基于区块链的侦查机器人实时避障与航线控制

为弥补侦查机器人行进灵活性不足的缺陷,降低无故运动碰撞事件的发生几率,提出基于区块链的侦查机器人实时避障与航线控制算法;利用超声信号处理电路,提取可供直接应用的侦查运动节点,联合已完成配置的MoveIt避障程序,实现对侦查机器人的实时避障运动规划;在此基础上,设置LQR控制器,在控制机器人侦查航速的同时,建立必要运动操纵方程,完成对侦查机器人的运动航线控制,提升与运动设备元件相关的行进灵活性;完善P2P网络平台,以待交互的运动数据作为处理支持条件,将所有侦查信息封装至同一区块组织中,完成基于区块链的避障控制原理研究,实现侦查机器人实时避障与航线控制算法的搭建;对比实验结果表明,应用基于区块链的控制算法后,C-Space参数极值超过8.0,RRT灵敏度也提升至75%,实现了对侦查机器人的灵活性行进控制,有效抑制了无故运动碰撞事件的出现。     

面向同步发电机励磁控制交流采集系统的设计

励磁控制系统对同步发电机的稳定运行起着至关重要的作用,既能保证电网运行的稳定,又保证输出更高质量的电能;交流采集是励磁控制的输入,是整个环节中不可缺少的一部分;基于此,对面向STM32F103RCT6的励磁控制系统的交流采集系统进行了研究;采用分模块化的思想,使用C语言编程;首先介绍了励磁控制系统的总体结构,然后进行系统整体设计,再通过硬软件设计和调试分析完成整个课题;经试验测试得出,以STM32F103RCT6单片机为核心设计的同步发电机励磁控制系统交流采集系统总体结构易于理解,交流采样模块和有效值计算模块用软件也易于实现,运行过程中准确性高,较为安全可靠。     

基于六轴MEMS器件姿态测量系统

为了解决噪声和漂移等原因造成的误差不断累积的问题,针对陀螺仪的静态性能以及加速度计的动态性能,提出了一种利用六轴MEMS器件对照相机三脚架的稳定测量系统,介绍了MEMS器件的工作原理,介绍硬件系统和软件系统,完成了基于ADXR450陀螺仪和ADXL355加速度计的检测硬件系统设计,通过传感器获取角速度加速度信息,采用不同的滤波方式对输出结果进行了分析,比较卡尔曼滤波和一阶RC数字滤波;经比较,卡尔曼滤波实时性更好,一阶RC滤波动态响应更好;实验证明,系统静态下更适用于一阶滤波,计算出姿态测量角度误差在0.104°以内,得到理想的姿态信息,能有效地提高检测目标姿态的精度。     

基于RFID技术的四旋翼无人机轨迹跟踪控制系统设计

为促进四旋翼无人机的飞行自主性,增强无人监管情况下飞行器主机所具备的避障行进能力,设计基于RFID技术的四旋翼无人机轨迹跟踪控制系统;采用RFID标签识别技术,调制处理既定控制信号,利用标签识别协议,连接微型四旋翼轨迹控制器与内环姿态控制器,通过数据通信链路,提取轨迹跟踪控制所需的传输电子量,完成轨迹跟踪控制系统硬件设计;利用动力系统中的参数辨识策略,确定与轨迹姿态控制相关的物理规律标注,实现四旋翼无人机轨迹跟踪控制;实验结果表明,与机器视觉型控制系统相比,基于RFID技术的控制系统的SSI避障行进指标数值相对较高,全局最大值达到了 79％,四旋翼无人机滚转角平均值为85°,能够有效抑制四旋翼无人机滚转角的数值上升趋势,增强无人监管情况下飞行器主机避障行进能力.     

基于粒子群优化BP神经网络的超声波缺陷位置预测

海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大.论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法.通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据.通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果.     

面向智能电网的PCA近似法错误数据注入攻击

准确的状态估计对于维持智能电网的正常运行至关重要。论文在雅可比(Jacobian)矩阵和状态变量分布假设未知的情况下,采用主成分分析近似法(PCA-Sim)研究了错误数据注入攻击问题,从线路测量的相关性中对Jacobian矩阵进行推导,验证了错误数据注入攻击近似隐形攻击,并且结合累积分布函数(cdf)分析了所提方法的性能。通过对IEEE14配电网系统在均匀状态变量、高斯状态变量和混合状态变量条件下漏检概率与决策阈值的仿真研究,结果证实了所提方法的有效性。     

电动汽车充电负荷时空分布的空间负荷预测

针对大规模电动汽车接入配电网对空间负荷预测的影响,论文提出一种考虑电动汽车充电负荷时空分布的城市配电网空间负荷预测方法.先根据各类车型充电方式与出行特点对电动汽车进行分类;其次,根据居民出行调研统计数据对电动汽车出行规律进行概率分布函数的拟合;然后,构建电动汽车出行链模型,通过蒙特卡洛方法计算得到不同区域和不同时间内充电负荷.最后,基于某地区实际数据,得到一天内不同功能小区的空间负荷预测值,为未来城市配电网的规划提供参考.     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。     

自然反向最近邻优化的密度峰值聚类算法

密度峰值聚类算法是一种基于密度的聚类算法.针对密度峰值聚类算法存在的参数敏感和对复杂流形数据得到的聚类结果较差的缺陷,提出一种新的密度峰值聚类算法,该算法基于自然反向最近邻结构.首先,该算法引入反向最近邻计算数据对象的局部密度;其次,通过代表点和密度相结合的方式选取初始聚类中心;然后,应用密度自适应距离计算初始聚类中心之间的距离,利用基于反向最近邻计算出的局部密度和密度自适应距离在初始聚类中心上构建决策图,并通过决策图选择最终的聚类中心;最后,将剩余的数据对象分配到距离其最近的初始聚类中心所在的簇中.实验结果表明,该算法在合成数据集和UCI真实数据集上与实验对比算法相比较,具有较好的聚类效果和准确性,并且在处理复杂流形数据上的优越性较强.     

结合CNN与双向LSTM的心律失常分类

心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义.基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类.针对现有方法预处理时间成本高以及未按医疗仪器促进协会(AAMI)标准分类等问题,提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法.该方法首先利用卷积神经网络(CNN)学习心电信号的形态特征,之后通过双向长短期记忆网络(BLSTM)获取特征中的上下文依赖关系,最后借助softmax函数完成分类任务.方法采用mish函数作为激活函数,使得模型在训练中更为稳定.在公开数据库MIT-BIH上进行五折交叉验证,评估结果达到了99.11％的平均准确率,表明该模型可以有效地提取心电信号的特征,适用于监测系统中心律失常疾病的诊断.