MT7628与OpenWrt的MQTT异构协议设计

针对现阶段工业物联网数据冗余、带宽浪费以及不同结构的通信协议之间不能兼容适配等问题,设计了一种基于消息队列遥测传输协议(Message Queuing Telemetry Transport,MQTT)的异构协议,异构协议通过工业物联网网关实现.网关采用MT7628作为主控芯片,OpenWrt作为嵌入式操作系统,以RS485/232串口和RJ45网口作为硬件接口采集工业设备数据,通过异构协议兼容、适配采集到的不同设备数据,最后通过MQTT协议转发给服务器.实验结果表明,在发布相同内容的情况下,采用异构协议格式的报文相比传统JSON格式的报文,节省了73.4％的流量.     

加权光滑投影孪生支持向量回归算法

现有双边移位投影孪生支持向量回归（PPTSVR）算法在训练阶段没有考虑不同位置样本对超平面构造的影响,当样本中存在异常点时会降低算法拟合性能。针对该问题,提出一种加权光滑投影孪生支持向量回归算法。采用孤立森林法赋予每个样本不同的权值,并且赋予样本中异常点很小的权值,通过将权值引入算法目标函数,削弱异常点对超平面构造的影响。为直接在原空间中寻求最优超平面,引入正号函数,将有约束优化问题转化为无约束优化问题,并采用Sigmoid光滑函数对目标函数进行光滑处理,证明其任意阶可微且严格凸的特性,进而在原空间中采用牛顿迭代法进行求解。在基准数据集和人工测试函数上的实验结果表明,该算法相比于现有代表性回归算法具备更好的拟合性能和更快的训练速度,尤其当训练样本中存在异常点时,相比于PPTSVR算法拟合性能提升更明显。     

基于PLC的校园车辆交通灯控制

传统的基于电子线路和继电器的交通信号控制系统结构复杂,成本高。结合理工院校普遍开设PLC课程的事实,设计了基于PLC的校园交通控制系统。     

基于PLS-LSSVM的谷氨酸发酵产物浓度预测建模

针对谷氨酸发酵过程关键生化参数难以在线检测给发酵优化控制带来困难问题,基于谷氨酸5 L发酵罐发酵过程,建立基于偏最小二乘（PLS）和最小二乘向量机（LSSVM）相结合的谷氨酸浓度预测模型;利用PLS对输入变量进行特征提取降低维数和消除相关性,以简化模型和提高模型精度。为确定谷氨酸发酵最佳预测模型,简化后的预测模型与发酵动力学模型进行比较;实验结果表明,简化后的耦合模拟退火（coupled simulated annealing,CSA）对参数进行优化的LSSVM模型具有最好预测性能,相对PLS预测模型和发酵动力学模型具有明显优势,均方根误差分别为1.597、8.49和2.934,可以为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。     

基于逆系统的三自由度直升机内模控制设计

三自由度直升机模型系统是一个典型的非线性、高阶次、多变量、强耦合的多入多出系统,通过数学推导很难获得其逆模型,利用神经网络对任意连续函数很强的逼近能力与逆系统的思想相结合的方法获取三自由度直升机模型系统的逆模型,同时也将一个多入多出、强耦合的非线性系统转化为几个相对独立的单入单出的线性系统。采用内模控制的方法设计控制器,实现对高度角和横侧角的跟踪控制,MATLAB仿真结果表明该方法具有较好的控制效果,半实物仿真也说明该方法的可行性。     

快速Blob分析算法在气门摇臂位置检测中的应用

针对基于机器视觉的气门摇臂安装位置检测中的高实时性图像处理要求,提出了一种基于游程的快速Blob分析算法．通过使用游程链表和动态数组,每个游程仅需扫描一次,不必与相邻所有游程进行比较．在算法中增加追溯扫描过程,消除标记冲突引起的标记误差,简化了判断过程,提高了操作效率．实验结果表明算法具有鲁棒、高效的特性,已在气门摇臂位置检测系统得到应用．     

基于在线支持向量回归的非线性模型预测控制方法

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.

     

缺失数据下基于带约束粒子滤波的状态估计

实际工业过程具有强非线性非高斯噪声等特点,粒子滤波是一种常用的状态估计方法。带约束粒子滤波通过极大后验概率密度函数原则,将超出约束区域的状态估计值映射到约束区域,保证了状态估计的有效性。本文针对检测值部分缺失和全部缺失两种情况,提出一种缺失数据下的带约束粒子滤波算法。该算法基于贝叶斯原理,分别从先验粒子权值的计算以及状态估计值的映射两方面考虑了缺失数据的影响。仿真例子验证了该算法的有效性。     

精确增量式在线v型支持向量回归机学习算法

为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首先基于v-SVR的等价形式,利用提前调整,宽松的绝缘增量调整和精确的恢复调整有效地解决了v-SVR对偶问题存在的上述问题.然后分别对算法的可行性和有限收敛性进行了理论分析.最后在四个基准测试数据集上的仿真结果进一步验证了该算法的每一步调整都是可靠的,经过有限次数调整最终收敛到最小化问题的最优解,而且与批处理学习算法相比,随着训练样本的增加,算法在缩短学习时间上的优势显著.     

污水处理中PH智能预测控制研究

中和过程作为污水处理控制问题的关键环节,其控制质量的好坏直接影响污水处理的合格程度;污水处理的中和过程是一个具有大时滞、非线性、强干扰的复杂控制对象,采用常规的控制技术对PH值进行精密控制难以取得理想效果;针对这一问题进行研究分析,提出了一种基于单神经元PID算法的多步预测智能控制方法,神经网络用于辨识对象的预测模型,控制算法实现非线性控制;研究结果表明,新的控制方法能够有效地提高控制精度,具有较好的动态性能和较强的鲁棒性。