基于主被动负载的负载独立口双阀节能控制系统研究

为保证电液伺服系统控制精度高、负载能力强、频率响应快等特点,同时实现降低成本、节省能源的性能,提出了一种基于主被动负载的负载独立口双阀节能控制系统,由负载独立口双阀控制系统和节能恒压伺服泵站构成.首先从机理上建立了该组合系统的数学模型,分析其静态工作点和节能性能.同时具体研究可能存在的4种复杂工况和4种控制模式.并据模型特性,设计了非线性且抗干扰较好的鲁棒自适应控制器及控制策略.最后设计实验平台进行对比实验验证该系统的可行性、控制性能和节能效果.      

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

执行器故障检测的神经网络观测器方法

针对一类非线性系统,提出了一种用于执行器故障检测的神经网络观测器方法·这种非线性系统具有未知非线性函数,不需要满足结构匹配条件,并且不要求系统状态可测·观测器利用神经网络器逼近系统中的未知非线性项,提高了状态估计的精度·估计的残差提供了故障检测的手段,另一方面利用自适应律进行故障的识别·基于李亚普诺夫方法,从理论上证明了状态估计误差稳定且渐近收敛到零·最后,仿真结果表明该方法的有效性·     

基于2维滤波的图像定位

图像定位处理是图像识别的一个重要的前端处理模块,在对2维卷积定位研究的基础上,提出一种用2维滤波对图像定位的方法,并将其实际应用到文字定位上,实践证明该方法能够准确的实现图像定位.     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

基于一种改进的一维卷积神经网络电机故障诊断方法

故障诊断对于保障电机正常运行有着重要意义,卷积神经网络（CNN）对单一电机故障有着良好的诊断效果.然而传统CNN在处理不同尺寸的数据上存在局限性.针对这一问题,提出了一种基于空间金字塔池化和一维卷积神经网络相结合的故障诊断方法与参数优化策略.该方法不仅使网络可以处理不同尺寸的数据,还降低了网络结构的复杂性和所需运算量.所提出的参数优化策略从理论上解决了诊断过程中可能会发生的金字塔池化的尺度失配问题.仿真结果表明,与传统网络相比,所提出的方法提高了网络结构的鲁棒性与泛化能力,可以更加快速准确地实现电机的故障诊断.      

对汉字图像进行细化处理的一种新算法

细化是图像分析和模式识别中的一个重要的操作,而基于图像集合运算的数学形态学细化算法则是细化算法中的一个重要分支,它可以利用灵活多变的结构元素对不同的图像进行处理.在保持原有图像拓扑关系不变的前提下,给出了一种新的形态学细化算法对汉字图像进行细化处理.     

基于Zigbee的数话同传技术研究

设计实现基于JN5139模块的全双工VoIP语音与数据同传终端,解决了缓冲区不足造成的声音断续问题.将其应用于多媒体无线传感器网络中,在Cluster+AODVjr的路由算法基础上,提出基于数据类型的路由策略,避免RREQ分组大量洪泛,并均衡节点能量消耗.借助E-model方法对语音质量进行评价,最远语音传输距离达150m,最高数据丢包率在8%以下.     

大惯量随动系统解析模型预测控制

为了提高时变负载大惯量随动系统的响应速度以及控制精度,将解析模型预测控制运用到负载系统的控制策略中.建立了大惯量随动系统负载的动力学模型,并考虑系统性能指标、能量输入功率和制动功率等约束条件,通过双无迹卡尔曼观测器对负载惯量扰动进行实时观测,实现了大惯量随动系统的解析模型预测控制.仿真试验结果表明,包含了约束条件的解析模型预测控制,减小了大惯量随动系统的响应时间,提高了控制精度,达到了预期的控制效果.     

Multi-PCA模型过程监测方法

为了研究具有大量高度相关的过程变量的非线性系统的故障诊断问题,提高用于故障检测和诊断的PCA模型的精度,提出一种基于多PCA模型的方法.设计的基于超椭球面的分类规则用来对过程数据分类,建立的多PCA模型用于过程监测,SOFM网络用于故障诊断.发酵过程中的仿真结果表明,多PCA模型方法能确定合理的受控限,提高了过程监测的精度,验证了方法的可行性和有效性.