动车组进站过程精准停车控制方法研究

通过分析高速动车组进站停车过程中制动力与速度之间的关系,构建动车组多质点动力学模型。由于制动停车后期产生空气制动力过程给系统带来延时影响,引入Smith预估器,采用基于RBF(Radial Basis Function)神经网络的PID控制策略与Smith预估器相结合,实现制动过程中对给定速度的跟踪控制。仿真分析表明:该混合控制器控制的列车速度与设定速度的误差小于±1 km/h,停车误差小于±0.3 m,可满足进站制动停车的要求。     

新型变形轮腿式移动机器人的运动学分析及设计

移动机器人作为智能勘探与侦察的自动化装备,在航天探测、军事侦察、抢险救灾等领域具有广阔的应用前景.兼具良好的机动性及越障性是移动机器人快速适应非结构化复杂环境的首要性能指标,结合轮式行进机构强机动性与腿式行进机构优越障性的变形轮腿式移动机器人受到普遍青睐.然而,现有变形轮腿式移动机器人在设计与优化方面仍存在变形形式过于复杂、设计方法缺乏理论依据等不足.针对上述问题,提出一种结构紧凑、操作简便的新型轮腿变换结构,借助电磁离合器分离运动的原理,通过改变轮-腿变形动力输入促使轮与腿相对运动,以曲柄滑块机构触发轮-腿结构径向扩展,完成由轮式变形为腿式的过程.定义变形过程中曲柄滑块机构的压力角为机动性指标、变形前后结构的展开比为越障性指标,进而开展变形结构的尺度综合,优化结果表明新型变形轮腿式移动机器人的展开比为1.92,可越过高度为150 mm的障碍物.基于优化后的尺度参数,建立变形轮腿式移动机器人越障过程的动力学模型,确定驱动电机参数,设计并制造物理样机.最终开展软件仿真与实验研究,仿真结果与理论分析结果一致,表明优化设计方法与动力学建模方法的有效性,实验结果证明所设计的变形轮腿式机器人具有...     

基于知识图谱的核电设备健康管理知识建模与分析

随着信息技术发展,设备健康数据与知识图谱技术结合为设备健康发展带来新的发展机遇,知识图谱利用其多种特异性优势,使企业系统中积累的海量设备维修数据得到有效整合利用.本文提出基于知识图谱的核电设备健康管理知识建模与分析方法,并根据实体关系模型构建维修知识图谱本体框架,同时基于核电企业实际的维修工单数据,从统计分析和关联分析两方面取得良好的实践效果.研究结果表明,知识图谱能够在设备维修知识的集成上解决传统的数据孤岛问题,同时能基于故障的可视化分析为维修人员和管理人员提供决策和知识支持.     

船舶运动建模与仿真研究进展及未来发展趋势

梳理和分析了国内外学者对船舶运动建模与仿真所做的工作,概括了在风、浪、流、冰、船间效应、岸壁效应等作用下的船舶操纵性预报,介绍了船舶运动仿真的主流方法及在模拟中的应用,总结归纳了船舶运动建模与仿真研究进展中的关键技术,并指出智能化建模和仿真将会成为未来发展趋势.     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

数学建模中智能优化算法教学方法探究

优化数学模型在数学模型中具有重要地位,智能优化算法作为求解优化模型的常用方法,具有求解能力强,算法设计简单,易于实现等特点.但是学生在利用智能优化算法求解优化模型时往往会遇到很多困难.从教学内容中算法选择要有重点,教学设计要注重学生实际,教学手段要灵活多样3个方面探讨数学建模中智能优化算法的教学方法,对提高教学效果有一定的帮助.     

基于Petri网的MES系统形式化建模

针对一般车间执行制造系统结构复杂性高、重构能力弱、性能分析困难等问题,以水产品加工MES系统为例,通过Petri网对其进行形式化分析与建模.对水产加工的流程进行逐级分解、细化,根据功能将整个系统划分成3个模块,基于Petri网分别对3个模块进行集成建模.最后根据Petri网理论知识,对MES的Petri网模型复杂度与结点特性进行分析和研究,建立一种行业通用的、结构简单易扩展、灵活性强的Petri网模型.     

非动态的背景建模与前景检测算法

为了从一些复杂的场景中提取出人像,用到的开源代码有很多,其均假设若一个像素的颜色在较长时间内变化不大,则认为它是背景。但是,这些开源代码在用于一些自拍摄像头时效果较差,因为当一个人端坐在摄像头前,他的像素不会发生很大变化。因此,本文提出了另外一种算法,该算法基于如下假设:在背景建模期间前景不会出现,且背景建模结束后,背景的变化始终为建模期间背景变化的子集。这种非动态的算法适用于提取距离摄像头距离更近的对象。     

大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel State Information Network,MCSINet),对反馈的信道状态信息进行压缩及预测,能够显著减少信道状态信息捕获与反馈开销,及降低时延.MCSINet模拟信道状态信息编解码系统,采用残差网络从信道样本中学习并完成信道预测,并通过多分辨率的卷积操作以及针对不同压缩率改变网络结构,从而更好预测信道状态.实验结果表明:与LASSO,TVAL3,CSINet等方法相比,MCSINet可以显著提高恢复信道状态信息,并且具有更低的误码率,复杂度和时延.