基于嵌入式系统和CAN总线的自动售货机控制系统

以热冷饮自动售货机为应用背景,给出自动售货机控制系统的硬件体系结构和软件设计方法.在硬件上采用ARM微处理器,硬件系统分解为两大模块:主模块和驱动模块,两个模块之间采用CAN总线通信,实时性好,可靠性高;主模块主要完成人机交互、管理结算任务,驱动模块主要实现机电传动系统和执行机构的驱动和控制功能.软件上,基于μ C/OS-Ⅱ嵌入式实时操作系统,采用模块化软件设计方法,并给出了系统的状态转移规律.本文介绍的方法,对各类自动售货机的研究开发具有参考价值.     

基于故障诊断性能优化的主元个数选取方法

主元分析 (PCA)作为一种有效的多元统计监测方法,在化工过程的产品质量控制与故障诊断等方面得到广泛应用.其中主元个数作为PCA监测模型的关键参数,其选取直接决定了PCA的故障诊断性能.传统的主元个数选取方法主观性较大,且一般不能考虑故障诊断的要求.通过对主元空间和残差空间中临界故障幅值的分析,提出一种基于故障检测与识别性能优化的主元个数选取方法.并且能够对故障的检测类型、幅值等重要信息进行预测和估计.通过对双效蒸发过程的仿真故障检测,证实了该主元个数选取方法的上述优点.     

基于广义预测控制算法的水槽液位控制系统

为提高液位系统控制的可靠性和安全性,引入了广义预测控制算法。首先介绍了广义预测控制的基本算法,包括其基本理论、算法的优点及一些重要参数的选取标准。然后以水槽液位控制装置为控制对象建立了一个控制系统的数学模型,并对应用广义预测控制算法的该模型进行了仿真验证。仿真结果表明,所提出的算法具有良好的动态响应性能和快速跟踪设定值,并具有较好的控制效果。无论系统是否存在模型失配,只要控制系统是稳定的,就不会有静差。     

基于PSoC的多参数无线传感器网络节点

提出了一种基于PSoC(可编程片上系统)的多参数无线传感器网络WSNs(wireless sensor net works)节点的设计方案,详细阐述了节点系统的硬件和软件实现。并将该无线传感器网络节点应用于输电线路的在线监测中,实际测试结果表明,采用了PSoC进行无线传感器网络节点的设计,不但缩小了节点的体积、简化了硬件和软件的设计,还降低了功耗、提高了稳定性、增强了抗干扰能提高。对输电线路状态监测的顺利开展具有十分重要的意义。     

基于改进伊藤算法的最短路径网络路由优化算法

通过对网络路由最短路径问题进行分析,使用伊藤算法求解以费用最低为目标的路由优化问题,建立最短路径路由问题的网络结构模型。为加快伊藤算法求解费用最低路由的收敛速度,在状态转移策略中引入费用启发因子,优化漂移和波动过程,并改进路径权重更新规则。将种群交叉思想引入算法中,利用种群间的信息交流加快了算法的收敛速度并提高了寻优能力。在2-opt算子局部优化的基础上加入反转算子,避免陷入局部最优解。文中还对算法的收敛性进行了系统分析。实验结果表明,改进后的算法有效提升了收敛速度并加强了寻优能力。     

求解车辆路径问题的改进伊藤算法

针对车辆路径问题中选取客户节点易陷入局部最优的缺点,引入节约法并结合路径权重和距离启发因子来改进选取 客户节点的决策规则。根据粒子实际运动过程的特点和伊藤算法在迭代过程中逐步收敛的特性,结合算法的波动算子和漂移算子设计了对路径权重的更新规则,提升了算法的收敛速度。通过增大波动系数和提高环境温度来应对伊藤算法迭代过程中出现的搜索停滞、局部最优现象。引入2-opt局部优化算法来优化当前迭代取得的最优解。实验结果表明,改进后的伊藤算法有效地加快了收敛速度,提高了搜索全局最优解的能力。     

时变非线性不确定系统H∞鲁棒模型预测控制

针对输入受限的时变不确定非线性系统,提出一种H∞鲁棒模型预测控制策略。假设线性化系统矩阵一致有界,将非凸的无穷时域优化问题转化为带有单个线性矩阵不等式(LMI)约束的凸优化问题,降低控制量求解难度。结合滚动优化原理与H∞控制方法在线极小化性能指标,使得闭环系统满足控制性能和约束。在LMI框架下给出H∞NMPC的求解方法及其鲁棒稳定性充分条件。仿真实验对比验证了该策略的有效性。     

基于神经网络的自动售货机销量预测

采用神经网络理论对罐装饮料自动售货机销售额的预测进行了数学建模,采用BP神经网络实现了罐装饮料自动售货机销售额的预测,并通过隐层神经元和输入层神经元个数的确定以及训练算法性能对比验证了所设计模型和方法的可行性和有效性,为罐装饮料自动售货机的管理工作提供了一种新的方法.     

基于dsPIC30F6010A的计量泵控制系统设计

针对计量泵控制系统的网络化趋势,本系统采用电机控制专用芯片dsPIC30F6010A,通过设定和改变MCPWM模块凋制出的三相正弦波的频率,来实现三十同异步电机的变频调速控制,并利用该芯片的CAN总线模块设计具有CAN总线接口的计量泵控制器,通过USB接口的CAN接口PC卡,构成CAN总线局域网,实现系统的网络化远程管理和监控。     

基于多尺度并行深度可拆分的CNN新冠肺炎CT图像去噪方法

目前新冠肺炎(COVID-19)在全球蔓延,为了对新冠肺炎进行早期诊断,同时减轻医护人员的工作压力,使用深度学习对患者胸部电子计算机断层扫描(CT)图像进行分析变得越来越重要。针对肺炎图像中纹理细节较为丰富、边缘结构模糊、极易干扰机器及医生诊断的问题,本文提出一种基于多尺度并行深度可拆分卷积神经网络(MSP-ReCNN),对新冠肺炎CT图像进行去噪处理,提升肺炎图像质量。多尺度特征提取模块从不同尺度提取肺炎图像中的纹理特征细节,采用深浅通道并行方式,分别提取肺炎图像中的高维度以及低维度的特征。为进一步优化网络模型,提出一种拆分卷积方式,可将特征图拆分为两类,一类为主要关注特征,另一类为次要关注特征。使用复杂度高的计算方式从主要关注特征中提取关键信息,对于次要关注特征,则采取复杂度低的计算方式提取补偿信息。通过与非局部均值(NLM)去噪算法、收缩卷积神经网络(SCNN)深度模型、去噪卷积神经网络(Dn CNN)深度模型对比,以及网络消融实验,可以看出本文提出的模型能有效去除肺炎图像中的噪声,并且可以更好地保留原始图像中的纹理结构细节,为机器以及医生提供更可靠的辅助诊断。