基于漏失控制的管网测压点布局方法研究

提出一种城市供水管网水压监测点多目标优化布局方法,通过在现有供水管网中合理布置水压监测节点,有效提高城市供水管网漏失事件识别效率。表征管网节点异常波动的压力残差向量是评估漏失事件的一个重要依据,不同漏失点造成的压力残差向量之间夹角值可以用来表征管网漏失节点的可识别性能。考虑模型输出不确定性造成的影响,引入漏失特征空间理论,漏失特征域能够刻画由模型输出不确定度带来的压力残差向量波动。当两个特征域发生重叠时,意味着两个漏失点的漏失特征十分相近,存在误识别区分漏失点的风险。同时对漏失特征域重叠程度跟漏失特征域重心夹角均值两个目标寻优,确定最优布局方案。本文以某城市供水管网系统为实例展开分析,验证了基于多目标的优化布局方法在科学合理的指导监测点选址工作以及提升管网漏失可识别性能方面的实用性。

基于有效风速估计与预测的风电机组自适应最大风能跟踪控制（英文）

针对如何在有效风速未知情况下实现风电机组最大风能跟踪(MPPT)的问题,本文使用支持向量回归(SVR)和自适应控制原理,提出基于有效风速估计与预测的自适应MPPT控制方案.首先,使用机组的历史运行数据,训练得到基于SVR的风速估计与预测模型,为MPPT控制提供实时参考输入.其次,结合在线学习估计器(OLA)和减小转矩增益(DTG)控制原理,设计自适应MPPT控制器,该控制器能够较好应对系统未知动态特性和干扰,且能降低传动链载荷.最后,使用李雅普诺夫原理证明闭环系统所有信号都是有界的.仿真结果表明本文提出的方法能够获得良好的MPPT效果,进而提高机组产能.

基于单应性矩阵的移动机器人编队跟随控制

本文针对以领航跟随模型为代表的移动机器人编队系统提出了一种基于单应性的编队跟随控制方案,在给定理想队形间隔距离和理想期望图像的前提下,利用单应性矩阵构造可反映理想队形中跟随机器人实时位姿的虚拟机器人,将原先的编队问题转化为对虚拟机器人的轨迹跟踪问题.编队跟随过程中,领航机器人的速度采用估计的方式,利用单应性与速度之间的关系模型以及跟随机器人的实时速度能较为准确的估计领航速度,从而避免采用局部通信的方式,节省了编队实验成本.最后本文进行的半实物仿真以及实物实验均可验证所提出的编队跟随算法包括速度估计方法的实际有效性.

分布曲线对象的无偏模型预测控制算法

随着系统总体性能要求的提高,分布曲线对象的控制问题成为研究热点。分布曲线对象是通过宏观的操作手段控制微观的输出曲线,不是任意形状的目标曲线都是能无偏跟踪的。提出了一种分布曲线对象的无偏模型预测控制算法。该方法首先采用B样条模型进行分布曲线对象的描述,其次通过复合梯形方法对滚动优化命题进行离散化,最后采用二次规划方法进行无偏目标曲线计算,以实现无偏控制。仿真结果表明了算法的有效性。

基于单类数据迁移的控制阀粘滞检测方法

控制阀粘滞检测能提高回路控制性能诊断的效率与准确率,为工厂改善回路控制性能提供指导。现有粘滞检测方法未考虑回路被控对象的动态特性变化时,控制阀粘滞在回路数据上的表征不一致问题。针对此问题,提出了一种基于单类数据迁移的控制阀粘滞检测方法。该方法仅需使用待测回路的非粘滞数据对模型进行迁移,实现了与回路适配的粘滞特征提取模型的构建。首先,使用仿真模型生成的类别完备的数据对模型进行预训练;然后,结合待测回路的非粘滞数据对残差网络进行微调;最后,使用单分类算法得到控制阀粘滞检测结果。仿真数据集和开源工业数据集的实验结果验证了所提方法的有效性。

基于双向电机驱动的四旋翼机动飞行控制

四旋翼飞行器(QUAV)的位置、姿态运动控制效果决定了其机动性。为了克服四旋翼系统欠驱动的缺陷,基于四元数表达对一种双向电机驱动的四旋翼进行了动力学建模,包括双向推力作用情况下的全向运动过程分析,并提出了一种姿态与位置控制器及控制分配矩阵设计方法。面向四旋翼的x-z平面模型,设定合理的参数和限制,使用最优规划方法提出了适用于新型四旋翼翻转、竖直等机动飞行轨迹的生成方法,其中推力与转矩都是实现时间最短的最优方案。搭建了包括电子调速器、电机、桨叶、机架等部件在内的详细的仿真试验环境。仿真试验的结果验证了双向电机驱动的四旋翼相比于传统四旋翼,能有效提高姿态跟踪与位置跟踪的精度,提升了飞行器的机动性。

基于PLC的智能割草机器人控制系统

通过对目前割草机市场和智能割草机器人控制系统的分析,结合传感器检测技术、直流电机驱动技术、PLC控制技术、GPS定位技术以及触摸屏人机交互技术,设计了一套智能割草机器人控制系统,其具有运行稳定、安全可靠和响应快等性能。同时,该智能割草机器人的定位精度误差减小,割草工作效率大大提高,而智能化程度也大幅提高。

基于PWA融合模型的注塑过程保压段建模及控制策略

注塑过程是典型的批次过程,由注射、保压、冷却等阶段构成。保压段是决定制品质量的一个重要阶段,且具有较大的非线性和时变性。分段仿射(piece-wise affine, PWA)模型能够有效描述保压段的特性,但是PWA模型硬切换方式会导致输出跳变问题,因此提出一种基于时间划分的PWA融合模型,在子模型切换过程中引入切换区间,通过线性加权方法进行模型融合,并采用基于分离最小二乘的辨识方法进行参数估计。在此基础上,设计了基于内模整定的多模型PID控制方法。注塑机实验结果表明了算法的有效性。

基于模糊PID控制的智能起重机大车同步纠偏优化控制研究

为了实现智能起重机大车平移机构同步控制,对智能起重机大车平移机构和大车同步控制系统以及多级模糊PID控制进行分析和研究,提出了基于多级模糊PID控制策略,确保系统速度响应性能要求的基础上对同步偏差进行动态优化控制,解决大车同步控制系统因时变性和非线性所产生的同步偏差和定位误差。结果表明,相比于常规PID控制,多级模糊PID控制具有响应快、鲁棒性好、超调量小等优点,能很好的适用于智能起重机大车同步纠偏控制。

基于太赫兹技术的肿瘤诊断与治疗研究进展

肿瘤的诊断与治疗一直以来都是医学界的热点研究领域。太赫兹技术因其光子低能性、无需标记、高时间分辨率等特点,在生物医学领域具有巨大的应用前景。文章围绕太赫兹技术在肿瘤诊断与治疗领域的应用研究开展介绍,在太赫兹肿瘤诊断方面,主要基于太赫兹光谱技术和成像技术,利用太赫兹光谱技术获取光谱特征信息,并结合先进的模式识别和机器学习算法,进行高维特征的提取与分析,完成对肿瘤的检测与诊断,太赫兹成像技术主要利用肿瘤细胞与组织之间的组分差异来实现对肿瘤的区分与鉴别。首先从太赫兹技术在肿瘤诊断方面的研究进行介绍,包括生物大分子、细胞和组织三个维度。生物大分子的研究重点是蛋白质、核酸和糖类等肿瘤标志物。细胞检测的研究进展重点针对肿瘤细胞的识别和血细胞的检测方面进行阐述。在组织检测与诊断方面,主要从成像与太赫兹时域光谱技术两个维度对多种癌症组织的检测与诊断进行了介绍。基于太赫兹技术的肿瘤治疗研究方面,主要从生物效应对肿瘤细胞进行消融和调控基因表达以改善人体机能的积极作用上实现对肿瘤的治疗。最后讨论了太赫兹技术目前在生物医学应用中的局限性和未来展望,为之后太赫兹在相关领域的研究提供思路。

基于物联网的PCR温度控制系统设计

核酸检测在疫情防控中发挥着重要作用,目前商品化PCR仪通常需要专业的技术人员和实验室,耗费大量的时间和人力。本文设计了基于物联网的PCR温度控制系统,能够实现快速、准确的温度控制。通过将检测设备端接入机智云平台,使检测人员能够远程监控PCR仪的运行,实现检测现场的无人值守,减轻检测人员的负担,并提高检测的效率。

水源性病原菌侧向流检测技术研究进展

由水源性病原菌导致的传染病正在严重危害人类的公共卫生和生命健康。灵敏、快速、准确检测水源性病原菌对确保水源安全和预防传染病有重要的意义。常规水源性病原菌检测技术操作复杂、检测时间长且对设备要求较高,不利于病原菌的快速检测。基于侧向流装置的水源性病原菌检测具有成本低、特异性高和便捷性高的优点,可用于检测和量化水质样本中的不同病原菌。本文介绍了现有检测技术的优缺点,重点综述了侧向流装置的检测原理,以及侧向流装置在水源性病原菌检测方向的研究进展。

结合组织芯片技术的人体胃管状腺癌组织太赫兹光谱检测

太赫兹波技术在生物医学领域具有广泛应用前景,结合人体胃管状腺癌组织检测,针对太赫兹时域光谱(THz-TDS)组织检测点位与实际病理难以配准的问题,在处理石蜡包埋的胃组织的过程中引入组织芯片技术,为实验样本的精准定位检测提供了可行方法。开展了人体胃正常组织和癌变组织太赫兹检测实验,结合主成分分析方法,对比分析了组织芯片技术配准的实验组与未配准的对照组的太赫兹吸收系数和折射率谱。此外对比研究了采用支持向量机和逻辑回归的太赫兹胃管状腺癌判别方法。研究结果表明,使用组织芯片方法有助于提升组织取材的精准性从而提高癌变样本和正常样本光谱数据的区分效果。

基于C^4D技术的油基钻井液随钻侧向电阻率测井信号检测

为了解决传统随钻侧向电阻率测井在油基钻井液下测量受限的问题,提出基于电容耦合非接触电导测量(C^4D)技术的信号检测方法与装置。首先构建基于C^4D技术的测井等效电路模型,然后采用数字相敏解调技术实现测井微弱信号幅值和相位的检测,依据所建模型可求得地层电阻率;同时,采用有限元仿真方法对模型的有效性以及所设计的测井响应特性进行研究;最后,设计1套模拟测井实验装置,并在多个激励频率下进行实验。研究结果表明:在20 k Hz工况下实验装置的测量性能较好;当等效地层电阻率为0.135~8.368 kΩ·m时,测量相对误差小于5%。

基于深度学习的短时交通流预测方法综述与仿真研究

近年来,随着城市路网交通检测设备和城市数据存储基础设施的升级换代以及深度学习技术的快速发展,应用深度学习技术解决城市路网短时交通流预测问题已成为智能交通领域的一个研究热点。不同于传统短时交通流预测方法,基于深度学习的短时交通流预测方法能充分利用海量交通流数据,深入挖掘路网中不同交通节点间流量的隐藏特征与复杂时空关联,能有效提升预测短时交通流的精度。首先,简要回顾短时交通流预测方法的发展历史,重点分析、讨论基于深度学习模型的短时交通流预测方法最新技术进展和理论研究结果。其次,梳理、总结国内外广泛用于验证算法有效性和进行比较分析的公开交通流数据集。再次,阐述基于深度学习模型的短时交通流预测算法解决实际交通流预测问题的具体过程和详细步骤,基于公开测试数据集PEMS04分别对基于深度学习模型长短时记忆网络(LSTM)和门控循环单元(GRU)的短时交通流预测算法进行仿真研究,以验证算法的有效性及其相较于传统方法的优势。最后,总结、展望基于深度学习模型的短时交通流预测方法在实际应用中存在的挑战和未来研究方向。

基于SPA和多分类SVM的紫外-可见光光谱饮用水有机污染物判别方法研究

快速、有效地识别饮用水中污染物类别对于降低突发饮用水污染事件影响十分重要。目前基于紫外-可见光光谱法的饮用水污染物判别模型大多使用主成分分析(PCA)进行特征提取,然而,对于光谱相似度较高的有机污染物,仅从数据驱动的角度提取其方差最大的方向作为特征进行识别效果往往不佳。针对有机污染物光谱数据多重共线性以及谱峰重叠干扰的问题,开展了基于连续投影算法(SPA)和多分类支持向量机(M-SVM)的紫外-可见光光谱饮用水有机污染物判别方法研究。首先,使用紫外光谱仪测量苯酚、对苯二酚、间苯二酚和间苯二胺的原始光谱数据并进行预处理,在对四种污染物进行了波长与浓度的相关关系对比分析后,发现苯酚和间苯二酚、对苯二酚和间苯二胺的谱峰重叠较为严重;特征提取时,引入SPA筛选有机污染物紫外-可见光光谱数据的特征波长组合,并对不同波长个数时的光谱吸光度进行多元线性回归分析,选取对应最小预测标准偏差的参数及波段组合作为最优参数组合;基于最优特征波长组合,构建基于多分类SVM的饮用水有机污染物分类识别模型;最后,对比分析了全光谱、 PCA及SPA特征提取后的光谱数据在不同分类方法及不同污染物浓度下的分类效果,进一步说明了SPA的适用性和稳定性。实验结果表明, SPA作为一种提取光谱数据原始特征波段的方法,可以有效的对有机污染物的紫外-可见光光谱进行特征提取,提升不同物质之间的差异,在一定程度上消除多重共线性和谱峰重叠干扰,从而提高分类模型的准确率。该方法对于解决饮用水中谱峰重叠的污染物类型判别问题具有参考价值。

基于循环神经网络的半监督动态软测量建模方法

数据驱动的软测量技术被广泛应用于难测关键变量的在线实时预报。然而,在工业过程中,有标签样本通常十分稀少,且动态特性显著,导致传统有监督、静态的软测量建模方法性能不佳。为此,提出一种基于循环神经网络的建模方法,首先将传统带有长短时记忆单元(LSTM)的循环神经网络(RNN)扩展为半监督模式,然后针对LSTM的不足,进一步提出一种基于注意力机制的改进方案。通过一个实际工业案例验证半监督LSTM-RNN在软测量应用中的有效性,以及所提出的改进方案的有效性。

卷烟制叶丝段批次过程的多阶段分布式监测与异常诊断

为解决卷烟制叶丝段批次过程中待机运行阶段存在监测盲区,以及不同设备并发异常对整体监测模型的相互干扰等问题,采用横向分块、纵向分层的策略,提出一种多阶段分布式监测与异常诊断方法。根据待机运行阶段和稳定生产阶段的不同监测需求,采用主元分析方法分别建立Sirox增温增湿机和KLD薄板烘丝机在不同阶段的监测模型,实现不同阶段设备异常的有效检测,并利用贡献图方法对异常原因进行准确识别。以杭州卷烟厂制叶丝段的实际运行数据进行验证,结果表明:该方法能够提高监测模型对批次过程信息的捕捉能力,准确有效监测和诊断不同阶段的设备异常。该方法为智慧卷烟工厂制丝批次过程的状态监测与异常诊断提供了理论支撑。

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。

基于监督学习的紫外-可见光光谱水质在线异常检测方法研究

水资源关系到国计民生,近年来时有发生的水污染事件使污染物入侵预警得到了广泛的社会关注。针对现有基于紫外-可见光光谱的水质异常检测方法存在的检出下限偏低的问题,提出一种基于监督学习的紫外-可见光光谱水质异常检测方法。该方法首先获取不同数据集中的正常样本差异性空间,再使用正交投影方法去除差异性空间中的光谱数据分量,以达到基线校正的目的;然后采用偏最小二乘判别分析从校正后的光谱中提取特征,利用训练集得到的最优阈值确定离群点;最后采用序贯贝叶斯滚动更新每个时刻上的异常概率,确定水质报警序列。实验选用苯酚作为模拟污染入侵事件的注入试剂,采样2周内的紫外-可见光光谱数据,在实验平台上对提出的方法进行了验证。实验结果表明,采用的正交投影基线校正方法可以消除不同批次水质光谱的背景差异,更为充分的利用了光谱信息,降低了对特征污染物的检出下限。