基于FPGA的多通道伺服电机控制系统设计

针对大规模电机集群控制系统的控制难点,提出了一种基于现场可编程门阵列(field programmable gate array, FPGA)的多通道的伺服电机控制方案。首先,采用纯硬件逻辑部署用户数据报协议(user datagram protocol, UDP),使FPGA与上位机的实时交互;其次,针对特定的直线运动场合设计出一种双闭环PID控制策略,并在单片FPGA中集成多路伺服驱动控制模块,构建了多路伺服电机驱动控制系统;最后,搭建四路硬件测试平台,并进行实验验证。实验结果表明,到位误差小于0.42 mm,位置阶跃响应曲线平滑,速度阶跃响应超调量小于13%,稳定时间小于0.7 s,实现了快速响应和稳定调速,该系统有望在集群控制中得到广泛应用。     

连续Z型檩条的应用设计

结合实际对连续Z型檩条的设计选用、节点连接进行探讨,使冷弯薄壁型钢檩条的设计更加经济合理。     

RoboCup中型组足球机器人运动控制系统的设计

以RoboCup中型组足球机器人为研究时象,以提高机器人足球平台硬件系统性能为目标,设计了一种基于双DSP架构并结合Fuzzy-PID控制算法的足球机器人。实验结果表明,该控制系统对足球机器人的运动性能、控制精度、实时性都有了极大的改善,能满足全自主足球机器人的运动控制的要求。     

自适应伽马校正的LED显示控制系统设计

为了提升LED显示屏的显示效果,提出一种基于FPGA的自适应伽马校正算法。首先,该系统通过摄像头实时采集周围信息并进行灰度处理;其次,将灰度处理的画面分割为周围环境和灯板两部分;再次,通过比对两部分的平均亮度信息确定伽马校正参数;最后,对输入视频源进行实时伽马校正。实验结果表明,该算法可以应用在输入为1080P@60 Hz的LED显示屏系统中,在不同环境下的伽马校正效果对比明显,有效提升人眼观看的舒适度。     

多元化实验教学模式的探索

为了改变传统实验教学模式的单一性,提高实验教学质量,强化创新教育,我校实验教学部的电工电子实验中心联合自动化学院的专业实验室采用多元化的教学模式对电子技术实验课程的教学内容、教学手段和考核制度进行了改革.通过设置四个层次的实验内容,根据不同层次的实验内容实施不同的教学方法,引入先进的实验技术建立多样化的实验手段,针对不同的课程采用不同形式的考核方法,探索多元的实验教学新模式.     

基于模糊蚁群的加权蛋白质复合物识别算法

针对蚁群融合模糊C-means （FCM）聚类算法在蛋白质相互作用网络中进行复合物识别的准确率不高、召回率较低以及时间性能不佳等问题进行了研究,提出一种基于模糊蚁群的加权蛋白质复合物识别算法FAC-PC（algorithm for identifying weighted protein complexes based on fuzzy ant colony clustering）。首先,融合边聚集系数与基因共表达的皮尔森相关系数构建加权网络;其次提出EPS（essential protein selection）度量公式来选取关键蛋白质,遍历关键蛋白质的邻居节点,设计蛋白质适应度PFC（protein fitness calculation）来获取关键组蛋白质,利用关键组蛋白质替换种子节点进行蚁群聚类,克服蚁群算法中因大量拾起放下和重复合并过滤操作而导致准确率和收敛速度过慢的缺陷;接着设计SI（similarity improvement）度量优化拾起放下概率来对节点进行蚁群聚类进而获得聚类数目;最后将关键蛋白质和通过蚁群聚类得到的聚类数目初始化FCM算法,设计隶属度更新策略来优化隶属度的更新,同时提出兼顾类内距和类间距的FCM迭代目标函数,最终利用改进的FCM完成复合物的识别。将FAC-PC算法应用在DIP数据上进行复合物的识别,实验结果表明FAC-PC算法的准确率和召回率较高,能够较准确地识别蛋白质复合物。     

基于复合物参与度和密度的关键蛋白质预测

针对在蛋白质相互作用网络上的关键蛋白质识别只关注拓扑特性,蛋白质相互作用数据中存在较高比例的假阳性数据以及基于复合物信息的关键蛋白质识别算法对节点的邻域信息和复合物的挖掘对关键蛋白质的识别影响效果考虑不够全面等导致的识别准确率和特异性不高的问题,提出一种基于复合物参与度和密度的关键蛋白质预测算法PEC。首先融合GO注释信息和边聚集系数构造加权PPI网络,克服假阳性对实验结果的影响;基于蛋白质相互作用的边权重,构造相似度矩阵,设计特征值间的最大本征差值来自动确定划分数目K,同时根据加权网络中的蛋白质节点度来选取K个初始聚类中心,进而利用谱聚类结合模糊C-means聚类算法实现复合物的挖掘,提高聚类的准确率,降低数据的维数;其次基于蛋白质节点的复合物参与度以及节点邻域子图密度,设计出关键节点的关键性得分。在DIP和Krogan 2个数据集上,将PEC与DC、BC、CC、SC、IC、PeC、WDC、LIDC、LBCC和UC 10种经典算法相比,实验结果表明,PEC算法能够识别出更多的关键蛋白质,且聚类结果的准确率和特异性较高。     

基于多模型融合的车辆通过时间预测

车辆通过某一路网的时间是测算交通拥堵程度的重要指标。为提高车辆通过时间的预测精度，不仅要考虑数据采集精度的影响还要考虑模型的选择。本文提出多模型融合的车辆通过时间预测方法，发现多模型融合的预测精度较高。以某高速公路3个交叉口路段的车辆通行监测数据作为实证数据，用模型融合算法与单一模型进行对比，说明多模型融合算法在交通拥堵治理领域的应用潜力。     

钢结构厂房中墙架系统及节点优化设计

介绍了钢结构厂房墙架采用矩形钢管连续墙架梁的设计方法及简支墙架梁的优化设计。