基于RBF神经网络的隧道掘进机推进自适应PID控制

针对全断面隧道掘进机的推进压力和推进速度的匹配问题,应用RBF神经网络算法设计了使推进压力和推进速度匹配且推进速度能快速跟随设定目标的自适应控制器。先在MATLAB中建立推进控制系统仿真模型,分析控制器自适应控制效果,然后在AMESim中建立推进系统液压控制模型,并与MATLAB联合仿真。联合仿真验证该控制器能在刀盘负载压力波动突变的情况下,使刀盘推进速度和推进压力跟随设定目标。试验证明,该控制器对负载大范围扰动有很好的抑制能力,能明显提高推进速度和推进压力耦合度并减小两者的波动范围。

一种新颖四象限隔离型反激双向直流变换器

隔离型反激DC-DC变换器具有较高增益和较大功率等级,已成为高增益大功率场合的研究焦点,针对传统反激变换器存在的变压器漏感尖峰的问题,提出一种带反激缓冲器的隔离式四象限全桥双向DC-DC变换器。应用钳位电容和反激缓冲器来钳位因流馈式电感和隔离变压器漏电感间的潮流差而引起的尖峰电压,成功地把电压钳位到理想水平;同时消除了因漏电感的续流带来的开关损耗,提高了变换器工作效率;缓冲器还限制漏感电流ip在全桥开关中循环,在超载情况下降低了开关电流应力,提高了系统可靠性。实验证明了理论分析正确性和可行性。

基于非线性参数的电液伺服系统滑模控制

针对在电液伺服系统跟踪控制中存在非线性不确定参数和外界扰动的问题,提出了一种基于积分微分器的滑模Lyapunov函数的控制方法。首先,在只有位移信号测量输出的情况下,采用高阶积分链式微分器对其速度和加速度信息进行预估。系统存在非线性不确定参数,利用微分器对状态和不确定项的实时估计,设计出积分滑模控制器,实现自适应规律以及对电液伺服系统中不确定扰动的抑制。搭建电液伺服系统AMESim模型并与Matlab构成联合仿真平台,对控制器进行仿真。仿真表明,该控制器具有良好的对非线性不确定参数变化的补偿能力和跟踪性能。

基于深度学习的动态场景语义SLAM

提出一种利用深度学习提高动态环境下视觉语义即时定位与地图构建(SLAM)的方法.首先用实例分割网络对关键帧进行实例分割,建立先验语义信息;然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除;最后进行语义关联,建立无动态物体干扰的语义地图.将本文方法在室内环境公开数据集中测试,结果表明该方法可有效消除动态物体对建图的影响,提高建图精度.