基于Zedboard的视觉导航除草机器人控制系统设计

现阶段水田除草大部分采用农药喷洒方式,这样会对环境造成污染。详细讨论了水田除草机器人控制系统的分析设计及实现过程,该系统采用Zedboard为控制核心,上位机通过ZigBee向机器人发送指令,驱动电机完成指定动作。重点研究设计了人机交互界面及视频远程监控。实验效果表明,该控制系统具有良好的动态响应特性,稳定性强。     

静脉输液过程中滴速自动控制系统的建模与仿真

为对静脉输液过程的滴速自动控制系统进行设计和分析,对此类型系统进行建模和仿真研究;通过实验数据拟合出输液过程的静态模型,进而得到非线性的动态模型;采用一阶惯性环节对执行机构的动态特性进行描述,采用定积分对基于红外光电对管的滴速检测环节进行建模;在静态工作点对过程模型进行基于增量法的近似线性化处理,对给定值小范围变化的情况设计了PID控制律,对给定值大范围变化的情况采用先开环控制后闭环控制的控制策略;仿真结果表明,该模型能较准确反映被控过程和控制系统的特性,对控制系统的实施有较好的参考价值。     

基于Arduino控制板的数据采集智能小车的控制系统设计与实现

为实现具有环境数据采集功能的智能小车控制,设计并实现了基于Ardu-no控制板的控制系统。选用Arduino Mega 2560控制板为控制核心,搭配DS1-B20温度传感器、DHT11湿度传感器、MQ-2烟雾传感器、超声波测距传感器、E-P8266Wifi通讯模块组成硬件系统;采用PWM脉宽调制技术调节小车行进速度,PID算法调节小车的行进方向。调试结果表明,小车具有基于Wifi的无线遥控操作功能,能够对起所处环境中的温度、湿度、烟雾数据进行实时测量、采集和传输,并能自动检测前方障碍物。证明了基于Arduino控制板的控制系统在环境数据采集智能小车中应用的可行性。     

基于自适应权值裁剪的Adaboost快速训练算法

Adaboost是一种广泛使用的机器学习算法,然而Adaboost算法在训练时耗时十分严重。针对该问题,该文提出一种基于自适应权值的Adaboost快速训练算法AWTAdaboost。该算法首先统计每一轮迭代的样本权值分布,再结合当前样本权值的最大值和样本集规模计算出裁剪系数,权值小于裁剪系数的样本将不参与训练,进而加快了训练速度。在INRIA数据集和自定义数据集上的实验表明,该文算法能在保证检测效果的情况下大幅加快训练速度,相比于其他快速训练算法,在训练时间接近的情况下有更好的检测效果。     

基于似然域背景差分的行人检测和跟踪方法

基于激光雷达的室内机器人行人检测、跟踪容易受到复杂背景的影响。针对这种情况,提出一种基于似然域背景差分的行人检测、跟踪和跟随系统。利用即时定位与地图构建算法获得陌生环境的二维栅格地图,通过蒙特卡洛定位获得机器人在地图中的后验位姿,利用似然域模型分割出前景对应的激光雷达数据后,进行行人的检测、跟踪以及跟随。实验结果表明,该系统使行人检测准确率提升3.49%,平均检测时间缩短近32%,有效降低复杂背景对多行人检测与跟踪的影响,实现机器人对目标行人的实时跟随。     

硫化钡回转窑红外温度测量与分析

硫化钡回转窑的窑头温度是反映硫化钡焙烧情况的关键变量.但是回转窑红外测温结果存在较大波动,影响操作工人对焙烧质量的判断.本文从红外测温的原理出发,分析了影响红外温度测量的多种可能因素及其干扰程度,最后结合温度测量信号的频谱特性和回转窑的结构特点,发现窑炉转动过程中物料的翻动是导致测量结果波动的主要原因.针对物料翻动对温度测量扰动的特点,给出参数合适的移动平均滤波方法.理论分析和仿真结果表明,在选择适当的采样周期和移动平均的阶数的情况下,该方法可以有效地消除这种扰动.     

锌钡白煅烧回转窑分段回路控制分析

尽管缺乏传感器和精确模型,合理的工艺流程和控制系统结构以及工人丰富的经验,仍能使回转窑过程由人工操作稳定运行。针对锌钡白煅烧过程,分析煅烧温度和窑炉转．速的历史数据分布。结果表明,人工操作隐含的依据为稳定煅烧温度,从而说明了以此为目标的分段回路控制能有效解决消色力指标无法在线测量的问题。给出了自动控制的效果,并通过对比控制前后信号幅频特性,说明反馈控制对煅烧温度、窑头温度等关键变量的控制效果接近或优于人工操作。     

基于视觉的囊胚自动注射过程中的囊胚检测及结构识别*

为实现囊胚自动注射过程中的囊胚位姿信息获取,研究了一种基于视觉的囊胚检测及其内部结构识别的方法。首先用Hough变换和聚类方法检测圆,实现囊胚的位置定位;然后等扇区划分囊胚区域,统计各扇区灰度特征,判断发育成熟度;最后根据发育成熟囊胚中内细胞团区域平均灰度偏差最大的特点予以识别。实验结果显示,该方法对囊胚的检测和结构识别的正确率分别大于90%和80%,表明其在囊胚检测和内部特征结构识别中的有效性。     

基于EMD的锌钡白煅烧过程多尺度因子分析

针对回转窑过程多时间尺度信号的耦合关系往往会掩盖过程变化规律,导致未经时间尺度分解的直接的因子分析方法难以得到过程固有的变化模式的问题,提出采用基于EMD的多尺度因子分析方法对锌钡白煅烧过程的数据进行分析.该方法利用EMD有较强的自适应性,分解结果往往具有较强的物理意义等特性,首先对锌钡白回转窑平稳运行时的生产数据进行EMD分解,根据分解结果提取不同的时间尺度数值,然后对不同尺度下的数据进行因子分析.分析结果显示,数据在周期3 h以上的大时间尺度和周期30 min以下的中小时间尺度上都分别表现出定常的特点,表明人工控制可分解为长周期控制和短周期控制两方面.实验结果表明该方法在处理回转窑过程多尺度数据处理方面的有效性.     

基于克隆选择的锌钡白煅烧过程数据挖掘

锌钡白回转窑煅烧过程的数据是非交易型、不变的事务模式,基于支持-置信度关联规则挖掘算法求得的关联规则,不能用于锌钡白回转窑煅烧现场.论文提出基于实数编码的克隆选择算法,采用多点随机搜索策略进行搜索,对锌钡白回转窑煅烧现场数据进行分析,得到现场数据中的关联规则,并用两组数据仿真对比,实验结果表明,算法可快速有效地求出生产数据中的关联规则,且与工人现场操作经验基本吻合,可用于类似的化工过程控制。