压力传感器在线状态监测装置研发

目前煤炭输送皮带采用双托辊(2个传感器)或四托辊(4个传感器)并采取传感器输出信号并联方法,以此提高皮带秤的准确性和稳定性.然而该并联方法无法对传感器进行独立采集,同时影响了传感器的故障判断.采用MSC1210Y5单片机和信号分离器,设计并联称重传感器系统的压力传感器状态在线监测装置,实现多个压力传感器并联应用时的独立采集;设计压力传感器在线状态比对算法,将不断变化的称重累计量转换为定量值,解决称重累计量为变量而无法准确在线监测的技术弊端.测试结果表明该装置较好地满足了压力传感器独立采集的要求,为称重计量装置等集中监控提供有效手段.     

基于模糊PI的Delta机器人运动控制系统

搭建了视觉决策的并联机器人系统,其技术路线是由智能相机通过在线视觉检测算法分割目标,采用张正友标定方法进行相机标定;采用五次多项式插值对机器人的抓取路径进行关节空间轨迹规划;由逆运动学的代数解法求取各轴关节空间坐标.以Delta机器人的运动机构为研究对象,设计了新型的模糊PI控制器,并运用LabVIEW软件结合FPGA实现了机器人的运动控制.测得50组基于模糊PI控制器和PI控制器的上升时间的均值分别为179.6 ms和200.2 ms,试验结果表明,模糊PI具有更快的动态响应过程,同时还兼具了传统PI控制稳态性能好的特点.     

基于高性能计算的SWAT参数敏感度分析并行框架

随着大规模水文模拟需求的不断提高,如何解决计算需求问题逐渐成为水文研究的一个热点.SWAT(soil and water assessment tool)模型在进行大规模水文模拟时有着良好的适应性与准确度,但其敏感度分析模块由于计算量过高,计算时长往往长达数月之久.为了加快SWAT敏感度分析的运行速度,针对SWAT敏感度分析模块的特点,基于MPI提出了一种高效的主—从式并行计算框架,并在此框架的基础上,通过将正演过程并行化,在敏感度分析的主—从并行框架中引入通信子空间的操作,将并行化的正演与主—从式的外层并行框架相结合,得到一种混合式的敏感度分析并行框架,大大提高了对参数集合的敏感度分析速度,将SWAT敏感度分析模块使用的处理器数量从原始的单核串行一跃提升到百核的数量级.最后通过天山北坡流域的模拟验证了此并行框架的可行性.     

分子标记多位点排序的并行计算

为了对一组连锁的分子标记位点获得正确的排序进而构建生物遗传连锁图谱,提出了并行算法PMMASLH,针对F2作图群体,通过基于消息传递接口并行最大最小蚂蚁系统求解连锁的多个分子标记位点排序,使用隐马尔可夫模型计算一列有序标记位点所获得的极大似然值作为排序的目标函数。计算机模拟结果表明,该算法执行效率高、计算稳定,排序的功效优于著名的连锁作图软件Mapmaker。     

一种混合驱动柔索并联仿生眼的轨迹规划

在与眼球运动相关的解剖学和运动学的基础上,设计了一种符合Listing定理的基于混合驱动柔索并联机构的3自由度机器人仿生眼.通过矢量封闭方法建立了逆运动学模型,求解出柔索并联机器人的雅可比矩阵和结构矩阵.利用达朗贝尔定理建立柔索并联机器人的力矩平衡方程组,采用广义逆矩阵的相关理论,以柔索张力矢量的2范数最小为目标进行张力优化.用蒙特卡洛方法计算出仿生眼球可达工作空间.最后,在Simulink环境下进行仿真,规划运动轨迹并得到柔索并联机器人运动特性的仿真结果,证明了本文设计的机构符合Listing定理.结果表明:基于混合驱动柔索并联机构的机器人仿生眼结构合理,数学模型正确.     

基于遗传算法的六自由度并联平台的控制

由于单通道电液位置伺服系统是一种非线性时变系统,而且有阻尼比小、参数变化大、非线性程度高的特点,传统的PID控制已经很难满足六自由度并联平台的控制精度的要求。针对六自由度并联平台单通道的数学模型,采用遗传算法对其PID控制器的参数进行优化控制,以满足系统的控制精度的要求。仿真结果表明该控制系统的性能指标有了很大改善,证明了该遗传算法的可行性和有效性,克服了传统PID整定参数费时的缺点,对解决实际控制问题提供了有效的方法,并且具有良好的抗干扰能力,其适应性(鲁棒性)也有了很大的提高。     

大数据技术在环境信息中的应用

在“辽河流域水环境管理技术综合示范”项目中,随着时间的累积,环境监测数据处理系统采集到的数据量越来越大.然而目前辽宁省环境监测数据处理系统无法有效处理日益增长的海量数据.研究运用大数据技术,改进环境监测数据处理系统中的数据中心.利用HDFS强大的数据存储、管理功能,以应对数据量的增长,利用MapReduce及Hadoop其他相关工具,快速处理海量数据,降低数据规模,最后将数据存储到数据库中.     

结构动力数值仿真两级并行计算系统开发及应用

根据分布式存储并行计算机的体系结构特点,设计了一个结构动力数值仿真两级并行计算系统.首先通过两级分区为并行计算准备数据,并将数据分布式存储在各节点的局部存储器上;在结构动力分析过程中,通过进一步缩减问题规模和有效地提高通信效率大幅度减少了界面方程求解时间以及系统求解总时间.文中详细阐述了该系统工作原理、并行计算流程和系统实现的相关软件开发工具.最后通过典型数值算例验证了该系统的有效性.     

栅元有效共振积分的CUDA算法设计与实现

核反应堆中需要实时精确地计算堆芯和增殖材料的有效共振积分或群截面来实现反应堆的安全控制。整个计算过程因为涉及大量的积分运算和庞大的核素截面数据,采用常规的计算方法,计算时耗相当大。基于统一计算设备架构(CUDA)平台,利用图形处理器(GPU)的计算能力,对整个计算过程进行并行化分解,多线程同时运算,大幅度提升计算速度,降低时耗。实验结果表明,在GPU上并行计算所得结果与原始数据没有明显差异,且加速效果显著。     

A robust hybrid approach based on particle swarm optimization and genetic algorithm to minimize the total machine load on unrelated parallel machines

This paper dealt with an unrelated parallel machines scheduling problem with past-sequence-dependent setup times, release dates, deteriorating jobs and learning effects, in which the actual processing time of a job on each machine is given as a function of its starting time, release time and position on the corresponding machine. In addition, the setup time of a job on each machine is proportional to the actual processing times of the already processed jobs on the corresponding machine, i.e., the setup times are past-sequence-dependent (p-s-d). The objective is to determine jointly the jobs assigned to each machine and the order of jobs such that the total machine load is minimized. Since the problem is NP-hard, optimal solution for the instances of realistic size cannot be obtained within a reasonable amount of computational time using exact solution approaches. Hence, an efficient method based on the hybrid particle swarm optimization (PSO) and genetic algorithm (GA), denoted by HPSOGA, is proposed to solve the given problem. In view of the fact that efficiency of the meta-heuristic algorithms is significantly depends on the appropriate design of parameters, the Taguchi method is employed to calibrate and select the optimal levels of parameters. The performance of the proposed method is appraised by comparing its results with GA and PSO with and without local search through computational experiments. The computational results for small sized problems show that the mentioned algorithms are fully effective and viable to generate optimal/near optimal solutions, but when the size of the problem is increased, the HPSOGA obtains better results in comparison with other algorithms.