基于融合注意力机制LSTM网络的地下水位自适应鲁棒预测

地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问题,本文提出了一种新的鲁棒自适应水位预测算法。首先,对水文数据进行预处理,解决了数据时间跨度大、噪声多、缺失及异常、非平稳等问题。其次,针对不同输入特征对预测指标的影响,在模型训练阶段提出一种新的空间变量注意机制,可快速识别与水位关联的关键变量,并对输入特征赋予不同的影响权重。然后,针对不同序列长度对预测效果的影响,还设计了自适应时间注意力机制,帮助网络自适应地找出与不同时间序列长度预测指标相关的编码器隐藏状态,以更好地捕捉时间上的依赖关系。在此基础上,以上下文向量作为输入,提出一种融合注意力机制的长短时记忆网络水文预测算法。最后,通过意大利Petrignano水文数据验证了所提算法的有效性,并与GRU、Elman、LSTM、VA–LSTM和S–LSTM等方法进行预测性能比较。结果表明,基于融合注意力机制的LSTM网络在面临大规模、噪点多的复杂数据时有优于其它几种算法的预测效果,表明该算法具有强自适应性和鲁棒性。本文研究结果可以为市政排水策略合理调整、及时控制提供参考。

基于观测器和事件触发的分数阶非线性系统神经网络控制

针对一类分数阶非线性系统的跟踪控制问题,本文提出了一种自适应神经网络事件触发控制方案.首先,利用径向基函数神经网络来逼近未知的非线性函数,构造了基于神经网络的状态观测器估计原系统状态.然后,在控制器设计中引入了事件触发策略,通过Lyapunov方法分析了闭环系统的稳定性.本文提出了一个新条件来估计事件触发条件的时间间隔下限,避免了Zeno现象.理论分析表明,提出的控制方案不仅能确保跟踪误差收敛到原点附近的邻域内,而且保证了闭环系统中所有信号的有界性.最后,分数阶互联电力系统仿真展示了方案的有效性.

基于观测器和指定性能的非线性系统事件触发跟踪控制

针对一类具有外部扰动的非线性系统,提出了一种自适应模糊跟踪控制方法.首先,利用模糊逻辑系统逼近系统未知的非线性函数,并设计了一个模糊状态观测器来估计系统的不可测状态.其次,通过指定性能函数,使系统的跟踪误差能够约束在指定范围内.然后,利用Backsteping方法结合包含对数函数的Lyapunov泛函,设计了一个基于事件触发条件的自适应模糊控制器.基于Lyapunov稳定性理论和信号是半全局一致最终有界的.最后,通过一个数值仿真例子验证了所提出方法的有效性.

基于深度半监督学习的小样本金属工件表面缺陷分割

针对工业应用场景下缺少缺陷样本的问题,提出了一种仅需要极少缺陷样本的金属工件表面缺陷分割方法。该方法结合了图像生成技术和半监督学习策略,通过利用极少缺陷图像提取的小尺寸缺陷图像来训练缺陷生成模型,然后将生成的缺陷图像嵌入到正常图像中以实现数据增广。其次,采用半监督学习策略训练分割网络,以减小生成数据与真实数据分布之间的差异对模型的不良影响。在真实的金属工件机器视觉检测系统上的验证结果表明,半监督的训练策略提高了分割模型对真实缺陷的泛化能力,所提方法能够在仅使用5张缺陷样本图像的条件下取得较高的分割精度。

深度神经网络辅助的垂直回收火箭在线轨迹优化方法

针对垂直回收火箭在线轨迹规划的计算效率和初始敏感问题,提出一种深度神经网络辅助的在线轨迹优化算法。考虑火箭动力下降段的气动阻力,使用变分法和庞德里亚金极小值原理推导最优性条件,首次证明最优推力矢量幅值存在Bang-Bang特征。在此基础上,设计离线训练和在线优化两步求解框架。一是离线训练深度神经网络,在初值大范围波动条件下,有监督学习Bang-Bang特征的结构参数;二是在线规划最优轨迹,将训练好的深度神经网络作为辅助求解器,生成伪谱离散法的分段点,嵌入序列凸优化算法求解。该算法将最优推力的与伪谱法的分段特性有机结合,提高了有限离散点下的求解精度。仿真结果表明,该算法能有效提升在线轨迹规划的求解效率和初值适应性。

基于SE-RetinaNet的面向玻璃面板的小尺寸低显著性缺陷检测

玻璃面板中的缺陷具有低显著、尺寸小、形态多样、数量少等特点,现有先进目标检测算法难以胜任玻璃面板的质检任务。基于此,提出了SE-RetinaNet—一种面向玻璃面板的小尺寸低显著性的缺陷检测算法。该算法在特征金字塔的顶层和底层引入了SE注意力机制和自注意力机制,增强网络对底层小尺寸特征的提取能力并强化顶层网络捕捉特征的长距离依赖关系的能力,同时在网络末端引入定位子网络SE-Regression,通过结合残差块和Inception模块的优点加强了定位的准确度同时防止网络退化。实验结果表明,所提算法能有效检测玻璃面板中各种尺寸的低显著性缺陷,其检测性能优于现有经典目标检测的算法,能够在玻璃面板缺陷检测问题上发挥较好的性能。

基于像素聚合的自然场景文本检测模型

针对自然场景文本检测面临的文本形状差异大、场景复杂干扰多等诸多挑战,提出了一种基于像素聚合的自然场景文本检测模型。首先,设计了上采样和长短跳跃的嵌套巢式连接的特征融合模块,通过融合残差网络ResNet18提取的多尺度、多阶段的特征,增强网络特征提取的能力;其次,基于聚类的思想,引入像素聚合约束外围像素与文本中心区域的距离,实现复杂自然场景下的任意形状文本描述;最后,通过轻量级文本检测头实现像素级的字符分割,提高模型的效率。在ICDAR2015、CTW1500以及构建的工业字符数据集上对所提模型进行验证,结果表明该模型能胜任复杂自然环境下的文本检测任务,且在检测精度和检测效率上均优于现有先进文本检测器。

基于指令滤波与观测器的柔性机械臂跟踪控制

针对复杂工况下单连杆柔性机械臂(single-link flexible manipulator, SLFM)系统的轨迹跟踪控制问题,提出了一种基于指令滤波与观测器相结合的自适应神经网络控制算法。该算法考虑了SLFM系统的未知外部干扰和未建模动态影响。首先,利用单连杆柔性机械臂机理参数间的物理关系构建了其分数阶动力学模型,通过引入全局坐标变换将其转化为严格反馈控制系统;其次,针对SLFM系统状态不完全可测问题,构建了基于神经网络的分数阶状态观测器,并证明了其有效性;然后,利用观测信息设计了SLFM系统的轨迹跟踪控制算法,同时为了克服高阶求导导致的控制误差,提出了基于指令滤波的反步控制机制。理论分析表明,提出的控制方法可以保证闭环系统信号的半全局一致性与有界性;最后,通过数值仿真验证了所提控制方法的可行性和有效性。

基于逆深度滤波的单目稠密建图

稠密地图估计是同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的重要目标。针对经典的深度滤波算法重建精度不高的问题,提出一种基于逆深度滤波的改进单目稠密点云重建方法,在极线搜索阶段通过设置阈值提高效率,通过逆深度高斯滤波器更新后验逆深度概率分布,通过帧内检测剔除外点。实验结果验证改进后的稠密重建算法具有更稠密、更精确的重建效果,且无须GPU加速。

基于分布式深度强化学习的六足机器人步态学习与控制

针对六足机器人系统结构与决策的复杂导致步态规划与控制困难的问题,提出了一种基于分布式强化学习的六足机器人步态学习与控制框架。该框架采用大规模并行学习的方式获取训练数据,通过强化学习的方法对网络进行数据驱动训练,得到最优控制策略,并在IsaacGym平台下构建仿真环境评估和验证六足机器人步态学习与控制的性能。结果表明,训练的六足机器人步态在奖励值、速度跟踪和稳定性都有良好的表现,验证了所提方法的有效性。

一种蒸汽发生器水下检查机器人高精度定位方法

密闭的核电蒸汽发生器(Steam Generator,SG)内环境纹理单一重复及光照不良等导致检查机器人定位困难及作业过程中难以确定被检查的传热管位置。针对该问题,提出一种实时高精度的机器人定位方法。通过目标检测算法对视频帧中选定范围内的传热管进行检测及排序,并在初始帧中参照SG内部少量可区分点设定传热管的初始参考序号;基于前后帧同一目标间距离与帧内不同目标间距离的几何约束关系,对传热管目标进行跟踪及动态排序,从而间接地实现机器人精确定位。实验结果表明,该方法在SG模拟体内部进行检查的过程时能很好地实现机器人的高精度定位,指导机器人进行检查作业。

一种在线更新的单目视觉里程计

现有的基于深度学习的视觉里程计(visual odometry,VO)训练样本与应用场景存在差异时,普遍存在难以适应新环境的问题,因此提出了一种在线更新单目视觉里程计算法OUMVO。其特点在于应用阶段利用实时采集到的图像序列在线优化位姿估计网络模型,提高网络的泛化能力和对新环境的适用能力。该方法使用了自监督学习方法,无须额外标注地面真值,并采用了Transformer对图像流进行序列建模,以充分利用局部窗口内的视觉信息,提高位姿估计精度,以避免传统方法只能利用相邻两帧图像来估计位姿的局限,还可以弥补采用RNN进行序列建模无法并行计算的缺点。此外,采用图像空间几何一致性约束,解决了传统单目视觉里程计算法存在的尺度漂移问题。在KITTI数据集上的定量和定性实验结果表明,OUMVO的位姿估计精度和对新环境的适应能力均优于现有的先进单目视觉里程计方法。

基于数字孪生的六足机器人高性能交互系统设计

针对当前多足机器人在封闭且复杂的环境下作业时存在的遥操作实时监控困难、人机交互(HCI)友好性差等问题,提出基于数字孪生的高性能HCI系统。首先,着重对六足机器人在狭窄环境中运动的步态进行了研究;其次,使用CoppeliaSim构建多维多时空尺度的虚拟模型;最后,通过C++/Qt开发服务层软件来实现数据的双向实时映射和驱动,达到虚实同步的效果,提升交互的性能。实验结果表明:该系统可以显著提升机器人的控制效率和HCI友好性,为狭窄环境机器人的HCI设计提供了坚实基础。

适用于GIS金属腔体环境的稠密地图构建方法

金属腔体环境中存在的反光现象严重影响巡检机器人的环境感知能力,从而导致构建地图出现大面积孔洞现象。因此,提出一种适用于金属腔体环境的稠密地图构建方法。该方法联合深度图和灰度图估计空间点距离,抑制深度图中无效像素和噪点;利用优化后的深度信息和关键帧位姿计算点云面片,通过滑动窗口约束面片集大小,降低点云搜索时间成本;采用三角剖分和最小二乘曲面拟合对面片集孔洞进行修复,提高每帧面片完整度;最终融合法线相近的相邻面片输出利于机器人导航规划的点云地图。所提方法在公开数据集和实际金属腔体场景进行了验证,结果表明,所提方法高效修复点云孔洞,显著提升模型完整度且满足实时SLAM的应用需要。

融合数字孪生和GCN-LSTM的六足机器人故障诊断

针对六足机器人在封闭复杂环境工作时,存在运行状况实时监测困难、故障特征数据少、故障诊断精度低等问题,提出基于数字孪生和图卷积神经网络改进的长短时记忆神经网络(GCN-LSTM)的六足机器人故障诊断方法。首先,分析了六足机器人的动力学模型,并据此在CoppeliaSim仿真软件中构建机器人的高保真、高置信度孪生模型;其次,对数字孪生模型进行虚拟故障注入并确保机器人的安全性。在模拟故障注入下,通过孪生体控制物理机器人步态运动,获得各物理传感器的高置信度故障数据样本;最后,为充分挖掘传感器数据的空间关联和时间依赖性,融合GCN和LSTM实现故障精确分类。实验结果表明,与同类型的算法相比,GCN-LSTM的故障诊断精度较高;机器人数字孪生系统的高置信度故障数据与GCN-LSTM结合能够实现对机器人故障的准确诊断。

基于Qt的遥操作GIS维护机器人监控系统设计与实现

在电力系统中,为了更好、更方便地遥控操作机器人清理气体绝缘开关设备(Gas Insulated Switchgear,GIS)腔体内的螺栓、螺母等异物,研发GIS维护机器人监控系统。采用Qt平台开发,结合FFMPEG和OpenCV采集RTMP网络视频流并进行图像处理,实现对腔体内异物的检测识别与精准定位;以SLAM点云进行环境感知,还原出机器人在腔体内的实际场景。测试结果表明,在无线环境下,该系统可高效实现与机器人的数据交互和有效地实时监控,较好地完成GIS腔体内遗留物的识别与清理。

用于蒸发器自动翻转的环吊系统动力学建模与仿真

针对环吊蒸发器系统的强耦合、非线性、欠驱动造成的模型映射性差的问题,考虑到特殊作业环境造成实物验证的高成本、高风险、不安全的问题,提出基于机制建模的多体动力学仿真模型及其控制策略。结合真实情况中存在的非固定绳长、固定负载位置以及作业环境中的摩擦力对环吊系统动态运动特性的影响,重点考虑钢丝绳摆动偏角、蒸发器翻转角度与系统运动状态之间的非线性耦合关系。采用拉格朗日法构建了整个系统的机制数值模型;基于准确的数值模型,在Simscape Multibody仿真平台搭建与真实系统映射的动力学仿真模型;最后,在MATLAB/Simulink设计PID控制器,建立与Simscape的数据接口后进行联合仿真。结果表明:系统的各状态量均能够稳定跟踪理想的参考轨迹值,且符合实际工况约束,进一步验证了所建立用于蒸发器自动翻转的环吊系统动力学模型的准确性及有效性,为后续环吊系统的运动控制验证及算法优化等奠定基础。

基于ANSYS及COMSOL的变压器内部检查机器人多物理场仿真及运动计算

针对一种需要在封闭、充满变压器油介质、空间狭窄、无照明的环境中完成异物检测及清理任务的变压器内部检查机器人,对其在潜油运动下的流场、热场等多物理场进行仿真分析,并对螺旋桨推力进行仿真计算,同时通过有限元方法计算螺旋桨旋转时产生的气泡体积。最后,计算机器人在油液中运动时的整体受力情况。仿真结果表明:变压器内部检查机器人在承受一定应力情况下仍能正常运行;同时推进器螺旋桨能提供足以使机器人本体正常运动的推力,且在旋转过程中生成的气泡不会影响变机器人的正常工作。

固体氧化物燃料电池气体供应系统的自适应滑模控制

针对固体氧化物燃料电池(solid oxide fuel cells,SOFCs)中的气体供应系统进行自适应滑模控制研究,实现氢气与氧气的分压恒定且相等来保护电解质不受损伤,从而达到延长电池寿命、保护电堆、稳定输出电压的目的。建立了考虑系统内部参数摄动与外部不确定干扰等因素的SOFCs气体分压动态模型,并针对该模型中干扰上界未知的情况设计了自适应滑模控制器。将遗忘因子和修正算法引入对干扰上界的估计中,解决了传统自适应滑模控制器中参数估计值恒增的问题。通过引入边界层,在控制律中用饱和函数替代符号函数以减小抖振。仿真结果表明,设计的自适应律在干扰上界存在较精确的先验信息时能够达到较好的控制效果,对干扰的抑制作用明显,加入边界层后系统抖振得到削弱。

离散终端滑模控制及其在Buck变换器中的应用

针对Buck变换器这类具有强非线性与负载随机突变等特点的系统,考虑数字控制实现的工程需求,在传统终端滑模控制的基础上,提出了一种离散终端滑模控制策略。首先,在完成离散终端滑模控制器设计的基础上,进行了系统稳定性分析。随后,对离散终端滑模控制和离散线性滑模控制这2种控制器作用下的输出跟踪误差进行了分析。最后,将提出的方法应用于Buck变换器输出电压稳定控制上并进行仿真,从输出电压的稳态误差,稳定时间和控制器输出抖振等方面与传统离散线性滑模控制的效果进行了对比。结果表明:离散终端滑模控制能有效提高系统的动静态特性及抗扰能力。