离散化四足机器人自由步态控制方法

为了实现离散化四足机器人自由步态的控制,提出一种新的基于中枢神经模式发生器(CPG)的自由步态控制方法。介绍了离散化四足机器人模型,在已确定的地形中,设定四足机器人起始点与抵达点的状态。将连续步态按照离散化步态完成排序,形成排序集合。在此基础上,利用中枢神经模式发生器CPG,采用周期性振荡信号对离散化四足机器人腿部各关节进行控制,给出单独神经元模型。为了便于分析,使用互抑神经元构成的振荡器对神经元的输出信号进行改善,通过该振荡器产生规律的振荡信号,以控制离散化四足机器人完成自由步态移动。实验结果表明,所提方法能够有效控制离散化四足机器人实现自由步态移动。     

基于dsPIC智能无功补偿装置的设计与实现

当前无功补偿装置将晶闸管开关、空气开关、控制单元和电容器等零散地分布在配电柜中。使用控制器控制多个电容器,若控制器出现故障,则整台装置将无法正常运行。为此,设计了一种基于dsPIC的智能无功补偿装置,给出装置硬件总体结构,以dsPIC6014A为主控制芯片对三相电压、电流进行采样,通过FFT法求出电力参数,依据无功功率对电容器的投切进行控制。给出dsPIC芯片原理,介绍了电网信息数据采集电路、过零点投切开关电路、晶闸管驱动电路和磁保持继电器驱动电路。给出装置的主程序流程图,将其和各硬件电路结合共同实现智能无功补偿装置的各个功能。实验结果表明,所设计的智能无功补偿装置补偿效果好,性能高。     

基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统抗干扰能力差、稳定性不高以及AQI指数预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络GRU于一体的空气质量监测系统。系统利用LoRa技术采集环境参数,集合云平台技术、SSA-VMD-GRU模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000米内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差RMSE和平均绝对误差MAE均有降低,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。