基于改进DeepLabV3+的铣床碎屑图像分割方法

针对铣床碎屑形状不规则导致图像分割中碎屑轮廓不清晰、分割精度低的问题,本文提出一种改进的DeepLabV3+铣床碎屑分割算法。首先在DeepLabV3+的Xcepetion模块中嵌入通道与空间注意力机制(convolutional block attention module, CBAM)模型,优化通道的权重和位置信息,加强碎屑图像区域的特征学习;其次将DeepLabV3+的空洞空间卷积池化金字塔(atrous spatial pyramid pooling, ASPP)模块改为密集连接(dense conolutional network, DenseNet)方式,增大碎屑图像特征点的感受野,提升铣床碎屑图像特征的复用效率;最后在解码过程中采用多尺度自适应特征融合方法,聚合多尺度特征作为解码器的输入特征,提高碎屑图像分割的精度与鲁棒性。实验结果表明,本文算法优于其他分割算法,改进后算法相比DeepLabV3+,像素准确率提高0.026,平均交并比(mean intersection over union,MIOU)提高0.020,F₁值提高了0.013。     

基于HSV的乳腺癌细胞识别方法

乳腺癌是女性致死率最高的疾病之一,严重威胁女性的身体健康。目前,病理医生判断病症等级,仍通过观察病理切片中的增殖细胞个数,具有很大的主观性。本文提出了一种将RGB彩色空间和HSV彩色空间模型结合的方法,采用各分量的色度特征,通过量化分析建立色度特征方程,实现从病理图像中检测识别乳腺癌增殖细胞。经20组乳腺癌病理切片图像验证,准确性达到了94.2%,优于单色彩空间模型方法约4%,本文提出方法能够更精确识别乳腺癌细胞,为乳腺癌细胞识别提供了一种新方法。     

考虑广域稳态量测时延的全网同时断面生成

互联大电网运行方式复杂多变,广域稳态量测数据采集不同步将引入较大的量测误差。为提高稳态量测数据时标一致性,提出一种基于统一时钟的全网同时断面生成方法。首先,基于广域稳态量测数据时序特征,提出一种固定时间间隔的数据滚动存储及循环更新方法,解决断面数据对齐问题。然后,采用电气介数法识别关键节点,在保证关键节点量测数据实时性的基础上,基于量测量的时空关联特性修正未更新量测数据,从而确保整合后全网同时断面数据的时效性和准确性。最后,基于标准算例和实际电网算例仿真结果,验证了所提方法的正确性和有效性。     

一种基于双馈风机锁相环动态响应的风-火协同调频策略

针对风电机组参与系统频率调整与传统同步机电源相互配合的问题,通过合理设置双馈风电机组锁相环控制参数使其具有与传统同步机电源相似的惯量响应能力,进而分析风电机组惯量响应与同步机一次调频之间的相互影响,在此基础上提出风电机组主导的风-火协同调频控制策略。本策略的优点在于能减弱风电机组惯量响应过程中对于同步发电机组一次调频出力的抑制作用,加快同步发电机调频响应速率,进一步优化系统频率。最后在EMTDC/PSCAD中搭建时域仿真系统,验证了所提出理论分析的正确性与控制策略的有效性。     

面向时间感知的知识超图链接预测

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接是一个具有挑战性的问题.目前大多数研究使用基于多元关系的知识表示学习方法完成知识超图的链接预测任务,但这些方法仅从时间未知的超边中学习实体与关系的嵌入向量,没有考虑时间因素对事实动态演变的影响,导致在动态环境中的预测性能较差.首先,根据本文首次提出的时序知识超图定义,提出时序知识超图链接预测模型,同时从实体角色、位置和时序超边的时间戳中学习实体的静态表征和动态表征,以一定比例融合后作为实体嵌入向量用于链接预测任务,实现对超边时序信息的充分利用.同时,从理论上证明模型具有完全表达性和线性空间复杂度.此外,通过上市公司的公开经营数据构建时序知识超图数据集CB67,并在该数据集上进行了大量实验评估.实验结果表明:模型能够在时序知识超图数据集上有效地执行链接预测任务.     

考虑负效应的垃圾回收两级选址-路径模型与算法

针对生活垃圾中转站和焚烧站的选址-路径问题（LRP）,考虑经济目标和垃圾设施的负面影响,设计了与风向和距离有关的负效应分段函数,构建了两级多目标选址-路径（2E-MOLRP）模型,并提出了鲸鱼优化算法（WOA）和模拟退火（SA）算法结合的非支配算法WOA-SA。首先,结合随机方法与Clarke和Wright(CW)节约算法优化初始种群;其次,采用非线性动态惯性权重系数调整收敛速度;然后,设计WOA-SA的并行结构来增强全局搜索能力;最后,使用非支配排序法得到帕累托解集。对Prins和Barreto等35个基准案例以及天津市模拟案例进行分析。结果表明,WOA-SA可以找到20个基准案例的已知最优解（BKS）,且对Prins和Barreto案例的求解结果与BSK差距的平均值分别为0.37%和0.08%,具有很好的收敛性和稳定性。将所提模型和算法应用于实例,给决策者提供了三种不同方案的负效应值及经济成本的方案,以支持不同偏好决策者选择,从而减少垃圾回收物流成本和设施对环境的负面影响。     

基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器（CPG）参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器（MPC-CPG）,并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1～0.1 m,航向角误差保持在-27?～20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。     

基于自适应增益的PMSM龙伯格-滑模无位置控制

针对传统龙伯格观测器采用的定常增益矩阵在系统工况发生变化时无法达到最优控制,以及未考虑到系统的内部扰动和外部摄动等问题,提出了四阶自适应增益龙伯格-滑模无位置观测器。该方法利用Hurwitz判据制定自适应变增益矩阵,可根据转速变化在线修改增益,并且对系统的扰动进行前馈补偿,在抗扰动方面有进一步的提高,结合滑模控制的方法使系统具有更强的鲁棒性,通过 Lyapunov 证明该方法的稳定性。最后,通过PSIM仿真以及实验验证,证明了新型龙伯格观测器的有效性。     

多智能体强化学习的机械臂运动控制决策研究

针对传统运动控算法存在环境适应性较差,效率低的问题。可以利用强化学习在环境中不断去探索试错,并通过奖励函数对神经网络参数进行调节的方法对机械臂的运动进行控制。但是在现实中无法提供机械臂试错的环境,采用Unity引擎平台来构建机械臂的数字孪生仿真环境,设置观察状态变量和设置奖励函数机制,并提出在该模型环境中对PPO(proximal policy optimization)与多智能体（agents）结合的M-PPO算法来加快训练速度,实现通过强化学习算法对机械臂进行智能运动控制,完成机械臂执行末端有效避障快速到达目标物体位置,并通过该算法与M-SAC（多智能体与Soft Actor-Critic结合）和PPO算法的实验结果进行分析,验证M-PPO算法在不同环境下机械臂运动控制决策调试上的有效性与先进性。实现孪生体自主规划决策,反向控制物理体同步运动的目的。     

城市生活垃圾焚烧炉温控制的多目标优化设定方法

为实现城市生活垃圾焚烧(MSWI)过程的炉温稳定并避免炉排温度过高的控制目标,本文提出一种通过炉排温度和一次风温间接控制炉温的多目标优化设定方法.通过融合分解与竞争策略,将WS变换、双向学习、随机交叉、动态高斯变异引入到多目标海鸥优化算法(MOSOA)中,得到一种改进的MOSOA(IMOSOA),根据炉温的设定值、误差等信息对炉排温度和一次风温的设定值进行寻优.实验结果表明IMOSOA的寻优能力显著增强,在干扰影响下,基于IMOSOA的多目标优化设定方法可实现MSWI过程炉温的控制目标,能有效促进垃圾焚烧过程的平稳运行.