基于控制网络的综合实验系统设计与应用

以罗克韦尔自动化三层网络技术为平台,以过程控制装置、交流调速系统、伺服控制系统和顺序控制系统为被控对象,设计了综合实验系统。学生可以利用校园网络完成相关实验教学任务,同时,也可以进行自主设计、创新实验。实践证明,该实验系统很好地满足了实验教学和毕业设计的教学需要,在培养学生工程实践能力和创新能力中起到了重要作用。

基于开放性实验教学提高大学生创新能力的改革实践

电子信息类专业的高校实验教学的根本目标是培养具有工程实践和创新能力的高素质人才。为了提高学生运用理论知识去解决实际问题的能力,利用开放实验,激发学生的学习兴趣,培养学生的综合能力和创新能力,实践取得了明显效果。

基于智能算法的社区团购配送路径优化

在线上购物配送环节中,综合考虑了碳排放成本、运输成本、货损成本、制冷成本、时间窗惩罚成本等多种成本因素,构建以总成本最小为目标的社区团购配送车辆路径优化模型。利用智能算法鲸鱼算法,对配送路径进行优化,验证了该算法的搜索能力和收敛性。

一种改进的基于信号能量阈值的表面肌电信号自动分割方法

表面肌电信号中连续动作信号的有效分段提取是对信号分析和处理的前提,提出了一种改进的肌电信号自动分割方法,为实现康复机器人信号全自动分析奠定了基础。该方法将表面肌电信号窗口能量作为肌肉动作始末点的判决标准,给出初始阈值计算公式。同时结合小波变换技术对非动作信号进行滤波,并根据分割点特征提出分割阈值自动调节方法。实验表明,该方法可以自动分割肌电信号,无需考虑测试者自身因素的影响,无需手工设定初值,分割结果准确,精度较高。

基于驾驶员流动性偏好的元胞自动机改进模型

在NS单车道元胞自动机交通流理论和FI模型的基础上,加入了驾驶员人为因素的影响——流动性偏好以及车辆起步慢化行为,提出了一种考虑驾驶员流动性偏好的元胞自动机交通流模型.将驾驶员类型分为活力型和保守型,并针对他们各自的驾驶偏好给出不同的车辆演化和更新规则,同时也考虑了交通灯起步时前车慢化的情况.实验结果表明,在新模型状态下,车流量流通速率有明显的提升,路段容量的阀值较以前有一定程度的增大,使得模型更加符合实际交通流的情况.

基于快速非支配排序遗传算法的共享电单车归还策略

为满足当前共享电单车随取随停的需求,解决其缺乏规范管理而导致的乱停乱放现象及其所呈现出的“多、散、乱”的状态与区域性供给不平衡问题,构建了基于多目标规划模型的平衡状态下的共享电单车归还模型。首先,应用快速非支配排序遗传算法(NSGA-Ⅱ)确定平衡状态下的归还点分配方案;然后,结合专家打分、COWA算子、博弈论组合赋权法和TOPSIS法,从帕累托最优解集中选出最佳方案;最后,通过对比普通归还点分配方案里的用户所需付出的步行代价、时间代价和共享电单车的区域供给性,来验证实验结果的有效性。

机器带有周期维护和准备时间且工件可中断的混合平行机调度问题

从义齿加工厂隐形义齿和氧化锆全瓷牙这两种义齿的生产流程中,提炼出一类混合平行机生产调度问题。在这个问题中,一部分机器带有准备时间,剩余的机器将会设置对应的周期维护,在机器维护过程中不再进行工件加工,目标是最小化最大完工时间。在前人研究的基础上,对于机器只考虑准备时间或只考虑周期维护的特殊情况这2个问题提出了机器具有准备时间和周期维护的混合平行机调度问题,以注水模型为基础,结合每种机器的不同情况,通过分类讨论提出了两个多项式时间内可解的最优算法。

容错控制系统鲁棒H_∞和自适应补偿设计

通过设计动态输出反馈控制策略研究线性时不变系统执行器故障下的鲁棒自适应容错H∞控制问题.结合自适应技术和线性矩阵不等式(Linear matrix inequalities,LMI)技术,设计一个控制策略同时实现系统的故障补偿控制和性能优化控制.在设计中,提出由自适应律在线调节控制增益方程补偿未知执行器故障和摄动;并设计一个基于模式依赖李亚普诺夫方程的LMI条件解出控制参数及次优H∞性能.所设计的动态输出反馈控制器可以处理一般执行器卡死故障,并得到更少保守性的H∞性能指标.此外,一个更具挑战性的问题,即通过自适应机构补偿故障致使系统多少性能退化得到论证.所提方法的有效性由一个解耦线性化动态飞行器系统仿真验证.

随机带宽分配对复杂网络传输性能的影响分析

研究了连接边带宽资源有限时,随机带宽分配对复杂网络传输的影响。通过设计两类异质化随机带宽分配方案及在HK-BA无标度网络中的仿真试验,发现完全随机地分配网络连接边带宽对网络负载的影响带有不确定性;同时,G-L路由策略相对于最短路由策略在保持带宽随机性分配对网络最大负载影响方面具有较好的鲁棒性;在对分类随机带宽分配方案的研究中,发现在介数存在异质性分布的复杂网络中,为权值由高到低的边集分派相应由高到低的带宽集,有利于提升网络负载性能。

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型.通过结果比较,得出两种神经网络的应用特点:对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势.

无标度网络的局部路由策略仿真分析

考虑到现实世界巨大的网络规模很难获得全局信息的情况,提出一种结合静态和动态信息的局部路由策略.该策略同时考虑了所选择节点度的大小和在该节点已有数据包队列长度的信息.通过两个参数分别调节节点度与数据包队列长度之间的权重以达到最大网络传输能力.仿真结果显示,与单独的只依靠静态信息或是动态信息的局部路由策略相比,所提出的新路由策略可以通过调节一组最优控制参数使得网络的吞吐量最大.值得注意的是,这组最优参数的取值范围与网络中的拥塞表征参数有很大关系.

控制系统计算机仿真课程存在的教学问题与改革措施

分析了"控制系统计算机仿真"课程的教学现状,立足于具体的教学实践,从教学内容体系、教学方式、课程考核方式与教学实验等方面提出了"控制系统计算机仿真"课程的改革措施。

带有不可用区间、工件可拒绝的单机调度问题

从企业生产经常发生的一些实际问题中提炼出一类带有不可用区间、工件可拒绝的单机调度问题.目标函数是最小化加工工件的总完工时间与拒绝工件的惩罚和.对于这个已证明为NP难的问题提出一个动态规划算法最优求解小规模问题,为求解大规模问题,改进了已有最坏性能为4的启发式算法,并进一步证明了该算法的最坏性能为2+4/5+2■2k+8(k为算法的迭代次数).

基于随机交叉机制的同步优化网络模型

在不改变网络度分布的前提下,采用随机交叉机制对网络的同步能力进行优化,提出了一种无标度网络的同步优化网络模型.在同步能力提高的过程中,观察网络匹配特性、聚类系数、特征路径长度和最大介数的变化趋势.仿真结果表明,对于类型Ⅰ无标度网络,最大介数与同步能力没有相关性,而对于类型Ⅱ无标度网络,最大介数随着同步能力的增加而减小.无论哪一种类型的无标度网络,网络同步能力增加时同配特性均降低.

工件和工具混合搬运的多吊机调度问题

从钢铁企业罩式退火过程提炼出一类工件和工具混合搬运的多吊机调度问题以最小化最大完工时间.由于该问题是强NP-难的,提出一个基于工具分配的启发式算法并证明了算法的绝对性能比为2,渐近性能比为3.算法的性能通过数值计算实验给出了估测,结果表明,所提出的启发式算法对大规模问题也可以产生高质量的解.

ControlLogix控制系统在伺服系统中的应用

设计了一种基于ControlLogix控制系统和SERCOS网络的伺服系统,应用相应软件设计了控制程序和监控系统。实际运行结果表明,所设计的系统具有良好的实时性,监控系统操作方便,能够实现精确地定位控制、多轴协调运动;同时可实现多轴轨迹运动插补控制,并能保证较小的运动误差。

具有无标度特性的港口网络演化模型

针对现实港口网络自身的结构特征,提出一个具有无标度特性的港口网络演化模型.在经典BBV加权网络模型的基础上,通过引进三角连接结构,研究了三角结构的演化机制对无标度模型结构特性的影响.仿真结果表明,该港口网络的度和强度都服从幂率分布.港口网络的平均簇系数与度的函数关系服从幂率分布.仿真结果表明三角结构的演化机制能够显著的提高网络的聚类系数.

钢卷仓库中的吊机调度问题

研究了钢铁企业冷轧原料库中的吊机调度问题.将吊机的运输和倒垛操作集成考虑,目标函数为将全部需求板卷运输到指定位置的时间最小化.对于该问题,首先提出了一个混合整规划模型,进一步证明了该问题是强NP难的.基于对问题性质的分析,针对无倒垛操作的特殊情况,提出了多项式时间可解的最优算法.对于问题的一般情况,提出了一个启发式算法并分析了它的最坏情况.

二机流水作业带不可用区间、工件可拒绝的调度问题

考虑了二机流水作业第一台机器带不可用区间、工件可拒绝的调度问题.所有的工件都是加工可中断的,即当某一工件在不可用区间出现之前开始加工但在机器不可用时并未加工完成,在不可用区间结束后可以接着加工.目标函数是最小化接受加工工件的最大完工时间与拒绝工件的惩罚之和.此问题是NP-难的.首先提出了一个动态规划的最优算法以求解小规模问题,并给出了数值计算实例.所提出的动态规划算法的运算时间随着问题的规模成指数增长,进而又提出了一个启发式算法,并证明了该启发式算法的最坏性能比是3.

钢卷仓库中多吊机调度问题的模型与算法

研究了钢卷仓库内的多吊机调度问题.建立了多吊机协调调度的模型,并证明了问题的复杂性.基于对问题可行性质的分析,提出一个基于分散搜索的启发式算法,并进一步分析了算法的最坏性能比为2.