关键词： 铸件冒口   机器人化加工   3D视觉   自适应控制  

摘要： “十四五”期间,我国铸造行业重点向绿色化、智能化方向发展。目前大型铸件精整处理国内外以人工作业为主,铸件质量无法得到有效提升,高精度精整处理技术无法突破产业瓶颈,严重影响产业结构调整和转型升级战略的实现。针对大型铸件冒口切割机器人系统关键技术研究成为铸造行业向高端化方向发展的需求,本文设计了大型铸件冒口切割机器人工作站,实现大型铸件冒口的自动切割。主要研究工作如下:(1)针对大型铸件冒口精整处理中的技术瓶颈,设计一种能够解决大型铸件冒口精整处理的机器人智能系统。根据系统硬件设计需求与工作流程,切割工作站由工控机、工业机器人、火焰割炬、3D视觉系统以及智能控制系统等构成。结合主从控制思想,搭建工作站通信框架,实现集成系统下各子系统之间的通信互联,完成切割工作站系统硬件之间的协同工作。(2)基于3D视觉的切割机器人轨迹规划研究。根据3D相机视场固定的特点,采用一种求解手眼关系矩阵的多点标定法对摄像机进行标定。将3D相机采样得到的点云数据转化为机器人坐标系下的点云数据。针对点云数据处理提出阈值自适应采样法,使用三次多项式对预切割空间曲线进行拟合。采用一种姿态估计算法,通过对切割微切平面进行拟合,完成切割机器人作业空间前进矢量和进给矢量的计算,将规划结果应用于机器人切割作业。切割路径误差在0.24 mm以内,切割轨迹线形良好。(3)基于改进的LuGre摩擦模型摩擦补偿方法研究。对机器人力位控制中的摩擦力进行摩擦补偿,提高切割精度。提出一种改进的LuGre摩擦模型进行摩擦补偿,包括LuGre摩擦模型表示的稳态摩擦力,以及与速度相关的位置依赖项。对摩擦模型进行分步辨识,利用LuGre摩擦模型的特征,对稳态摩擦力参数进行辨识,通过SVM多类分类算法、支持向量回归(SVR)和最小二乘法求解方程组,对模型中的位置依赖项进行参数辨识。机器人在不同负载下运行使用改进模型及辨识方法计算关节摩擦力矩时,误差可以降低50(4)以上。基于改进LuGre摩擦模型的摩擦补偿模型对于提高切割精度具有重要作用。通过在生产现场对切割工作站进行大量检测与调试,对不同大型铸件冒口进行自动化切割作业,切割工作站整体运行稳定、铸件冒口切割质量可靠。切割工作站达到了预期的设计要求,满足了相关工厂的生产需求。对于大型铸件冒口精整处理行业,大型铸件冒口切割机器人工作站的研究与设计具有一定的指导意义。

关键词： 网络控制系统   自适应控制设计   时延切换攻击   拒绝服务攻击   时间延迟  

摘要： 网络化控制系统因其便利性已被广泛地应用于许多实际领域。网络控制系统中的通信连接允许代理之间进行快速通信,进而快速地响应系统中的突然变化。由于控制器、传感器和执行器之间的网络连接的开放性,网络控制系统中分布式网络很容易受到恶意网络攻击。针对这种情况,本文将重点讨论时延切换(Time Delay Switch,TDS)攻击以及拒绝服务(Denial of service,DoS)攻击对于网络控制系统的影响和安全控制设计。通过查阅相关的文献以及研究资料,发现对于DoS攻击下网络控制系统的安全控制问题成果丰富,TDS攻击下的网络控制系统的安全控制问题的研究成果有了一些进展,但对于TDS攻击的攻击检测和估计以及时延网络控制系统的安全控制问题的研究成果十分有限,这也激发了本文对于此类课题的研究。本文主要研究内容包括:(1)针对网络控制系统在时延网络攻击下的安全控制问题。本文先假设了黑客将TDS攻击注入控制通道并影响了观测器的状态。通过基于Lyapunov稳定性理论的方法设计控制器来对时延网络攻击造成的时延进行估计,进而缓解TDS造成的影响。提出了一种新的TDS攻击检测技术以及TDS执行器攻击下基于观测器的网络控制系统自适应安全控制。提出的算法能够以低计算复杂度实时估计和补偿TDS攻击。仿真结果说明了所提出的TDS攻击估计器和安全控制策略的有效性。(2)针对时延网络控制系统在DoS攻击下的安全控制问题。本文提出了一种先进的基于观测器的事件触发和弹性控制协同设计方案。首先,将周期性DoS攻击建模为脉宽调制型信号。接着,提出了事件触发方案,并利用动态事件触发序列设计基于观测器状态的控制器。同时,为了保证子系统在DoS攻击期间的稳定性,当前最后的成功触发状态被认为是主动攻击时期的控制信号。通过Lyapunov稳定性理论和Schur补定理,可以得出系统全局指数稳定性准则,并给出了控制器、观测器和事件触发参数的协同设计方案。稳定性分析证明了所提出的方法是可行的,仿真验证了其有效性。

关键词： 多智能体系统   非线性系统   自适应控制   事件触发控制   分布式控制  

摘要： 在过去的几十年里,多智能体系统的协同控制问题引起了极大的关注,归因于其具有广泛的应用价值,如传感器网络,智能电网,航空航天和无人机群等领域。协同控制的主要思想是通过智能体之间的局部通信信息开发分布式控制算法,使一组智能体能够对智能体的状态或输出达成一致。在实际情况中,许多实际系统都具有非线性的特征,如参数线性化、未知非线性等,而自适应控制和神经网络对非线性函数具有良好的处理效果,这为解决系统中的非线性项提供了有效的控制方法。此外,由于智能体之间的通信依赖于嵌入式数字微处理器,针对如何降低通信通道过载和避免连续通信,事件触发控制作为一种重要的方法被提出来。本文针对几类典型的非线性多智能体系统,在自适应控制、反步递推理论和协同控制的框架下,研究了基于事件触发机制的自适应协同控制问题,主要内容有以下三个方面:首先,考虑了一类具有未知非线性和外部干扰的非线性多智能体系统的分布式事件触发包容控制问题。神经网络可以有效地逼近系统模型中的未知非线性函数,同时在控制器中引入了不连续项补偿外部干扰和逼近误差。通过设计复合型分布式自适应事件触发机制,使事件触发控制器在采样时以非周期性方式更新,从而节省了计算资源和传输负载。基于神经网络的自适应技术和事件触发控制策略,可以实现包容控制目标。此外,芝诺行为被证明排除在外。最后,通过仿真验证了所提出的分布式包容控制方案的有效性和优越性。其次,考虑了一类具有传感器故障的非线性参数严格反馈多智能体系统的事件触发输出反馈一致性跟踪控制问题。与现有的状态观测器不同,设计了一个新型的增益调节型的状态观测器来同时估计不可测的状态和传感器故障。在自适应观测器的基础上,构建了传感器故障补偿器来自适应地消除传感器故障带来的影响。此外,设计的切换阈值事件触发策略有效地减少了通信负担并平衡系统性能。最后,仿真验证了所提出的故障补偿器和输出跟踪算法的有效性。最后,考虑了一类具有不确定非线性执行器动态的网络化抛物偏微分方程系统的事件触发协同控制问题。与现有的网络化偏微分方程系统相比,控制输入发生在常微分方程子系统中,而不是偏微分子系统中。并进一步考虑了具有影响偏微分方程子系统域内的未知参数。构造了一种新型的被动标志符来估计系统状态和未知参数。基于被动标志符和李雅普诺夫方法,提出了新型的协同控制器,实现了协同控制目标并保证了所有信号的有界性。最后,仿真结果说明了所获结果的有效性。

关键词： 采煤机   毫米波雷达   防撞控制   卡尔曼滤波去噪   滑膜自适应控制  

摘要： 随着煤矿智能化建设不断深入推进,采煤工作面智能化技术也随之发展,综采工作面逐步趋于少人无人。采煤机作为综采装备中核心开采设备,对其他耦合运行配套设备及运行前方障碍物的主动识别对煤机装备无人化开采作业具有重要意义,同时国家能源局及各个煤炭主产省份已经将采煤机具备防撞功能作为煤矿智能化验收的重要评审项目。针对现行采煤机智能系统防撞自主控制缺乏行之有效的技术路径,结合太重煤机有限公司智能采煤机技术研究方向,本文主要对毫米波雷达探测、采煤机自主防撞系统、自适应防撞控制这三方面展开研究。首先,针对现行智能采煤机缺乏有效的自主障碍物感知的问题,研发了采煤机毫米波雷达检测模块,满足采煤机在智能化工作面中对液压支架护帮板、伸缩梁等障碍物距离、相对速度及角度的检测。分析当前采煤机防碰撞采用被动式防碰撞技术路径,从雷达探测模块的总体结构入手,选取微控制器AWR2944进行相关电路设计;通过雷达回波数据,分析其噪声特性,设计了卡尔曼滤波算法对噪声进行消除,提高目标数据的准确性。其次,结合毫米雷达检测系统,搭建了采煤机防撞控制系统整体架构,完成核心控制器件与传感器选型、网络架构设计,建立了采煤机防撞控制系统硬件基础。根据采煤机摇臂结构组成特点以及运动特性,将采煤机摇臂等效为弹簧阻尼质量块模型,建立采煤机调高数学模型,基于双曲正切函数设计跟踪微分器来减少采煤机截割摇臂定位跟踪过程中的超调。基于积分终端滑模函数设计了自适应滑模控制器,实现快速精准位置控制。最后,设计了采煤机防撞自适应控制系统通信、软件控制等流程,并在太重煤机多机协同试验场地进行了不同目标物雷达特征实验、采煤机静态与动态护帮板障碍实验、伸缩梁障碍物探测实验和障碍物自适应避障控制对比实验,通过分析实验数据验证了本系统的实用性,有效提升采煤机障碍物感知与自主避障能力。

关键词： 深松旋耕   施肥   自适应   仿真分析   田间试验  

摘要： 农作物播种前的整地施肥效果,对农作物的产量有重要影响。传统的耕整地施肥作业是犁、深松铲、旋耕机、耙、施肥等多种作业机具独立进行,需进行多次入地操作,才能使耕地满足播种的需要。但因经常更换机具,操作过程繁琐,使耕地多次受拖拉机碾压,造成耕地原有结构的破坏,使耕地逐渐变硬。针对以上问题,本文设计研究了带自适应控制的深松旋耕施肥机。主要研究内容如下:联合作业机整机设计。针对播前整地机械化生产的需求,结合小麦生长发育的农艺需求,多种方案比较确定了总体设计方案,制定了以“深松-施肥-旋耕”为主要作业单元的联合机械布置方案,深松铲的布置方式为前铲近距离的双排交错布局,设计作业幅宽为1.6 m。深松旋耕施肥作业部件设计与分析。对相关部件进行了选型、设计与优化改良。对传统施肥方式施肥不均的问题,进行了分层施肥深松铲的设计,设计一种可以更加均匀施肥的施肥铲。对肥箱相关部件进行设计,考虑肥料自然休止角对肥箱进行设计,针对施肥过程中出现的施肥不均的问题,采用电动施肥方式。对旋耕部分进行分析,进行旋耕刀类型的选取,明确安装的原则,对运动轨迹进行分析和运动轨迹仿真。旋耕部件进行仿真分析,进行沟播施肥和分层施肥后旋耕作业仿真分析。建立肥料、土壤、旋耕刀模型,并且进行仿真试验,对不同施肥模式下肥料的分布情况进行观察,通过对旋耕后结果分析比较,确定了在分层施肥方式下的肥料颗粒在卧式旋耕作业后在土壤中的排布更加合理,从而证实了分层施肥+旋耕的作业方案的可行性。针对作业后秸秆埋覆问题,运用EDEM离散元软件建立卧式旋耕刀,土壤颗粒和秸秆颗粒模型,并进行仿真实验,以不同的工作参数,前进速度、刀具转速、耕作深度、秸秆量为试验因素,以秸秆埋覆率为指标进行正交试验,得到各工作参数对秸秆埋覆率的影响,耕作深度和秸秆数量具有极显著影响,前进速度与旋耕刀转速影响显著。对实际作业有参考意义。针对深松旋耕施肥机施肥系统进行设计,对施肥控制整体进行设计,对控制系统进行硬件设计和选型并进行软件设计,在前进速度、排肥轴转速和施肥量等参数之间建立分层施肥机控制系统数学模型。对算法进行仿真试验,确定最优控制算法,保障施肥作业过程中达到施肥稳定、排肥均匀,实现施肥智能化控制。运用单片机,实时测取前进速度和排肥轴转速,对其进行运算和速度校正。通过对深松旋耕施肥机进行田间试验,所设计作业装备有较好的作业性能,各作业部分都能够满足作业需求,深松深度稳定系数为95.12%,旋耕深度稳定系数为93.63%,植被覆盖率为78.4%,碎土率为76.2%。深松旋耕施肥机有一定的可靠性,通过实机测试,发现样机的结构是合理的,并且设计方案是可行的。

关键词： 智能控制   时间序列数据   深度学习   数据建模   Transformer模型  

摘要： 大数据与人工智能技术的迅猛发展推动着人类社会进入了万物互联的时代，当今社会每天都在产生海量的数据，而时序数据便是其中的重要组成，是我国未来数字化建设与高质量发展的重要基础资源之一。当前数据驱动控制与大数据建模预测的研究发展与时间序列息息相关，具体而言，通过建立受控系统的时序输入与控制器内时变参数的非线性映射，可以提升数据驱动控制方法的控制性能，另一方面，通过深化对时间序列中时序依赖的建模分析，可以优化模型在各项预测任务中的预测性能。因此，本文以时间序列数据作为研究切入点，以数据驱动控制与多变量时序预测作为研究背景，将数据建模理论与深度学习知识进行深度融合，提出了一系列时序数据驱动的智能控制方法以及多变量时序预测框架。全文的主要研究内容具体包含以下几个部分:　　(1)针对无模型自适应控制中关键参数整定困难以及伪偏导数或者伪梯度估计值精确度不足等问题，提出了一种时序驱动的智能无模型自适应控制方法。该控制方法将无模型自适应控制与神经网络进行深度融合，利用受控系统的时序数据作为神经网络的输入，并将神经网络的输出作为关键参数的实时整定值以及伪偏导数或者伪梯度的精确估计值。仿真实验结果证明所提出的智能控制方法可以实时整定参数以及精确估计伪偏导数或者伪梯度，相比于无模型自适应控制在控制性能上实现了提升，此外本实验例采用消融实验以证明所引入的神经网络的有效性。　　(2)针对间歇过程多变量时序预测任务中，Transformer模型对于时间序列相对位置信息捕捉不充分以及缺少对静态协变量针对性建模等问题，提出一种面向间歇过程的融合时序预测模型。该模型主要包含两个核心创新点:一是引入了有向图的概念来表征时序输入中元素之间的相对位置信息，提出了相对位置感知层与相对多头注意力机制以帮助模型更好地捕捉时间序列输入的时序依赖特征。二是基于门控线性单元思想提出了静态特征富集模块以实现对静态协变量进行灵活的静态特征提取。本章以橡胶混炼工艺流程这一典型间歇过程场景的真实生产数据作为测试数据，相比于其他测试模型，所提出的模型在多个预测性能指标上取得了更好的预测结果，同时消融实验与参数灵敏度实验证明了模型中所提出重要模块的合理性以及模型参数选择的科学性。此外，本实验针对模型中的注意力机制进行可视化呈现，验证了模型捕捉的时序重要性分布与实际炼胶工艺规律相吻合，证明了所提出模型在解决面向间歇过程的多变量时序预测任务的有效性。　　(3)针对通用过程多变量时序预测任务中，Transformer模型对于长短期时序特征捕捉不充分以及自注意力机制计算过程中会纳入无效信息的问题，提出一种面向通用过程的增强型融合时序预测模型，该模型立足于深度挖掘时间序列的特征依赖模式，实现自注意力机制的精准稀疏化计算，解决通用过程场景下的多变量时序预测问题。所提出的模型主要包含两个核心创新点:一是提出多时间尺度分析模块以深度提取时间序列中的长短期时序动态特征。二是提出显式稀疏型多头注意力机制驱动模型聚焦于序列中有贡献性的信息。实验例引入典型的间歇过程与连续过程的数据集对所提出的模型预测性能进行全方位的评估，实验结果表明相比于其他主流预测模型，所提出的模型在各项预测任务中取得了更好的预测效果。此外，实验例进行了消融实验与参数灵敏度实验以评估模型中重要组成模块的合理性以及模型参数选择的科学性，同时针对模型中的显式稀疏型多头注意力进行热力图可视化呈现，验证了显式稀疏型多头注意力的稀疏性和有效性。　　(4)针对连续过程多变量时序预测任务中，时序数据分布偏移影响模型预测精度的问题，提出了一种面向连续过程的自适应时序预测模型。所提出的模型立足于解决连续过程预测任务中存在的时序数据分布偏移问题，模型设计的创新点在于提出了一种结构简单且有效的可训练归一化方法，该归一化方法采用对称的结构，可以自适应捕捉并学习时序数据中的分布特征，从而提升模型的预测性能。实验例引入了三种典型连续过程场景的数据集对模型预测性能进行评估，实验结果表明相比于其他主流预测模型，所提出的模型在各项预测任务中取得了更好的预测效果。此外，实验例对可训练归一化方法的计算过程进行了可视化呈现，详细说明该方法解决数据分布偏移的机理。另一方面,实验例将可训练归一化方法移植到其他主流预测模型并进行预测性能前后对比，证明了所提出的可训练归一化方法的兼容性与有效性。

关键词： 自适应调制编码   信道估计   大气湍流   OptiSystem  

摘要： 近年来,为了满足日益增长的全时全域天地一体化通信能力,急需提高通信系统的传输数据能力,高速率和可靠传输成为主要衡量因素。而卫星激光通信具有以较高速率传输海量数据的特性,成为通信领域研究的重点。由于空间激光通信的传播介质是大气信道,所以信号质量会受到大气湍流效应和散射的影响。为了应对大气信道的各种影响因素,采用信道估计和自适应控制技术,可以在保证通信质量的前提下提升系统的性能。本文主要是基于卫星空间激光通信场景,为了解决大气信道带来的衰减,重点研究了基于神经网络的信道估计技术和基于人工智能的自适应调制编码技术。论文的主要研究工作和创新点如下:1.针对大气湍流效应进行建模,设计了激光大气信道湍流衰落、吸收散射等传输损耗模型。通过OptiSystem仿真软件,搭建多个调制格式的卫星通信激光信道仿真链路,对比了不同条件下信号质量,为后续信道优化研究提供了支撑。2.针对自适应调制技术中的信道估计技术不够准确的问题,提出了一种基于蚁群优化的逆向传播(Backpropagation,BP)神经网络信道估计技术。以均方误差(Mean Squared Error,MSE)、信噪比(Signal-to-Noise Ratio,SNR)为参考准则,通过仿真比较了其性能。结果表明,所提估计技术能够提升信道估计的准确性,减小估计的均方误差,有效提升信道估计性能。3.针对传统自适应编码调制策略方案误差较大,提出了一种基于马尔可夫模型的Q学习自适应编码调制策略。实现了将信道状态信息与阈值区间转换为一个动态映射关系,对激光链路的信噪比数值进行不断调整。仿真结果表明,与传统固定选择策略方案相比,所提方案的信道吞吐量更接近理想状态,提升了信道的有效频谱效率20%左右,符合实际应用。