像为输入,无需额外先验和人工交互,可以自动估计人体前景Alpha掩码结果.用户测试结果以及与其他方法的对比和分析证明了文中算法的可靠性和鲁棒性;同时,该自动抠图算法还对其他公开数据集的人体图像进行了掩码预测,实验结果表明该算法具有一定的泛化能力.