基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

基于Haar小波运算矩阵的分数阶系统辨识方法

分数阶微积分因为其阶数可以是任意数，因此能够更加准确的描述动态系统。虽然分数阶系统受到了越来越多的重视，可是，如何建立分数阶系统目前仍处于积极探究阶段。考虑到分数阶微分的非局部性，利用小波运算矩阵为工具，给出了一种分数阶系统的辨识方法。其好处在于能够利用小波的多分辨特性对激励信号和响应信号进行数据压缩，从而降低运算矩阵的维数，可解决因矩阵维数过大导致内存溢出的问题。     

考虑避灾心理和灾害影响的疏散仿真方法

在在灾害发生时,安全高效的疏散人群是提高公共安全的重要保障。因此有效可行的疏散仿真方法具有深刻的理论和现实意义。当前主流方法较少考虑与疏散相关的灾害动态演化,为此提出了DERR(Dynamic Evacuation Route Replanning Based on Psychology)方法。DERR方法围绕人群的避灾心理参数进行相关研究,利用A*寻路算法,实时根据灾害区的变化对人群的疏散路径重新规划和优化,以达到更加安全疏散的目的。通过仿真实验展示了本方法在灾害演化下的疏散模拟过程,同时心理避灾参数的加入也使得仿真结果更加贴合现实。     

实现船舶稳性的多油舱自适应调度算法及仿真

针对油舱对船舶浮态与稳性的影响，研究了保持船舶稳性的多油舱自适应调度控制算法，并用WinCC (Windows Control Center)组态软件编写了船舶自动浮态调整仿真系统。在系统架构上，采用布尔逻辑表构建了油舱、泵、管路之间的连通关系，并根据浮态方程计算出舱群之间的调驳油量，再根据多变量多约束的自适应优化调度算法实现了油舱驳油过程中浮态的平衡。仿真结果表明调度算法可以对船舶的浮态进行有效调整，并保持船舶稳性，避免了由油舱油量分布不均给船舶带来的不利影响，保障了航行安全。     

多重约束下智慧仓储机器人配置仿真优化研究

针对智慧仓库的仓储机器人配置问题,构建了基于排队论的离散事件仿真模型,在保证系统可靠性和服务强度的前提下,考虑到故障对系统的影响,以距离成本、时间成本、空闲成本和购置成本所构成的总成本最小化为目标,提出了一种基于FlexSim平台的离散事件仿真优化方法。通过分析系统平均队长、订单平均逗留时间等指标,将直观化的系统瓶颈与运行实际数据相结合,求得系统成本最小的配置策略。结合实例,对算例中的智慧仓库机器人配置方案进行求解。结果表明,基于FlexSim平台的离散事件仿真寻优方法,能够求解仓储机器人配置的优化方案,并能保证模型方法的计算效率。     

基于泊位坐标的无人船自主靠泊仿真研究

针对神经网络自主靠泊控制器只能完成特定港口的靠泊,而无法拓展到其他没有训练数据的泊位这一问题,提出一种以泊位顶点为原点,岸线为y轴的坐标系(泊位坐标系)。采用泊位坐标系中相对位置来训练神经网络控制器,在V.Dragon-5000航海模拟器中选取集装箱船“银河号”,在大连港进行靠泊训练后,成功将靠泊控制器拓展到没有训练数据的深圳蛇口港与新加波樟宜港。仿真验证了采用新建立的坐标系可以拓展神经网络自主靠泊控制器适用范围,减小训练数据所需的成本。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。