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。

GIS腔体内移动平台基于改进A^(*)算法的三维路径规划

针对已知气体绝缘开关设备GIS腔体环境信息下的移动机器人三维空间路径规划问题,提出一种改进A^(*)算法的全局路径规划算法。描述GIS腔体内孔洞陷阱的障碍物环境,用三维栅格地图表达弧形腔体环境;针对传统A^(*)算法规划的路径不平滑、多转弯缺点,引入动态衡量启发式函数,结合三次准均匀B样条函数对路径进行平滑处理;通过仿真验证了算法在三维环境下的有效性。

基于APSO的GIS腔体移动机器人区间二型模糊跟踪控制

为解决气体绝缘封闭开关设备(GIS)腔体移动机器人的轨迹跟踪控制问题,提出一种基于优化算法的麦克纳姆轮全向移动机器人(MWOR)区间二型模糊跟踪系统。建立MWOR在腔体中的非线性模型,并设计相应的区间二型模糊逻辑控制器(IT2FLC);针对IT2FLC隶属度函数难以确定的问题,采用自适应粒子群优化(APSO)算法对隶属度函数进行优化。分别对MWOR在无扰动和有扰动时进行直线和圆轨迹跟踪的仿真实验。结果表明,该方法对MWOR具有很好的控制效果和抗干扰效果。

基于模糊卡尔曼滤波的四旋翼姿态估计方法

针对四旋翼在飞行中因运动加速度及磁场干扰等影响引起的姿态估计误差,提出一种基于动态估计的模糊扩展卡尔曼滤波姿态估计算法。该算法利用传感器数据对运动频率、运动加速度及磁场干扰的大小进行估计,对估计值模糊推理后,使用输出值调整卡尔曼滤波测量噪声方差和梯度下降步长,增加姿态估计算法的动态适应性。为验证所设计算法的估计效果,使用四旋翼仿真模型进行验证。实验结果表明,该算法能够有效地提高四旋翼在高机动、强干扰情况下姿态估计的姿态跟踪精度、动态性能、抗干扰能力。

基于自适应衰减记忆法的视觉惯性里程计算法

针对机器人快速运动导致系统先验噪声统计特性与实际不符,严重影响视觉惯性里程计定位精度的问题,提出了一种基于自适应衰减记忆法的视觉惯性里程计算法。利用机器人运动状态方程模糊推理得到衰减因子,实现一种新的选取衰减因子的方法;然后利用自适应衰减因子实时修正噪声模型,抑制滤波发散;最后在公开数据集和真实环境下进行实验,该方法整体定位误差在0.6 m内。实验结果表明,所提算法在机器人快速运动时能有效避免滤波发散,对机器人定位性能提升显著。

一种基于数据驱动的无模型滑模预测控制

针对复杂系统建模困难且难以控制的问题,采用了数据驱动的控制策略,利用输入输出数据建立受控对象的动态线性化模型,采用滑模预测控制方法对该动态线性化模型进行控制器设计。该方法将系统动态线性化过程的参数估计误差视作广义扰动,结合滑模预测控制的强鲁棒性减小了广义扰动对系统控制作用的影响,有效地提高了控制效果。对该控制算法的稳定性进行分析,并通过仿真验证了系统在含有外部扰动和时变参数时的稳定性和鲁棒性,结果表明该算法相比于现有的无模型自适应控制(MFAC)算法、无模型预测控制(MFA-MPC)算法以及无模型积分终端滑模控制(MFA-DITSMC)算法有着更好的控制品质。

GIS罐体内部异物清理机器人的研发与应用

针对气体绝缘金属封闭开关设备(gas insulated switchgear,GIS)内部异物颗粒引起设备内部电场畸变,从而造成设备闪络故障问题,通过对异物颗粒的产生原因及影响因素进行分析,研制了一种GIS罐体内部异物颗粒清理机器人,实现了GIS设备内部可视化异物清理功能。应用结果表明:机器人检测不仅提高了750 kV GIS内部缺陷检查的效率,而且保证了检测人员的安全,为GIS状态检修提供了有效技术支持。

TCS-Net:一种核电安全壳细小裂缝分割网络

针对核电安全壳表面裂缝视觉检查任务面临的裂缝细小且占像素少、裂缝与背景对比度低、相似纹理干扰多、光照不均衡等问题,作者提出了一种细小裂缝分割模型(segmentation network of tiny cracks,TCS-Net)。该模型具有与U-Net网络相似的编码-解码结构,在下采样过程使用软池化(soft pooling)可实现在编码过程中保存原始图像基本特征的同时又保持了高响应特征信息的放大,从而减少信息损失实现裂缝边缘细节及位置信息保留;解码端在上采样过程中加入兼顾通道注意力和空间注意力的语义补偿模块以融合编码端的各层特征,可增强裂缝的多尺度细节信息;鉴于裂缝分割任务存在数据不平衡的分类问题,为避免训练过程被多数类(背景像素)所主导,TCS-Net模型结合二元交叉熵损失和Dice系数作为目标损失函数,以解决单一损失关注度倾向带来的训练不稳定的问题,也可优化准确率、交并比、召回率等性能指标。该模型在真实的安全壳图像上实验,结果表明,与现有的主流语义分割模型相比,TCS-Net裂缝分割模型的交并比指标可提高5%~9%,召回率指标可提高9%~13%,由此说明该模型具有检测率和检测精度更高,能有效适用于目标与背景严重不平衡、背景复杂且干扰较多情况下的细小裂缝分割任务。

基于紫外光/可见光的GIS内部机器人异物识别技术

由于GIS设备绝缘故障中内部异物引发的占比最大,且当检测发现长筒体结构GIS设备内部异物时,传统的吸尘器清理及人工擦拭的方式难以有效发挥作用。为了更加有效的清理GIS管道内的异物,文中在研发的GIS设备内部智能检查清理机器人平台基础上,设计了基于紫外光源/可见光源结合的机器人双光源补光技术,研究了基于双光源补光的机器人图像处理的异物识别算法,为GIS设备异物缺陷检查分析验证及异物清理提供了全新的方案。在两种光源下分别对管道内部拍摄图像,进而对图像进行处理,做异物识别判断,为机器人清理异物提供指导。文中在实现GIS腔体内部异物情况可视化的同时,解决了GIS设备内部智能检查清理机器人单一光源不易发现部分异物颗粒的问题,避免了机器人需要人工经验干预判别异物的难题,提高了GIS设备内部异物检查的效率。

基于长短时记忆神经网络的硬件木马检测

硬件木马给集成电路芯片的可靠性带来巨大威胁,为此,提出一种基于主成分分析(PCA)和长短时记忆(LSTM)神经网络的硬件木马检测方法。利用PCA提取侧信道信息中的电流特征向量,并利用该特征向量训练LSTM神经网络分类器,使该分类器达到识别硬件木马的目的。实验结果表明,该方法能对木马进行有效识别,且能检测出木马面积占总电路面积比为0.74%的硬件木马。

电力巡检机器人运行姿态的终端滑模控制

电力巡检机器人作为保障电路安全的一种机器人,其运行姿态直接影响着它的工作效率,而电力巡检机器人作为典型的欠驱动非线性系统,传统的控制方法可能难以奏效.本文使用终端滑模控制来完成电力巡检机器人非线性模型运行姿态的控制,为了避免终端滑模控制中可能出现的非奇异现象,使用了非奇异终端滑模控制来控制电力巡检机器人的非线性模型.通过仿真结果,可以证明所提出方法的有效性.

机械臂的区间二型模糊超螺旋滑模控制

针对不确定性条件下机械臂的轨迹跟踪问题,提出一种基于区间二型模糊逼近扰动的超螺旋滑模控制方法.首先将机械臂的建模误差、摩擦项、外部扰动等均视为广义扰动,然后利用自适应区间二型模糊逼近广义扰动.接着通过一个嵌套自适应律来设计基于超螺旋算法的趋近律,进而提出超螺旋滑模控制器.通过Lyapunov稳定性理论验证了趋近律的稳定性,基于此证明了系统的稳定性,并导出了区间二型模糊自适应律.仿真实验表明,区间二型模糊具有更好的逼近效果,超螺旋滑模控制能够抑制系统的扰动,本文所提算法具有响应快速和鲁棒性强的优点.

基于非线性干扰观测器不确定系统的终端滑模控制

针对一类存在非匹配干扰和建模误差的高阶非线性系统,结合滤波反步控制方法,设计一种基于非线性干扰观测器的自适应反步非奇异终端滑模控制方案。首先,设计一种有限时间稳定的非线性干扰观测器,以此对非匹配干扰进行估计和补偿。采用反步控制处理高阶不确定非线性系统,结合动态面控制设计虚拟控制律,避免传统反步设计中存在的“微分爆炸”问题;第n步结合自适应控制和非线性干扰观测器,设计非奇异终端滑模控制律,消除建模误差和非匹配干扰对系统的影响。基于Lyapunov理论证明跟踪误差一致最终有界。仿真结果验证了所设计控制方案的有效性。

水电站GIS设备内部异物识别技术研究

GIS设备作为水电站内电力送出的关键设备,其内部异物引起绝缘击穿是GIS设备占比最大的故障,直接影响着水电站的效益。由于GIS设备筒体较长,在设备安装及开展检修工作时,其内部毫米级异物难以通过经验判断。为了更加有效地检查识别GIS管道内的异物,对比分析了超声波、电磁波、光学不同类型的识别方法对GIS内部异物的有效性。研究了将光学敏感法和光影法相结合的异物识别方法,并设计了基于双光源补光的异物识别算法,将其搭载在GIS设备内部异物检查机器人上实现了应用。应用结果表明:采用双光源补光的异物识别方法,可有效准确地识别出GIS腔体场景中的毫米级异物,准确率可达95%以上。

伺服电机速度的分数阶滑模容错控制

针对三相表贴式永磁同步电机发生故障导致伺服系统控制精度下降的问题,提出一种基于在线实时故障估计的分数阶滑模容错控制方法.建立驱动电机故障模型;根据故障模型设计了基于非线性扰动观测器的故障观测器,可在线实时估计驱动电机故障信息.根据观测器观测信息,提出一种驱动电机分数阶滑模容错控制方法,所提出的基于分数阶理论的滑模控制器相比传统滑模控制方法提高了响应速度,具有更小的稳态误差,并减少了传统滑模控制器的抖振现象.最后通过仿真验证了所提控制方法的可行性和有效性.

一种基于控制参数化的双连杆机械臂最优PID参数整定方法

考虑一类双连杆机械臂的PID控制问题,提出一种基于控制参数化的最优PID参数整定方法.首先,把系统的性能指标建模为最优控制中的连续状态不等式约束.其次,将双连杆机械臂的最优PID参数整定问题转化为含连续状态不等式约束的最优参数选择问题.然后,应用约束转录法结合局部平滑法来处理连续状态不等式约束.得到一个标准的最优参数选择问题,且这个标准问题可以用最优控制软件MISER 3.2来求解.由于是基于梯度的方法来求解问题,所以在文中推导了代价函数和经过处理后约束的梯度公式.最后,通过数值仿真验证了提出的方法的有效性.

基于多尺度显著性的GIS腔体内部异物智能识别

针对GIS腔体人工直接检修困难以及内部环境复杂,文中提出了一种适用于GIS腔体内部特殊环境的机器视觉异物识别算法。由于腔体内存在异物大小不一,文中采用改进的多尺度的F T算法,并且使用Gini指数选取最优的显著图,采用了自适应阈值分割的办法,分割出异物,以图像的开运算剔除细小的噪声;最后,使用改进的分类网络,对异物进行识别。相对于人工检测,此种算法在细小异物的识别方面具有更高的准确率,且在检测速度上更加有优势,综合检测正确率不低于94%,速度不低于50 fps。

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。

基于改进差分进化算法的约束动态矩阵控制

针对约束动态矩阵控制的优化问题求解,给出一种改进的差分进化算法。首先,为了平衡算法的收敛速度和全局搜索能力以及提升其稳定性的目的,采用了耦合-最优排序的变异策略以及最优个体保留方法。其次,设计了特定的进化操作、优化与控制一体的目标函数来处理约束条件。最后以带约束条件的三容液位系统为研究对象,仿真验证了本文提出的控制算法较传统的约束动态矩阵控制算法有更强的抗干扰能力、无静差等优点以及改进的差分进化算法比原来的动态差分进化算法有更好的稳定性及更快的收敛速度。