基于信息融合的管道泄漏检测与定位技术应用研究

基于目前已经在石油输送管道中应用的SCADA系统将信息融合技术应用于管道泄漏检测与定位系统中;该方法应用管道泄漏时的多种特征信号,采用最优加权融合算法将多元信息综合处理,扩展了时间和空间上的检测范围,提高了泄漏检测系统的灵敏度和可靠性;在实验室用水泵和不锈钢管道组成的水循环系统进行了模拟实验,通过对比验证了信息融合检漏方法比单一检漏方法具有明显的优越性。     

基于改进DDPG算法的复杂环境下AGV路径规划方法研究

为了提高AGV(automatic guided vehicle)在复杂未知环境下的搜索能力,提出了一种改进的深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法。该算法通过构建经验回放矩阵和双层网络结构提高算法的收敛速度,并将波尔兹曼引入到ε-greedy搜索策略中,解决了AGV在选择最优动作时的局部最优问题;针对深度神经网络训练速度缓慢的问题,将优先级采样应用于深度确定性策略梯度算法中;为解决普通优先级采样复杂度过高的问题,提出了利用小批量优先采样方法训练网络。为了验证方法的有效性,通过栅格法建模并在不同的复杂环境下进行仿真实验对比,比较了不同算法的损失函数、迭代次数和回报值。实验结果表明,所提改进算法与原算法相比损失函数减小、迭代次数减少、回报值增加,验证了算法的有效性,同时为AGV在复杂环境下能够更加安全且快速地完成规划任务提供了新的思路。     

栅格图特征提取下的路径规划建模与应用

在静态环境下的自动导引车辆（Automated Guided Vehicle,AGV）路径规划问题中,由于规划的路径节点过多,导致车辆的运行效率降低,损耗增加。为此,提出了一种新的栅格建模方法来模拟车辆运行环境,利用蚁群算法对新的栅格环境进行路径规划,对蚁群算法的收敛性进行证明。从栅格图中提取出障碍物的顶点作为新的备选点来规划路径,减少了蚁群算法中要搜索的节点数目。结果表明,新的栅格法建模可以应用于蚁群算法的路径规划中,并提高算法的收敛速度,减少AGV方向变化的次数,在综合性能上优于传统栅格建模方法。     

基于相关向量机的小世界神经元网络拓扑估计

采用相关向量机从含噪时间序列中估计小世界神经元网络的节点动力学方程和拓扑结构。在具有多项式结构或能以幂级数展开的动力学系统中,将未知方程写成统一多项式形式,原动力学方程的项在统一多项式中是稀疏的,利用稀疏贝叶斯学习估计出稀疏项从而实现动力学方程和拓扑结构的估计。利用该方法对FHN小世界神经元网络进行节点动力学方程和拓扑估计,结果表明,该方法能快速准确地估计节点动力学方程结构和网络拓扑,对动力学方程系数和网络耦合强度有很高的估计精度,而且对噪声有强鲁棒性。     

特征点提取下的AGV栅格法建模与分析

栅格法作为一种在移动机器人路径规划中的常用算法,其具有信息量少、结构简单的特点,但传统栅格法通常由于其栅格过多而影响算法的有效性.针对这一问题,提出了一种特征点提取的改进栅格法,该方法利用特征提取的思想将障碍物栅格的顶点作为特征点提取出来,在这些特征点间进行路径规划,该方法简化了算法的规划范围.将新的栅格法应用于不同种...     

PMSM调速系统的有限时间复合控制器设计

针对永磁同步电机调速系统提出了一种基于反馈线性化、有限时间控制和扩张状态观测器的复合控制方案。由于未知外部扰动和参数不确定性,PMSM伺服系统是非线性的。首先,利用反馈线性化的思想,将电机模型变换为两个线性子系统。基于永磁同步电机电压与转速和电流的数学模型,分别设计了相应的单控制环有限时间控制器。其次,对于系统中存在的未知外部扰动和参数不确定性,利用扩张状态观测器技术估计系统的集总扰动,并且将估计值用于前馈补偿设计。最后仿真结果表明了该复合控制方案的有效性。     

基于复杂网络的脑电信号分析

采用相空间重构方法将一维脑电信号转换成复杂网络进行研究。将一维时间序列构造成多维相空间,计算多维时间序列任两个向量点间的距离得到加权矩阵,选择恰当的阈值将加权矩阵转换成二进制矩阵,该二进制矩阵视做时间序列所对应的复杂网络的邻接矩阵,阈值的选择使得生成的复杂网络满足连通性。利用该方法对睁眼和闭眼时的脑电信号进行辨别分析。结果表明,两信号的递归图、网络拓扑图、网络度分布和模体分布均表现出显著不同。因此,此分析方法为利用复杂网络实现分析和辨识不同脑电提供了新的思路。     

基于几何规则的异类蚁群优化算法

针对复杂环境下自动导引小车路径规划存在收敛速度慢、极易陷入局部最优的缺点,提出一种基于几何规则的异类蚁群优化（GR-HFACO）算法。首先,为加快算法收敛速度,利用几何规则非均匀分配初始信息素,设置双向并行搜索机制;其次,引入具有观点采择能力的蚂蚁高效协同工作,改善路径全局的随机搜索特性;最后,为平衡算法的收敛性及全局性,在更新环节引入信息素负反馈环节以及交叉操作,并证明了GR-HFACO算法具有全局收敛性。仿真结果表明,该算法的收敛速度以及全局搜索性能显著优于目前流行的ACON、TWPSS-ACO、SoSACO-v2、Sci-ACO和HHACO算法。     

自动化专业课程思政的探索与实践

为把思政工作贯穿于教育教学全过程,以自动化专业在专业课程、专业实践和毕业设计等典型教学环节中融入思政元素,推动全体专业教师在所有教学环节中参与育人,坚持立德树人和专业教学两手抓。使学生在专业学习和实践中将马克思主义基本原理、习近平新时代中国特色社会主义思想和社会主义核心价值观入心入脑,积极践行这些思想精髓并将其内化为自觉行动,未来工作中成为兼具专业技术能力又具有家国情怀的社会主义接班人。通过各典型环节思政元素的构建,为自动化相关专业的“专业思政”教学抛砖引玉。     

神经元混沌放电局部可视网络模型分析

为研究神经元的放电时间序列随时间的演化特性,提出了一种将放电时间序列的时间域映射到网络域进行处理的方法,即研究基于神经元的复杂网络随时间的演化特征来刻画神经元放电时间序列的时变特性.通过构建滑动时间窗内复杂网络拓扑,并计算其局部可视图的统计特性来实现时间序列时变特征的描述.对神经元map模型三种簇放电时间序列进行复杂网络构建并实现网络拓扑可视化,同时分析网络的统计特性来验证方法的有效性.结果表明,网络的拓扑、平均路径长度和聚类系数均能反映原时间序列的时变形态特征,并对神经元簇放电具有参数敏感性;簇放电稀疏程度与社团大小存在相关性.神经元放电时间序列网络域的时变演化特征能刻画其时间域特性,为神经电信号的处理提供了新的思路.