移动机器车的WiFi接口设计

针对移动机器车在运行时状态参数难以实时检测的问题,设计了一个介于WiFi模块和STM32微控制器之间的无线传输接口。在该接口设计中,移动机器车中的微控制器STM32与WiFi模块之间采用SPI接口通信,并根据EM380的通信协议及时序,详细讨论了SPI接口的设计程序。最后通过利用VC软件设计的上位机软件,在Pc机上显示了赛车速度、赛道中心线等信息。实验结果验证了该无线接VI传输数据的有效性,表明无线检测将成为移动机器车状态参数检测的发展方向。     

基于自适应模拟退火遗传算法的多杂质用水网络设计

水资源的短缺和环境污染的日益严重，对过程工业提出了减少新鲜水用量和废水排放量的要求，且通常废水中都含有多种污染物，由此本文提出了考虑回用的多杂质用水网络设计。不但建立了多杂质用水网络超结构MINLP模型，而且针对MINLP问题求解困难的现状，开发了自适应模拟退火遗传算法。实例研究结果表明该算法可以找到全局最优解且计算时间可满足要求。另外，该算法可有效避免陷入局部最优，也不要求提供初始可行解。     

污水回用网络优化设计的研究

在工业生产的各个用水过程中会产生大量污水，使污水最小化的一个有效的方法就是设计污水回用网络，以便使污水得到最大程度的回用，这样在满足用水要求的同时使新鲜水消耗最少，利用自适应模拟退火遗传算法对用水网络进行最优设计。     

一类仿射非线性系统的自适应神经网络输出反馈变结构控制

本文研究了一类仿射非线性系统的输出反馈控制问题. 在介绍文献[4~6]的基础上, 提出一种基于神经网络参数化技术的自适应变结构输出反馈控制方案, 该方案能够避免使用严格正实(SPR)条件, 它不仅能够保证收缩条件的可行性, 而且还可以分析闭环系统的稳态和暂态的一致有界性, 并能够对观测增益和控制参数的选取进行清楚地分析.     

一类非线性系统的自适应神经网络控制

针对一类具有非仿射函数和下三角结构的、受干扰未知的非线性系统,提出一种新的自适应神经网络控制方法．它是严格反馈不确定系统和纯反馈系统的更一般化表达．在Backstepping设计思想基础上,证明了闭环信号的半全局最终一致有界性,并很好地处理了控制方向和控制奇异问题．通过仿真验证了该方法的有效性．     

基于核慢特征回归与互信息的常压塔软测量建模

针对工业过程的非线性及动态特性,提出了一种新的慢特征回归软测量方法。该方法首先通过添加时延数据构造动态数据集,利用互信息最大化准则筛选变量从而减少信息冗余的影响。同时该方法在慢特征分析的基础上引入核函数扩展,加强模型处理非线性数据的能力,并将获得的核慢特征用于回归建模。核慢特征分析通过分析样本的变化,提取具有缓慢变化特征的成分,可以有效地刻画工业过程的变化趋势,提升回归模型精度。最后该方法的有效性在常压塔常顶油干点与常一线初馏点的软测量模型中得到了验证。     

路径识别和图像处理的CPLD实现

通过对传统智能车竞赛过程中道路信息采集模块的分析,提出了一种基于边缘检测原理来提取黑线的中心点和其他赛道信息的方法。该方法采用CPLD来处理CMOS数字摄像头拍摄到的黑白赛道信息,并将处理后的结果发送给CPU。最终得到的黑线中心点精度高、实时性好;且使得CPU将更多的资源放在复杂的控制算法和舵机控制上,有利于赛车速度的提高。     

时变时滞随机非线性系统的自适应神经网络跟踪控制

针对一类具有时变时滞的不确定随机非线性严格反馈系统的自适应跟踪问题,利用Razumikhin引理和backstepping方法,提出一种新的自适应神经网络跟踪控制器.该控制器可保证闭环系统的所有误差变量皆四阶矩半全局一致最终有界,并且跟踪误差可以稳定在原点附近的邻域内.仿真例子表明所提出控制方案的有效性.     

基于神经网络的过程趋势预测

In order to catch more process details in chemical processes,a dynamic model for prediction of process trends is proposed by modifying traditional time-series ANN (artificial neural networks) model with impules response indentification means.The application result of the model is briefly discussed.     

基于旋转矩阵KF的低成本MEMS姿态解算

针对低成本MEMS器件组合的姿态检测系统在运动加速度干扰下姿态估计精度较差等问题,提出了一种基于旋转矩阵卡尔曼滤波器(KF)的姿态解算方法.为了克服四元数法观测方程为非线性的缺点,该方法以旋转矩阵部分元素建立状态方程,并对量测加速度采用状态反馈估计的运动加速度进行补偿,减小了外部加速度的干扰,然后通过构造水平观测向量降低了计算复杂度,并给出了量测噪声协方差的推导.最后设计了卡尔曼滤波器对量测信息实现融合.动静态测试表明,该方法消除了累计误差,与无迹卡尔曼滤波(UKF)相比,提高了在运动加速度干扰下的姿态估计精度.