城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

智能高速罐身电阻焊机数字化控制系统

提出了以国产MCT80 0 0F8运动控制器为核心的智能高速罐身电阻焊机数字化控制系统 ,并介绍了系统的组成、工作原理、硬件接口、电机控制方法以及伺服电机的运动关系数学模型 .新的系统有利于提高罐身电阻焊机的制罐生产速度 ,并具有功能全面、可靠性高、控制精确、开放性好以及成本较低等优点     

高性能称重配料系统控制策略的研究及实现

着重针对应用于饲料生产工艺的称重配料系统的控制策略进行研究,特别是对空中落差的研究,推出了实现该控制策略的高性能称重配料控制器,并进行切实可行的软硬件设计,以真正实现称重配料系统的高性能。     

PLC对电动机位移控制的制动实验

PLC应用微分算术左移 @ASL ( 2 5 )指令和微分算术右移 @ASR ( 2 6)指令 ,完成对3台电机的控制 .1 # 电机停止采用能耗制动控制 ,2 # 电机停止采用反接制动控制 .     

惯性导航系统水平阻尼网络的自适应控制

当海况变化较大时，惯性导航系统(INS)的误差振荡幅度较大．为了减小系统误差的振荡幅度，提出了一种新的设计思想，采用自适应控制方法，根据实际的海况变化情况，实时校正阻尼参数，使由舰船的机动性造成的系统误差最小．结果表明，与传统方法相比，水平误差角振荡幅度减小了约50％，速度误差振荡幅度减小了约30％．经度、纬度和航向误差振荡幅度也有明显改善；水平阻尼网络的自适应控制有效地改善了INS的动态性能．     

PLC在双动压力机控制系统中的应用

PLC应用:ROL(027)循环左移指令、ROR(028)循环右移指令完成自动与手动控制,INC(038)BCD码加1指令完成单次控制,@ROR(028)微分循环右移指令完成循环控制,DIV(033)BCD码除法指令完成安全工作报警控制.     

神经网络自适应滤波器在故障诊断中的应用

分析了用自适应滤波器进行故障诊断的方法．针对该方法在计算上要花费大量时间、难于完成实时诊断任务的缺点，提出了用神经网络自适应滤波器来完成故障诊断的方法．神经网络有极快的运行速度，能很好地完成实时诊断任务．     

一类混沌系统的自适应模糊控制器设计

通过混沌系统的形式的抽象，提出了一种间接自适应模糊控制方法来控制一类具有未知非线性函数的混沌系统跟踪一参考轨迹．     

A Dynamic Forecasting System with Applications in Production Logistics

Production logistics involve the co-ordination of ac tivities such as production and materials control (PMC), inventory management, p roduct life cycle management, etc. Those activities demand for an accurate forec asting model. However, the conventional methods of making sell and buy decision based on human forecast or conventional moving average and exponential smoothing methods is no longer be sufficient to meet the future need. Furthermore, the un derlying statistics of the market information change ...