关键词： 智能机床   误差补偿   自适应加工   模糊控制   切削颤振  

摘要： 机床智能控制系统是智能机床的核心和大脑,而智能机床又是智能制造领域的关键组成部分。因此,对机床智能控制系统的研究和改善有助于提升制造业核心竞争力,具有重要工程价值。区别于传统数控系统,机床智能控制系统具有自感知、自决策及可代替人工经验进行智能判断等功能。因此本文以能够提高数控机床加工过程智能化水平的三个途径(误差补偿、自适应加工、颤振监测与抑制)着手展开研究,旨在为机床智能化发展提供一定的理论参考依据。首先,针对机床误差补偿进行研究,通过误差溯源分析得到了占据机床总误差比重最多的是几何误差及热误差。对于几何误差,使用激光干涉仪测量并辨识了三轴机床的21项误差元素,并采用切比雪夫多项式对误差元素进行拟合,改善了龙格现象,又建立了基于齐次坐标变换原理的几何误差空间数学模型。对于热误差,本文主要以发热量最大的电主轴为研究对象,提出了基于热弹性理论与温度场积分中值定理的电主轴径向、轴向热误差建模方法,分别得到了温度与径向热漂移的数学模型及温度与轴向热伸长的数学模型,尤其是建立了轴向热误差的线性模型(仅需一个传感器测量关键点处温度即可得到热伸长量)大大减少了传感器的数量及操作难度。又提出了一种基于球杆仪的电主轴热误差测量新方法,并将测量值与建模值做了比较,验证了所提热误差建模方法的可靠性。然后,针对自适应加工进行研究,提出了基于模糊控制理论的主轴恒功率自适应加工控制系统,为了克服模糊控制器在反模糊化时计算量大、占用资源多的问题,提出了使用Matlab建立模糊控制表的方法,在控制时只需进行查表即可得到控制量,大幅提高了控制效率和响应速度。而模糊控制器由于其特性,会产生稳态误差,且响应速度不佳,针对该问题本文又提出了双模态控制和引入误差积分环的控制优化方法,在消除稳态误差的同时改善了系统响应速度。而对于模糊控制中参数选取过度依赖人工经验且缺乏理论依据的问题,提出了基于鲸鱼优化算法并使用Matlab与Simulink联合仿真的参数寻优技术路线。其次,切削过程发生的颤振也是阻碍机床提高加工效率和智能化水平的重要因素。针对颤振的监测与抑制进行研究,本文提出了改进的小波包能量熵颤振监测指标,排除了主轴转频及齿通过频率对能量熵值计算的影响,提高了监测灵敏度和可靠性。因为单一能量熵指标易受环境高频噪音的干扰,为了改善该问题,本文从刀具运动机理着手,并结合庞加莱截面分析法,提出了与主轴转频同步采样的方差监测指标,使用双指标对颤振进行监测将大幅提高鲁棒性。为了抑制颤振,对切削系统进行了动力学建模分析,得到了基于转速迭代的颤振抑制算法。最后,为了对前文所提出的误差补偿及颤振监测抑制方法进行试验验证,开发了基于坐标原点偏移法的外挂式误差补偿器,对机床几何误差和热误差进行了补偿试验。但由于该补偿器是并行数据传输方式,占用机床硬件资源较多,后又使用C#语言和Visual Studio 2015开发了基于TCP/IP通讯协议的机床智能控制系统,并用该系统完成了误差补偿、颤振监测与抑制试验。试验表明该控制系统提高了机床加工精度并有效提升了机床的智能化水平。

关键词： 强化学习   空调系统   节能控制   Niagara框架  

摘要： 作为维持地铁站内舒适度的关键设备,空调系统的能耗在站点总能耗中占比35%。因此,节约空调系统能耗是降低站点总能耗的关键因素之一。然而,空调系统的多输入、多输出和强耦合特性,以及实时客流量和内部热源所产生的负荷干扰,使得设计有效的节能控制算法变得极为具有挑战性。本文基于强化学习,提出了地铁站空调能耗智能控制算法,具体工作如下: 1)针对传统的地铁站空调系统控制算法无法兼顾舒适度和节能的局限性,本文基于地铁站的建筑结构和空调系统的运行机理,使用Energy Plus建立了地铁站模型,并在此基础上,将控制算法的优化问题建模成相关限制下最小化空调系统能耗问题U。 2)根据问题U,本文从地铁站整体环境的角度出发,考虑了地铁站的客流量、室内热舒适度以及空气质量,提出了一种基于SAC-PER的宏观控制算法。实验结果表明,本文所提出的算法较于Soft Actor Critic、Deep Deterministic Policy Gradient以及基于规则的控制算法,分别降低了3.10%、4.85%和12.85%的能耗,并能够更有效地维持地铁站整体环境的舒适度。 3)鉴于单个智能体无法从地铁站区域环境的角度解决问题U,本文在整体环境的基础上考虑了地铁站各区域物理环境之间的时空耦合约束,提出了一种基于MASACPER的细粒度控制算法。实验结果表明,本文所提出的算法较于Multi-Agent Deep Deterministic Policy Gradient和基于规则的控制算法,分别降低了2.07%和15.89%的能耗,并能够更有效地维持地铁站各个区域的舒适度。 4)本文基于所提出的控制算法,利用Niagara框架,开发了空调智能能耗管理平台。该平台实现了对空调系统的状态监管、运行控制、历史数据分析以及能耗管理的功能。经过多次测试,该平台能够长时间稳定运行。 综上所述,本文旨在确保乘客拥有舒适的乘车环境基础上,降低地铁站空调系统的能耗。为此,本文提出了两种基于强化学习的地铁站空调能耗智能控制算法,并且开发了基于Niagara的空调智能能耗管理平台。这项研究的意义在于响应了国家节能减排的号召,有助于推动社会的可持续发展。

关键词： 污水处理   曝气   智能控制   PID控制   模糊推理  

摘要： 针对传统污水处理曝气DO控制方法难以实现精准曝气且存在能源浪费等问题，设计提出了一套结合PID控制以及模糊推理的污水处理精准曝气智能控制方法，根据曝气控制相关的设定值，利用模糊推理获取输出量参数，由PID控制器根据参数精准控制曝气量。经对对比实验表明，该方法在满足溶解氧处理要求的情况下，可降低10%～20%的曝气量，有效实现了智能化、精准的曝气。

关键词： 飞机起落架   PID   模糊神经网络   自适应着陆  

摘要： 起落架作为直升机重要的组成部分,直接对其起飞以及着陆性能有着重要的影响。飞机最终的着陆效果与起落架控制系统的性能也息息相关。传统PID控制因其简便且较优的控制效果被广泛应用,但其调节性能的好坏主要是由指定的控制参数所决定的,这就导致很难满足一些特殊的、时变的操作过程的需求。模糊PID控制作为一种通过模糊推理能力来实现对PID中的参数进行自适应的新型控制方法,适应能力强,但控制精度不足,且稳定性差。本文提出了一种以模糊神经网络为基础的PID控制方法。通过应用神经网络的学习能力,可以实现对模糊规则的调节,使系统具备了强大的数据处理能力和学习能力,使得控制系统的响应速度与稳定性得到提升。最后通过试验验证这种新型控制方法在起落架自适应着陆模拟试验中的具体效果。主要研究内容与成果如下:(1)根据起落架机械性能及着陆规划,建立自适应起落架模型。通过对起落架的运动特点进行分析,建立飞机起落架单腿结构运动控制系统的数学模型,即先建立双闭环控制的数学模型,之后建立电机以及丝杠的数学模型,并运用复数矢量法对起落架单腿结构进行运动学分析,得出其数学模型,最终得到起落架单腿结构的运动控制模型。(2)为了验证模糊神经PID控制方法所具有的良好特点,应用Matlab中Simulink工具箱建立三种控制方法的数学模型,分别对他们进行了不同状态下的动态仿真。通过对比传统PID、模糊PID以及模糊神经PID在阶跃信号、扰动信号以及正弦信号下的仿真结果,分析得出模糊神经PID控制系统具有更好的控制性能。(3)设计并搭建飞机起落架模拟运行试验平台,分析控制方法在着陆过程中所发挥的实际效果。试验结果表明,在起落架控制系统中应用模糊神经PID控制方法后,其姿态调节时运动状态更加平稳,响应速度更快,同时整体抖动较小。在不同地形的起落架自适应着陆模拟试验中,应用此PID控制方法可以实现起落架结构在复杂地形的平稳着陆,进一步验证了此控制方法的实用性。综上可以得出,在飞机起落架控制系统中,应用模糊神经PID控制方法可以提高直升机着陆的安全系数,提高系统的响应速度,使其稳定性更强,鲁棒性更好,增强了飞机起落架对复杂地形的适应能力。

关键词： 快递分拣   柔性机械臂   输入非线性   通讯约束   自适应控制  

摘要： 在快递分拣中,随着业务量的逐年提升,分拣过程的自动化水平在不断加强。在提高分拣效率上,机械臂发挥着重要作用。采用柔性材质制造的机械臂,相比传统的刚性机械臂有着能耗低,灵活性强的优点,因而在快递分拣中的应用越来越广泛。但由于其组成材质的柔性,在执行过程不免产生较大的形变与弹性振动,影响柔性机械臂执行分拣工作的定位精度。除此之外,系统中存在的输入非线性与通信约束将影响输入的控制信号,使其不能完全发挥应有的控制作用,降低系统的控制精度和分拣效率。本文将对系统中存在的输入非线性与通信约束进行分析,开发相应的鲁棒自适应控制算法来实现系统的振动抑制与轨迹跟踪,从而提高柔性机械臂的分拣精度与效率。主要内容包括:(1)针对系统中存在的未知死区,对其非线性模型进行解构,设计估计变量与自适应迭代律去估计死区的未知参数,在控制器设计中消除死区的不利影响,减少系统分拣定位的稳态误差。(2)考虑系统中存在死区与输入量化,应用滞回量化器来模拟信号的量化过程,对死区和输入量化的耦合效应进行分析,在控制器设计中消除量化误差,从而使得系统在执行分拣快递时能在低通信速率下保持足够的控制精度。(3)当系统中存在输入饱和时,应用双曲正切函数描述输入饱和的非线性模型,基于反步法与Nussbaum函数进行控制器设计,补偿饱和非线性,避免控制信号的抖振现象,保证系统在输入幅值受限下仍能稳定快速地执行分拣工作。对于所设计的控制策略,本文将在理论上应用李雅普诺夫直接法进行稳定性分析,确保系统状态的有界性。利用Matlab软件对系统运行情况进行数字仿真,同时在Quanser公司开发的柔性尺控制平台上开展实验。引入其他的控制策略进行对比,观察所设计策略的执行效果,从而验证所设计控制策略的有效性与实用性。

关键词： 直流微电网   凸多面体方法   线性矩阵不等式   鲁棒模型预测控制   Tube不变集  

摘要： 直流微电网易于和分布式发电集成,且具有效率高、经济性好等特点,因而得到广泛应用。在直流微电网运行过程中,分布式发电单元的投切、负载突变和拓扑结构的变化都会引起母线电压波动,降低系统的稳定性。因此,对直流微电网母线电压稳定性控制方法的研究具有重要意义。本文针对直流微电网中的不确定性变化引起的母线电压波动问题,从三个方面展开了深入地研究和分析。(1)为了提高所设计控制器在不同运行条件下的鲁棒性,引入了凸多面体方法。首先建立了两个分布式发电单元互联的状态空间模型,并对其拓展得到了具有一般拓扑结构的直流微电网参数确定性模型。然后对直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化等不确定性利用凸多面体方法描述,建立了直流微电网的凸多面体模型。(2)针对直流微电网中不确定性变化引起的系统稳定性问题,研究了基于凸多面体方法的直流微电网分散式鲁棒H控制策略。利用扩展的线性矩阵不等式得到分布式发电单元子系统和直流微电网系统渐近稳定的条件,通过闭环极点位置约束提升了分布式发电单元的动态性能。然后通过求解分布式发电单元子系统的凸优化问题,得到了基于凸多面体方法的直流微电网分散式鲁棒控制器。在MATLAB/Simulink中模拟了直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化,观察系统的动态性能。结果表明:基于凸多面体方法的分散式鲁棒H控制能有效地保持电压稳定,与参数确定性模型的鲁棒H控制相比,该方法能够更好的抑制负载突变引起的母线电压波动。(3)为了降低不确定性变化对直流微电网母线电压的影响,研究了基于凸多面体方法的直流微电网分散式Tube鲁棒模型预测控制策略。首先对直流微电网凸多面体模型进行离散化处理,将互联耦合项视为扰动,建立了直流微电网的凸多面体离散化模型。然后将直流微电网的凸多面体离散化模型分解为标称系统和误差系统,通过求解模型预测控制器得到分布式发电单元的最优状态轨迹,对误差系统设计辅助反馈控制器,保证了误差系统的渐近稳定性。在MATLAB/Simulink中模拟了直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化,观察系统输出电压波动情况。结果表明:基于凸多面体方法的分散式Tube鲁棒模型控制能有效地抑制系统母线电压波动,与分散式鲁棒H控制方法相比,该方法对直流微电网中负载突变时具有更强的鲁棒性。

关键词： LoRa通讯   无线传感网络   支持向量机   LSTM神经网络  

摘要： 随着物联网技术以及各类科技手段的飞速发展,高新技术在现代农业中的应用也逐渐增多,使得温室大棚管理逐步走向模块化、高效化和智能化。虽然现代温室大棚的发展呈现多样化,但针对环境内参数采集、设备调控方面的研究却仍然无法满足对现代温室的需求,还存在着各类弊端,例如功耗高、价格昂贵等诸多问题。因此大部分温室还停留在以人工管理为主的阶段。为解决温室管理系统中环境采集、数据传输处理以及控制手段中存在的一系列问题,本文设计一套基于物联网的日光温室智能控制系统,经实验测试,系统能够长期可靠运行,可以用于现代温室的应用及管理。本文研究内容如下:(1)针对日光温室智能化、模块化水平不高等问题,本文设计了一套完整的温室智能控制系统。以网络层、传输层、应用层为系统框架,集成环境参数信息采集、传输、环境因子耦合调控、视频监控、数据处理及异常报警多种功能,为现代温室系统提供了新的控制方案,具备现实意义。(2)针对现阶段环境采集中的诸多限制,设施调控智能化水平不高,设备价格昂贵、通讯距离受限等现状,以Atmega328P-AU为核心控制器,结合Lo RA通信技术,进行采集节点、控制节点的软硬件设计,研究了面向智慧农业的环境采集节点和通用控制节点;以Atmega-2560控制器为核心处理器,进行了汇聚网关节点的软硬件设计,实现了采集节点、控制节点、汇聚节点的温室内部Lo RA自组网络通信。为降低采集过程中的功耗,对各节点进行了参数增量式低功耗算法设计,结果表明:低功耗节点工作时长从48H增长到62H,效率提升29%;中等功耗节点工作时长从41H提升到52H,效率提升26%;高功耗节点工作时长从36H提升到47H,效率提升30%。(3)针对实际应用中温室内部二氧化碳及光照调控需求,进行了温室光气耦合智能调控设计,利用Matlab建立环境参数预测模型、光合速率预测模型、二氧化碳调控模型,结果表明:温室光气耦合调控决策方案相比传统控制方式,功耗减少,控制方式也更加科学,设备工作效率得到了明显提升,可以为温室环境调控提供决策支持。(4)对系统各部分进行了测试。结果表明,采集节点与控制节点通讯距离与稳定性成反比,当通讯距离处于100m范围内,LoRa通信丢包率保持在2%以内,满足系统功能需求。对系统各部分硬件环境搭建完成后,经测试能够实现温室内部环境采集、设备联动及远程监控,该系统有较高的实际应用性,较传统温室相比,智能化水平得到大幅度提升。

关键词： 汽车灯光   自适应照明   远近灯光切换   驾驶安全   YOLOv5算法  

摘要： 随着家用车数量的持续增加,夜间驾驶中视野范围的缩小已逐渐成为影响行车安全的主要因素,进而导致了夜间事故的频繁发生。为了应对这一挑战,智能车灯技术被视为提高夜间行车安全的有效手段,它能够在特定路况和环境中为驾驶员提供更佳的照明条件。本研究基于单片机设计了一种汽车灯光智能控制系统ADB(Adaptive Driving Beam),该系统能够根据外部光照和对向车辆的距离实现远近灯的智能切换。同时,系统还能根据车辆行驶方向和地形调节前照灯的角度,为驾驶员在各种行驶环境下提供最佳的视野。本文完成的主要工作如下:1本文提出了一种基于单片机的车灯智能控制系统,在车辆会车或进入弯道时,实现远近光灯的自由切换。首先确定系统的总体结构有环境检测模块、控制模块及驱动模块;利用传感器和改进的YOLOv5算法相结合的方式采集,处理车灯外界环境的数据,最后设计一组程序框架,并做出相应的实物验证本文提出的方法的有效性。2针对各模块的功能提出系统的设计方案;以STC89C51为核心处理单元,对外围电路进行选型和设计,包括控制模块、行驶环境检测模块、执行模块等;利用Keil5等编程软件对各个功能模块进行软件设计,在自动模式下,利用传感器和YOLO算法实现远近光智能切换;将传感器传输的姿态融合数据送至单片机进行处理,带动舵机驱动前照灯系统跟随旋转,执行相应的控制;绘制流程图。3构建YOLOv5深度学习网络对大灯外界环境目标车灯光源轨迹预测,将目标车灯区域划分后ADB汽车大灯外界环境图像输入至YOLOv5网络中,利用卷积层提取图像特征,将经YOLOv5网络检测后ADB汽车大灯外界环境多运动目标车灯光源归入一个集合中,利用扩展卡尔曼滤波算法对集合中的各元素实施轨迹预测,提高检测精度。最后通过实验验证该方法的准确度,在不同的实验条件下,目标光源位置检测结果与实际结果的平均误差不超过3*3像素。4利用Proteus对系统硬件调试,Keil对硬件电路与软件程序进行调试成功后输入Proteus中进行整个系统功能调试,经过在构建模拟平台中的反复测试,验证本文提出的系统具有高效且稳定。