面向海流扰动和通信时延的欠驱动AUV编队跟踪控制

由欠驱动自主水下航行器(Autonomous Underwater Vehicle,AUV)编队组成的水下探测阵列具有响应快、机动性好、智能化程度高的特点。针对无速度信息传输的多AUV在海流和时延复合扰动下的编队控制问题,提出一种虚拟轨迹、轨迹预测、自适应反演滑模控制技术相结合的编队控制方法。使用领航者的位置信息和期望队形得到跟随者的参考轨迹,并引入虚拟轨迹使其与跟随者参考轨迹有限时间重合,从而得到跟随者的期望位置和速度。在此基础上,使用最小二乘法拟合轨迹曲线进行时延补偿,并通过自适应反演滑模控制技术完成海流干扰下的编队轨迹跟踪。理论分析和仿真结果表明,新方法具有可行性和有效性。

基于混合算法下RBF神经网络的执行机构非线性特性在线辨识与补偿

针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制系统执行机构的非线性特性模型;为解决传统RBF神经网络辨识性能差的问题,使用遗传算法(GA)对神经网络的中心向量和方差进行优化,利用SVSKLMS算法对RBF神经网络模型中的权重进行优化,进而得到最佳的RBF神经网络。基于VHRBF神经网络及其逆模型补偿器对执行机构非线性特性进行在线辨识及补偿。仿真结果表明:与其他算法训练下的RBF神经网络相比,所提出的VHRBF神经网络能够精确辨识并补偿执行机构的非线性特性,并且具有更快的收敛速度、更优的收敛性能。

室内环境下改进的混合路径规划算法

为了解决室内非结构化复杂环境下的机器人在路径规划时常常出现目标点不可达、规划过程产生折角偏移、规划过程无法及时规避动态障碍物等问题,提出一种改进的混合室内路径规划算法。该算法将改进的全局路径规划与改进的局部路径规划算法相融合。首先,优化传统A-Star算法的启发因子,减少搜索范围和节点,再通过角平分线切点法对传统A-Star算法进行平滑处理。其次,综合路径与环境信息,采用改进的人工势场算法进行局部路径规划,通过修正斥力场参数来解决目标点不可达问题,同时构造了动态的势力场函数,使其具备决解决动态障碍物的能力。最后,对混合算法进行实际环境的路径规划实验,比起传统的混合算法文中提出的混合算法在路径规划长度上减少11.4%,运行时间减少11.1%,少经过34个冗余节点,结果表明该融合算法可以有效解决室内非结构化复杂的路径规划问题。

基于遗传算法的汽车主动悬架变论域模糊PID控制

针对1/4车主动悬架系统,提出一种基于遗传算法(genetic algorithm,GA)的变论域模糊比例-积分-微分(proportional-integral-differential,PID)控制方法.在建立主动悬架系统模型的基础上,引入变论域思想设计模糊PID控制器.为进一步改善控制器减振效果,采用GA来优化变论域中伸缩因子描述函数的参数.结果表明:相比PID、模糊PID与未优化的变论域模糊PID等控制方法,基于GA的变论域模糊PID控制方法在降低车身垂向加速度、改善乘坐舒适性方面具有优越性;所提控制方法对簧载质量和车辆行驶速度不确定性具备较强的鲁棒性.

“三教改革”背景下教学设备的自主开发与应用--以运动控制系统实训装置为例

为推进“三教改革”落地实施,破解实训项目难以跟随技术发展变化的问题,对接“1+X证书”技能等级标准,把企业实际项目进行研学转化,设计出一种具有电气控制盘开放、控制系统可选择、执行机构可拼装、末端执行器可互换可升级的运动控制系统实训装置。这种教学实训装置的开放性和灵活性,为教学设备提高复合利用率、降低报废率、设备长期保持技术先进性提供了一种新方法;为机电一体化系统设计类岗位个性化的技术训练以及职业素养养成训练提供了一种“教法改革”新思路,设备研发过程中对于职业院校教师技术能力提升也提供了一种“教师改革”新途径。

先进制造技术对播种机零部件生产的经济模型分析

首先,介绍了先进制造技术理论知识,分析了播种机整体结构及生产工艺;然后,阐述了BP神经网络分析播种机零部件生产的经济模型的依据,并搭建和实现了BP神经网络成本估算模型;最后,进行了生产验证。验证结果表明:基于BP神经网络对播种机零部件估算比较准确,采用先进制造技术生产的自动排种部件成本较普通制造设计下降12%,证实了系统的正确性和可靠性。

基于S7-200 PLC的步进电机运动控制系统设计

提出基于西门子S7-200 PLC的步进电机运动控制系统的设计与实现。由于S7-200系列PLC不支持圆弧插补功能,采用极限逼近的算法,利用PLC输出高速脉冲信号和方向信号驱动步进电动机进行画圆的工作,并通过系统的调试对该方法进行了验证。

互联网+智能医疗垃圾处理系统在家庭医疗废物处理中的应用

目的探究互联网+智能医疗垃圾处理系统在家庭医疗废物处理中的应用效果。方法选择2020年1月至2022年12月需进行长期治疗或使用医疗器械的300例患者为研究对象,将使用传统家庭医疗垃圾处理方法的150例患者作为对照组,将使用互联网+智能医疗垃圾处理系统的150例患者作为观察组。采用《患者居家医疗废物相关知识及管理现状问卷》调查两组医疗废物相关知识,对比两组医疗废物分类实施率、分类准确率、医疗废物管理满意度、医疗废物管理效果。结果观察组对医疗废物相关知识及管理情况了解程度各条目评分及总评分均高于对照组,差异有统计学意义(P<0.05)。观察组医疗废物分类实施率、分类准确率均高于对照组,差异有统计学意义(P<0.05)。观察组废物处理安全性、环境友好性、准确性、便捷性评分及医疗废物管理总分均高于对照组,差异有统计学意义(P<0.05)。结论互联网+智能医疗垃圾处理系统用于家庭医疗废物处理,可以提高患者的医疗废物管理知识掌握程度、医疗废物分类的实施率和准确性,以及废物处理的安全性、环境友好性、准确性和便捷性。

多传感器融合的室内机器人SLAM

为了解决基于二维激光雷达的SLAM在室内环境中存在定位误差较大和建图不完善的问题,提出一种多传感器融合的室内机器人SLAM算法。该算法针对传统ICP算法在激光SLAM前端存在误匹配问题,采用更适合室内环境的PL-ICP算法,并利用扩展卡尔曼滤波融合轮式里程计和IMU为其提供初始的运动估计值。在建图阶段利用深度相机获取的三维点云数据转化的伪二维激光数据和二维激光雷达获取的数据进行融合,弥补二维激光雷达建图没有垂直方向视野的缺陷。实验结果表明:融合里程计数据相比于单一轮式里程计定位精度至少提升了33%,为PL-ICP算法提供了更高精度的初始迭代值。同时融合建图弥补了单一二维激光雷达建图的缺陷,构建了环境信息更加完善的环境地图。

变量播种施肥控制系统的研究——基于财务会计精细化

首先,介绍了变量播种施肥控制系统整体结构和播种量与施肥量的计算方法,给出了变量播种施肥作业流程,并将PID模糊控制算法和财务会计精细化应用在直流电机的转速控制上,设计了变量播种施肥控制系统。在实际播种试验中,测得的播种转轴电机的转速和理论值误差在1%~3%之间,精度较高,达到了变量播种的目的,证实了系统的可行性。

基于数据驱动的范数最优迭代学习控制

在系统模型确定的前提下,传统的范数最优迭代学习控制(NOILC)可以有效提高伺服系统的跟踪精度。但是在实际控制过程中,系统模型参数往往是变化的,从而导致控制器性能的下降。为此,提出了一种基于数据驱动的范数最优迭代学习控制方法。以系统的输入输出为依据,建立系统估计模型的代价函数,对代价函数进行偏微分处理,得到一种基于数据驱动的非参数模型辨识方法,最后将此模型辨识方法和NOILC相结合。实验结果表明:针对时变系统,此控制方法的跟踪误差为NOILC(Norm optimal iterative learning control,NOILC)的57.1%,并且相比NOILC提前5次收敛。因此,提出的方法能有效改善时变系统的跟踪性能。

基于模型预测控制的工厂化菇房空调调控方法

针对菇房空调系统在传统控制模式下易出现温度波动较大、运行能耗较高等问题,提出一种基于模型预测控制(Model Predictive Control,MPC)的食用菌工厂化菇房空调控制方法。首先基于等效电路法建立菇房阻容温度预测模型,利用遗传算法(Genetic Algorithms,GA)辨识模型内未知参数,建立以温度控制精度及系统能耗为优化方向的目标函数,然后以预测模型输出作为目标函数输入,最后通过粒子群优化算法(Particle Swarm Optimization,PSO)求解该目标函数,得到空调系统控制时域内的最优控制量。结果表明:基于MPC的温度控制方法能够有效在降低空调系统能耗的基础上提高温度控制精度,相较于传统阈值控制在温度控制精度上,平均绝对误差降低77%;在运行时间上,MPC控制方法平均每日能够减少1.2 h的压缩机运行时间,可节省10.4 kWh的电能。

基于模型预测控制的菇房空调节能控制方法

当前工厂化食用菌生产菇房空调控制方法存在节能效率低、室内温度波动大等问题,提出了一种基于卷积神经网络(Convolutional neural network, CNN)、门控循环单元神经网络(Gated recurrent unit neural network, GRU)与注意力机制(Attention)的菇房空调节能控制方法。该方法以CNN-GRU-Attention组合神经网络为预测模型,结合预测误差补偿和预测模型数据集动态更新机制,实现对菇房室内温度精准预测;建立以空调控制量为状态量的目标函数,分别利用熵权法、主观法明确目标函数权重系数,运用带精英策略的快速非支配排序遗传算法(Non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)求解出空调在控制时域内最优控制序列,集成滚动优化和反馈机制,实现菇房环境的精准及节能控制。试验结果表明,提出的CNN-GRU-Attention菇房室内温度预测模型,以历史30 min数据预测未来10 min室内温度效果最好,选取的典型日内预测最大均方根误差为0.122℃、最小决定系数为0.807、最大平均绝对百分比误差为0.611%;菇房空调模型预测控制方法对天气波动具有较好的抗干扰能力。与阈值开关法和PID法相比,在空调节能方面,能耗分别减少21%和14%;在控制温度精度方面,RMSE可分别降低72%、46%。

改进反激拓扑模式下远端稳压电源控制方案

为提高远端稳压电源的供电质量,最大限度的在高可靠性前提下保证发射设备输出电压快速、平稳地达到设定值,提出一种改进反激拓扑模式下远端稳压电源设计方式,并建立相应数学模型。设计了前置论域整定的模糊比例积分微分(PID)控制算法,通过论域整定模型将模糊PID参数直接映射到模糊规则下,消除试凑法偶然性的同时消除了量化因子对误差的放大作用,有效地避免了过度调整的现象;引用模糊逻辑来实时处理远端稳压电源的动态参量值,并根据反模糊映射函数将生成的量化值映射到控制元件。仿真环境模拟结果表明:与模糊PID控制相比,前置论域整定的模糊PID控制算法具有优良稳态性能,调节时间缩短48.1%,响应时间缩短了28.6%并降低到1.4 ms;与此同时,该控制方案能够有效地抵抗突发性干扰,稳压输出时间缩短了45.5%,响应时间缩短到37.5%。实验结果表明:前置整定模糊PID控制算法可以运用到实际工业环境中,与工业环境下传统控制算法比,前置整定模糊PID控制算法可以大幅提高远端稳压电源的供电质量,具备优良的鲁棒性。

压电变形镜驱动器迟滞快速辨识与补偿研究

采用压电陶瓷作为促动机构的主动光学系统。为了对压电陶瓷驱动器固有的迟滞非线性进行有效抑制校正,以提高系统性能,该文对带变形镜镜面负载结构的压电陶瓷驱动器非线性迟滞动态进行了高效辨识建模,实现了带镜面负载的压电陶瓷驱动器相对误差1.8867%的迟滞参数辨识与建模,降低了辨识算法所需时间90%以上,同时克服了负载结构导致辨识信号信噪比低的问题。实验证明,所用方法得到的压电陶瓷迟滞模型能够有效地用于补偿校正压电陶瓷驱动器迟滞非线性动态带来的误差,通过前馈控制器可将压电陶瓷驱动器迟滞引起的镜面面形定位误差降低56.21%,有效地提升了系统性能。

基于LoRa无线通信的电子脉冲拦鱼器设计

针对传统拦鱼器拦截面积有限、智能化水平低等问题,研制了一种基于LoRa无线通信的电子脉冲拦鱼器。该拦鱼器使用Modbus RTU协议实现一主多从间高速、长距离无线通信,用户可根据不同水产养殖面积灵活选用机组个数、脉冲频率和脉冲宽度等参数,以适应不同水体中不同鱼类产生回避反应的能力。主机发送时序指令控制从机轮流产生两路反相带死区控制的PWM方波,控制IGBT进行快速换向,不仅效率高、安全可靠、耗能低,而且噪声小,符合当前绿色环保理念;同时利用LoRa无线通信的优势,在PLC上配备电导率、溶氧、pH和温度等传感器,可实时监测各从机点的水质信息,对用户水产养殖起到很好的辅助作用。此外,基于C#环境开发出基于物联网的智慧养殖平台,可实时监控拦鱼器的工作状态和各测点水质信息并进行故障预警。该电子脉冲拦鱼器,脉冲频率为3~12 Hz,脉宽为0.6~1.2 ms,比可控硅节电达60%,且植入了“物联网+渔业”的新观念,实现了手机或计算机远程控制。研究表明,该电子脉冲拦鱼器具有自动化、智能化、网络化等特点,能够适用于各类水产养殖的拦鱼作业。

单绳缠绕式矿井提升机制动瞬态冲击抑制策略

在矿井提升机的制动控制中,制动瞬态冲击是影响矿井提升机安全可靠运行的关键问题。由于受到技术和经济成本的制约,目前包含贴闸/压紧的制动过程全程采用力闭环控制,这不可避免地导致闸瓦与闸盘刚性接触时的制动力瞬态冲击问题。针对矿井提升机制动瞬态冲击问题,文中提出了一种基于滞回切换原理的混合贴闸/压紧制动控制策略。首先,分别利用非奇异快速终端滑模控制和反步控制设计了贴闸和压紧控制器;其次,为达到快速贴闸的目的,设计了一种基于离散积分器的在线贴闸轨迹再规划方法,有效地减小了制动器贴闸时间;然后,为实现由贴闸控制到压紧控制的安全切换,利用滞回切换原理,制定了混合贴闸/压紧控制稳态切换策略,大大减小了制动力瞬态冲击;最后,为验证提出方法的有效性,选择传统全程力闭环控制策略C1与混合贴闸/压紧直接切换策略C2作为对比方法,在单绳缠绕式提升试验台进行了对比实验,从贴闸时间、制动力最大跟踪误差和提升钢丝绳最大张力3个方面对实验结果进行了分析。实验结果表明:相较于C1控制策略,提出制动控制策略的贴闸时间缩短了64.5%,钢丝绳张力峰值减小了41 N;相较于C2控制策略,提出制动控制策略的制动力冲击减小了90.3%,钢丝绳张力峰值减小了88 N。上述结果表明本文提出的方法能有效改善制动瞬态冲击,减小制动空动时间,提高制动系统安全性,同时本研究也为一类需要混合力/位置控制的电液伺服系统提供了一种有效的解决方法。

异构多智能体输出调节量化自适应跟踪控制

考虑到无人机-无人船动力学模型中部分状态信息丢失、输出降维和延迟量化输入等复杂情形,提出了一种适用于解决异构多智能体系统一致性跟踪控制问题的输出调节量化自适应方案。利用降维的输出信息设计量化反馈控制输入及自适应律,实现异构多智能体编队系统内全维状态信息向参考模型的一致性跟踪,基于Lyapunov方法的稳定性分析证明了各变量的一致有界性,将该一致性跟踪控制方法应用于无人机-无人船编队系统中,通过数值仿真验证了该异构多智能体编队系统在平面内实现各变量一致性跟踪的能力。

基于扩张状态观测器的无人机云台系统控制算法

针对无人机(UAV)三轴云台增稳控制中变量耦合的问题,提出一种基于扩张状态观测器(ESO)的无人机云台系统控制算法。首先,建立了无人机机载云台期望角的姿态解算算法模型;其次,构建了无人机机载云台位置环和速度环的串级比例-积分-微分(PID)控制回路;最后,引入ESO对机载云台角速度项在线实时估计,解决角速度项由于高耦合、多外扰导致的难以直接测量的问题,并对各通道的控制输入进行补偿。实验结果表明,所提算法在无指令、有指令和综合任务场景下的角度均方根误差分别为0.2357°、0.6317°和0.9463°,与传统PID算法相比,所提算法的角度误差分别降低了69.43%、53.29%和50.43%。可见,所提算法对外界扰动的抗干扰能力更强,控制精度更高。

结合模糊控制的深度强化学习交通灯控制策略

现有交通信号灯控制策略大多针对单一交叉口展开分析,该策略仅考虑车流量的单一因素,难以适应动态的路网状态。对此,提出了一种结合模糊控制的深度强化学习交通灯控制策略,利用SAC(soft actor critic)深度强化学习对两交叉口的交通信号灯相位选择及配时进行联合优化,同时考虑车辆速度、路段车辆排队长度等因素,利用模糊控制对SAC的惩罚函数进行处理。实验结果表明,与固定循环周期策略、SAC控制策略和DDPG(deep deterministic policy gradient)控制策略相比,提出的交通信号灯控制策略能获得更快的车辆通行速度,车辆的油耗和尾气排放情况也得到了改善。