AUV模块化对于操纵性的影响分析

AUV在水下的运动复杂且受到水动力的影响,在机械结构上有着模块化设计的AUV安装附加舱段势必会对运动性能产生变化,因此研究AUV在加装舱段后的水下操纵性变化问题。首先通过SolidWorks分别建立AUV与安装附加舱段AUV的几何模型,运用Ansys Fluent分别计算水动力系数;然后利用Matlab软件建立AUV的六自由度运动数学模型,最后以水平面回转运动、水平面Z形操舵运动以及空间定常螺旋下潜运动3个方面的操纵性仿真,对原AUV与加舱段AUV的操纵性进行预报并对比分析结果。结果表明,搭载了舱段的AUV相比原AUV会降低运动性能、应舵性能。

一种不产生候选项挖掘频繁项集的新算法

Apriori算法是关联规则挖掘算法中应用最为广泛的一种算法,它的主要目的是从大量的事务数据中通过候选项集挖掘出有趣的频繁项集,从而为用户提供有意义的关联关系。但随着数据库规模的扩大,apriori算法可能会产生如下两大棘手问题:大量候选项集的产生将造成巨大计算量的浪费;为剪掉无用候选项如何设置阈值。这些问题相对于众多普通用户来说都具有挑战性。该文提出的代码与运算是一种无须候选项挖掘频繁项集的算法,用户无须为设置阈值而煞费苦心。同时事务压缩算法的加入大大减少了算法中的计算量。

基于神经网络的自主水下机器人动态反馈控制

针对自主水下机器人数学模型的强非线性及所受海流干扰无法确定等特点,设计了基于神经网络补偿器的动态反馈控制算法。通过对自主水下机器人系统数学模型研究,将系统分解为近似线性部分与非线性不确定部分。通过动态反馈控制实现对分解出的近似线性部分进行初步控制,利用神经网络所具有的自适应控制实现对不确定模型与干扰项进行补偿控制,提高自主水下机器人运动控制的鲁棒性。通过Lyapunov稳定判据证明了此控制算法的收敛性,通过Matlab数字仿真平台验证了此算法的抗干扰能力,在自主水下机器人半物理仿真平台上分别采用所提出的控制算法与PID控制算法对自主水下机器人系统定深运动进行了控制。研究结果表明所提出的算法具有更好的动态性能与强鲁棒性。

《微型计算机控制技术》课程教学方法的研究与探索

《微型计算机控制技术》是集计算机软硬件,控制理论与控制工程实践等多门专业课程相结合的一门综合性学科,是自动化专业的一门主干专业课程。通过教研室多年研究与本人教学实践总结出了一系列的教学方案:通过形象生动的教学画面激发学生的学习兴趣;改变以前的教师满堂灌、学生没有发言权的教学模式,实现师生融合共同学习课程;拓宽学生知识面;通过计算机仿真弥补实践教学的不足,实现工程设计,加强与提高学生的实践能力;根据课程内容合理安排授课时间。

基于AUV垂直面运动控制的状态增减多模型切换

自主水下机器人(autonomous underwater vehicle,AUV)系统垂直面运动具有强耦合性、非线性等特点导致AUV系统垂直面难以精确控制,且其纵倾角需控制在某一阈值内,以保证系统安全。根据以上控制要求与AUV垂直面运动模型特点,提出将其解耦为深度控制子模型与纵倾角控制子模型,构建AUV系统垂直面运动控制模型集,根据模型集所含两子模型特点,提出了状态变量增减的多模型切换的概念。基于切换系统稳定判据——共同Lyapunov函数法,提出了变加权多模型切换策略,实现了切换过程的稳定性,避免了切换过程的抖动问题。多次湖泊试验证明,加权多模型切换策略避免了由于期望深度变化而造成的执行机构饱和、深度和纵倾角超调量过大等问题,且改善了AUV系统深度运动的静动态控制品质。

一种具备数据驱动能力的自主水下航行器控制系统设计

针对目前大部分自主水下航行器(AUV)采用预编程的工作模式不适用于动态海洋环境观测的问题,开展了基于数据驱动的控制系统研究。为了实现对动态海洋环境的自适应观测,提出了一种具备数据驱动能力的AUV控制系统设计。该控制系统在总体设计上采用双控制板的分布式架构并使用星形网络拓补结构方便内部通信以及后续设备拓展;硬件设计上使用模块化思想管理传感器并使用多种通信设备的融合工作保证通信的快速性与稳定性;软件上使用多线程并行设计并在上位机添加手柄遥控功能;最后通过仿真实验验证控制系统性能。实验结果表明该系统控制超调量为3%;滞后时间为2 s,满足海洋现象观测需要。该控制系统具备搭载数据驱动算法的能力,为基于数据驱动的动态海洋观测模式提供了硬件平台。

基于故障诊断的数据挖掘算法研究

本论文以复杂工业过程控制系统为研究对象。首先根据工业过程数据库特点提出了相应的数据挖掘技术及其改进算法,而后通过对工业过程控制中的故障诊断方面的研究构建出了利用数据挖掘技术实现处理系统故障诊断的总体设计图,并通过实验验证了此系统能够实现在线监控与故障分析与诊断。

基于辨识模型集的无人半潜水下机器人系统深度动态滑模控制切换策略研究

BQ-01无人半潜水下机器人深度运动模型参数未知,无法为基于模型的控制策略提供控制参数,导致该系统不易快速达到预期的性能指标要求,为此提出一种多辨识模型动态滑模控制方法。该控制方法采用平均拟合偏差方法,减少了系统辨识过程中出现过多冗余辨识模型参数组,以切换的方式为动态滑模控制方法选取最佳模型参数;同时采用状态反馈方法实现滑模面抖动指数衰减,从而解决了系统深度运动调节问题。BQ-01系统湖泊试验结果表明,所提辨识方法能够为滑模控制策略提供最佳控制参数,且提高了系统运动控制品质。

基于神经网络补偿的滑模控制在AUV运动中的应用

由于自主水下机器人水动力模型参数的不确定性及其强非线性,提出神经网络动态滑模面控制法。将系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网络所具有的自适应调节能力实现对未知干扰与不确定部分进行补偿控制,提高系统的强鲁棒性。通过Lyapunov法验证了控制算法的收敛性;通过MATLAB仿真平台和半物理仿真平台,验证了算法的鲁棒性和抗干扰性。

以提升自动化专业学生工程意识为导向教学改革研究

通过对学校自动化专业以及相关工程类院系的调研,总结了教学中在理论、实验以及实践等方面存在的一些问题。通过与多位专业课教师共同研究,介绍了以培养学生工程素质为导向的一系列教学改革措施,并在教学实践中进行了应用。

RBF神经网络在电路故障诊断中的应用研究

电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF(radical basis function)神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。

基于RBF神经网络的电路诊断研究

电路系统在工业控制中起着极其重要的作用,随着电路越来越复杂,各电路各节点间的关系呈非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。提出利用RBF(Radical Basis Function)神经网络可以快速地逼近任意非线性函数,且有很好的分类能力等特点,来实现对电路系统的故障分类。通过实例分析RBF可以很精确地确定电路网络中的故障来源,同时通过与BP算法比较,说明RBF在对电路故障诊断能力方面的优越性。

支持度规律的研究及在环境数据库中的应用

文章是在第20届全国数据库学术会议上发表的《关联规则候选项频度规律的研究》一文的基础上,又总结出来的两条规律。这两条规律与前文相比进步之处主要体现在差值支持频度的引用,充分利用差值支持频度在关联规则挖掘中的重要性,使得算法能够更加精确地预测候选项集的支持频度,从而实现再次减少候选项集数量的目的。同时文章通过对环境数据库候选项的处理验证了此改进算法的优势。

基于光强的太阳能自动跟踪装置及其蓄电池充电优化控制

设计了一种太阳能自动跟踪装置,此装置能够根据光的强弱自动转到光强最大的方向,从而提高太阳能利用率。所设计的自动跟踪装置主要由太阳能电池板蓄电电路、单片机主控电路、液晶显示电路和光敏采样电路四个模块构成,其中单片机主控电路是根据四个光敏电阻输出电压的差值,控制两舵机的转动使得太阳能电池板始终面朝光线最强的方向,并监控蓄电池和太阳能电池的状态,通过控制S8050三极管达到控制太阳能电池板向蓄电池浮充充电的目的,控制蓄电池的充放电,提高太阳能充电效率。

基于自主水下机器人航向运动的动态状态反馈控制研究

针对自主水下机器人(AUV)航向运动易受纵向速度影响的问题,提出了基于纵向速度的动态状态反馈控制法。动态状态反馈控制是指系统控制器的反馈控制参数随着纵向速度与系统模型的变化而变化。该控制方法可削弱纵向速度对航向运动的影响。根据所研究的AUV系统的航向运动特点,将航向运动控制模型转化为二阶控制模型,依据此模型控制特点构建动态状态反馈控制法。湖泊实验的结果表明,所提动态状态反馈控制法不仅设计简单,且具有较强的抗外界干扰能力,可消除耦合项纵向速度对航向运动的影响。该方法在两套AUV系统的湖泊实验中均取得了良好的控制效果。

污水数据库的关联规则分析算法的改进

在对关联规则挖掘算法的大量实践中,总结了关联规则支持频度的性质,提出了独立支持频度、差值支持频度等定义,并将数据库文图与这些定义相结合实现了污水中元素与病变数据库关联规则控制分析,实验证明此法大大提高了挖掘的效率。

关联规则候选项支持频度的研究

总结了支持频度的性质,提出了独立支持频度、固定项集频度守恒性与差值支持频度等相关定义与性质,这些性质真实再现了关联规则父子频度项集间的关系。在差值支持频度的引用,充分利用差值支持频度在关联规则挖掘中的重要性,使得算法能够更加精确的预测候选项集的支持频度,从而实现再次减少候选项集的数目的目的。

基于GPS/GPRS的滑坡监测系统

介绍了一种基于GPS/GPRS的滑坡监测系统,详细描述了系统的设计与实现。本系统采用LPC2214微处理器设计数据采集终端,终端采集GPS和其他传感器的位移信息,进行压缩后再将数据通过GPRS网络发送给监测中心,监测中心负责完成监测参数的设置、差分GPS基线解算、监测数据和监测结果的存储以及位移数据的图形显示等工作。实践表明:与基于GSM的系统相比较,该系统的数据传输速度快、可靠性高,达到了厘米级定位精度。

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中,评价因子和评价等级之间是一种复杂的非线性关系。人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系。通过构建基于BP(反向传播)算法的人工神经网络模型,对抚河水质进行评价。评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客观、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法。

基于多目标扰动观测器的不确定机器人滑模自适应轨迹跟踪控制

以不确定机器人为研究对象,基于多目标扰动观测器提出一种滑模自适应控制策略。首先,根据所提出的复合滑模面,设计包含扰动估计的非抖振滑模跟踪控制策略;其次,依据H ∞和极点配置理论,设计多目标扰动观测器,来实现对扰动的估计;最后,基于李雅普诺夫方法给出了自适应律,并对系统稳定性进行了证明。仿真结果表明,该算法能够实现机器人对给定信号的有效跟踪,不依赖系统先验信息,因此具有较高的实用性和有效性。