黎明公司锅炉及热网控制方案进一步研究与实施

在原有实践的基础上,进一步明确控制目标,建立了确定总流量设定值的模糊规则,体现了量调节要兼顾各主要工艺参数的思路;设计了专家系统进行综合控制与管理,实现了从整个热力系统能量平衡的观点进行控制与管理的总体方案.     

挖掘机器人阀控缸系统RBF神经网络参数辨识

为提高液压挖掘机器人工作装置轨迹规划控制精度,减小按照理想模型进行控制的阀控缸系统存在的控制误差,获得更接近实际状况的阀控缸系统控制模型,采用RBF神经网络方法,建立含阀控缸系统待辨识参数及Jacobian信息的线性方程组.以挖掘机斗杆油缸为研究对象,经实验获得油缸进回油压力、斗杆倾角参数,辨识出阀控缸模型中阀的增益系数kq、体积模量Eoil和内泄漏系数Cli.最后通过对阀控缸系统进行力控制实验对比研究,验证了采用辨识参数的系统模型控制精度较好,有很强的鲁棒性.     

基于多传感信息的挖掘机器人导航及避障技术

为实现挖掘机器人在挖掘作业前,无碰撞安全行走到作业场所,采用视觉、红外及超声波传感器,采集挖掘机器人外界环境信息,通过红外及超声波传感器实现墙壁跟踪导航;依靠视觉传感器,实现巡线、道路识别、导引车辆跟踪导航;依靠光流法提取障碍物特征信息,实现路面障碍物的识别、避障。研究结果表明:综合使用多传感器信息,可以实现挖掘机器人的导航及避障目标。     

改进逐行法恢复空间移变振动降质图像

为了恢复双目立体视觉天车吊运系统中振动造成的图像模糊,更好的突出图像的特征。提出考虑相邻行作用的逐行恢复点扩散函数方法,恢复复杂空间移变振动降质图像。首先,建立了正弦振动模糊的降质模型,并分析了降质图像每行点扩散函数受相邻行影响;其次,采用中值滤波对图像进行去噪处理,消除图像的高频噪声;最后,考虑相邻行作用并逐行恢复点扩散函数的方法恢复模糊图像;就水平方向运动模糊和正弦振动模糊进行实验,并用图像分析评价指标客观分析图像恢复质量。实验结果表明,该算法恢复的图像细节更清晰,特征更容易识别,有效的提高了天车吊运系统的可靠性。     

基于ANFIS的挖掘机器人挖掘轨迹仿真

为提高液压挖掘机器人工作装置挖掘作业轨迹规划控制精度,将挖掘机器人工作装置简化为斗杆、铲斗两关节二维机械臂进行分析.在建立逆运动学模型时,要将铲斗末端位姿空间与工作装置关节空间和油缸空间联系起来进行轨迹规划,以便在各个空间实现对挖掘机器人的控制.为提高跟踪期望轨迹精度,采用两个自适应神经模糊推理系统(ANFIS)分别学...     

复合絮凝剂处理含油废水的研究

含油废水是一种常见而又难于处理的工业废水。目前常用PAC絮凝剂处理舍油废水,处理效果不好而且耗费的絮凝剂量较大。本课题针对这一问题,采用复合法絮凝处理舍油废水并与单一絮凝剂的处理效果进行了比较,结果表明,投加复合絮凝剂,具有投药量少,除油效果好的特点。     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于OpenCV的挖掘机器人摄像机参数标定

为了建立挖掘机器人视觉系统摄像机测量模型,提高视觉测量精度,分析了挖掘机器人摄像机视觉系统内、外参数成像模型及摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板不同方向的七幅图像,基于OpenCV技术实现了对模板角点的提取。通过七幅图像进行标定实验,实验结果获得了摄像机模型的线性内部参数矩阵,标定出了摄像机非线性模型的径向畸变系数,摄像机外部旋转矩阵及平移向量,并给出了标定参数误差。研究结论表明采用角点提取方法,标定误差可达亚像素级,能够满足挖掘机器人视觉系统的标定及视觉测量精度要求。     

原点反共振振动机振幅可靠性分析

分析了原点反共振振动机的原理,以此为基础推导出原点反共振振动机上下质体稳态振幅的表达式.提出了反共振振动机可靠性及可靠激振频率区间的概念,分析了由于加工、安装等误差造成的反共振振动机各元件参数的随机性.基于随机摄动法,对反共振振动机的振幅响应进行可靠性分析,对振幅的稳定性条件进行量化,从而获得反共振振动机械可靠工作的激振频率区间,为验证原点反共振振动机参数选择的合理性及寻求可靠工作的激振频率区间提供了一种有效方法.最后进行了算例仿真.     

基于模糊聚类判别的挖掘机器人行为控制

为实现挖掘机器人的自主挖掘,构建了适合挖掘机器人的行为控制体系结构.以挖掘行为作为基准,用状态流模型实现挖掘目标、挖掘任务、挖掘行为的逐层分解.采集目标图像、机械臂倾角及液压缸压力信号,作为状态流行为状态之间触发转换的事件或条件.针对挖掘中遇到的沙土物料、表面块状物料、块状物料埋于沙中3种挖掘环境,综合视觉定位信息、压力及倾角信息,通过模糊聚类判别后,触发挖掘动作状态流模型,有区别地自主处理挖掘中遇到的不同情况.最后通过控制挖掘动作,实现自主挖掘目标.