基于负载口独立控制的双伺服阀控缸系统

针对电液伺服系统对控制精度和节能的需求,提出了一种基于负载口独立控制的双伺服阀控缸系统.首先对系统进行了建模分析,然后利用鲁棒自适应的方法对系统进行了完全解耦,针对主、被动负载均存在的位置伺服工况,设计了以位置跟踪为目标的进油口控制器和以压力控制为目标的回油口控制器.同时分析了系统的节能性,设计了基于扩张状态观测器（ESO）的油源压力控制器以及液压泵流量控制器.最后通过实验验证该系统的控制性能和节能效果.      

神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

桉树人工林区水体泛黑机理研究进展

围绕桉树人工林区水体突发性泛黑的形成机理,参考国内外关于缺氧性黑水事件的主要研究成果,重点从桉树人工林区泛黑现象的表征,致黑物质特性及来源,水体突发性泛黑的驱动因素,模拟预测及适应性调控等5个方面,讨论了桉树林区水体泛黑机理的研究进展。研究认为,桉树人工林区的黑水是一种出现在林区洼地、溪流、水库等不同规模水体的颜色如墨的水,其致黑物质主要为桉树茎叶残体浸出液富含黑色溶解性有机碳(DOC)、单宁酸等,单宁酸与金属离子结合形成的黑色络合物,以及当水体缺氧时形成的黑色金属硫化物。气象条件骤变,水文情势突变,沉积物的累积与运移等因素驱动了水体泛黑:对受水温分层结构影响的大中型水库等深水水体而言,致黑物质累积在水体底层,当气温骤降,水温分层结构失稳,水体内部多种化学反应及物质的运移过程发生变化,此时水体变黑。水文情势突变时,以潜流形式进入水库的径流将林区大量DOC、植物残渣、泥沙携带进入水体,导致水体泛黑。沉积物中微生物分解及氮、磷等的释放加重了水体底部缺氧,为致黑物质形成创造了环境。为了更好地预测和调控黑水,建立黑水运移模拟模型及对黑水进行适应性调控也尤为重要。目前现有研究大多集中于小规模水体(如溪流、河道等),而对会发生分层现象的大规模水体(如深水湖库等)的黑水发生机理仍不完全明晰,流域层面上的黑水模拟与预测还需进一步研究,桉树人工林区水库泛黑机理研究是未来重要方向。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

考虑系统总和扰动的多关节机械臂 反步有限时间滑模控制

针对多关节机械臂轨迹跟踪控制中存在的模型参数摄动和外部有界扰动等不确定性因素影响问题,设计了一种考虑系统总和扰动的反步有限时间滑模控制算法,用于实现多关节机械臂轨迹跟踪控制任务。首先,利用严格反馈形式描述多关节机械臂的动力学模型,并将模型参数摄动和外部有界扰动等不确定性因素看成系统的总和扰动,进而设计非线性扩张状态观测器对系统总和干扰加以估计,以提高系统的鲁棒性能;其次,在传统反步法设计的基础上结合有限时间滑模控制技术,完成系统反步有限时间滑模控制器的设计;最后,应用Lyapunov稳定性理论证明了多关节机械臂的位置矢量能够实现对期望位置矢量的有限时间稳定跟踪。仿真对比结果表明设计反步有限时间滑模控制算法的有效性。     

自适应卡尔曼滤波在供水管网爆管预警的应用

根据Supervisory Control and Data Acquisition （SCADA）系统异常监测值能及时预警供水管网爆管,但由于用水周期变化、随机波动及监测误差,导致实际中很难预警较小爆管。针对该难题,开展了基于自适应卡尔曼滤波的供水管网爆管信号识别研究,提出将历史监测数据按用水周期分解,采用自适应卡尔曼滤波结合平均低通滤波对管网供水量进行实时估计,根据监测值与估计值的差,预警爆管、估算爆管流量。分别采用仿真数据与实测数据验证所提出方法,结果表明,所提出方法可用于实际供水管网爆管预警;对所采用实测数据,爆管预警精度约为最大时水量的9%;此外,实际爆管预警精度主要取决于用水量本身的随机波动,同时与监测数据采样频率相关。     

碳纤维角联织机卷取系统张力网络化控制研究

针对碳纤维角联织机卷取系统中的张力控制问题,对卷取系统进行动力学分析并建立动力学模型;在考虑网络诱导时延、数据包丢失及网络带宽占有率等因素的基础上设计一种自适应模糊PID控制器,将此控制方法与常规的PID控制方法进行仿真对比。结果表明,在同时存在网络诱导时延、数据包丢失及网络带宽占有率的情况下,自适应模糊PID控制方法超调量小、输出张力波动小、跟踪效果良好、系统稳定性强,具有更好的控制效果。     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.