针对传统连铸下渣检测技术没有充分利用连铸生产数据之间的非线性关系,且存在下渣识别精度低、时间滞后等问题。提出一种基于层级时序记忆(Hierarchical Temporal Memory,HTM)算法的连铸下渣实时预报方法。该方法利用HTM算法对钢包浇注过程采集的时序数据进行预测,并且采用滑动窗口方法计算预测残差,最后应用正态分布的分布函数评估下渣概率,在评估概率超出阈值范围时,发出下渣报警信息。实验结果证明该方法能够智能、有效、准确的识别出下渣时间,具有较高的预报精度。

针对钢包连铸过程中需要精确控制下渣时刻的问题,提出一种基于局部加权回归和长短时记忆(LSTM)神经网络模型的连铸下渣预测系统。该系统对下渣过程中采集到的信号进行处理和识别,可准确预测下渣时刻。结合某钢厂的实际生产情况,在采集到的大量钢包下渣相关参数中,提取主要特征;使用局部加权回归对数据进行过滤处理,再结合LSTM建立下渣预测模型;给出LSTM模型与ARIMA模型、RNN模型的预测结果比较。研究结果表明,长短时记忆神经网络模型的预测误差小,预测准确度较高,具有广泛的应用前景。

在获取物体的三维点云数据时,通常采用线结构光扫描的方法,但是在测量过程中不可避免的会产生不合理的噪声点。从而在进行曲面重构时,会导致重构的曲面不够光滑,进而会影响三维扫描物体重构的精确性,因此有必要对扫描数据进行去噪处理。噪声点产生的原因有很多,大部分噪声点具有幅值大,影响因素多的特点,所以利用似然估计函数得到采样局部最大值点,确立点云数据的聚类中心,使原始点云数据收敛为一个稳定的三维数字模型,然后采用随机滤波的方法,通过比较连续点之间的相对位置,给定一个数值,把位置变化较大的点判定为噪声点予以去除,从而达到点云去噪的目的。通过对普通计算机硬盘的扫描和点云去噪处理验证了方法的可行性。

在吹灌封(BFS)设备生产工艺流程中,会运用到模架的移动。若模架的定位精度不足不仅会影响灌装工艺流程中注射针精确注射到安培瓶中,还会在重复运动过程中出现累计误差。从而造成部分零部件的损坏,导致生产效率和产品合格率的降低。因此,在吹灌封(BFS)生产设备的基础上,针对移模运动构建了伺服电机移模运动的控制原理图,并对移模控制设计了PID、模糊控制器,在MATLAB/Simulink下进行仿真模拟,通过对比最终选择模糊控制算法完成了对模架定位的精确控制。最后对模架定位精度的实验结果进行了分析,表明该方法达到了设计要求。

针对两轮平衡车的自平衡控制问题,为了提高平衡车自学习和自平衡能力,受操作条件反射原理启发,以模糊规则为基本模型,引入学习OC学习机制,提出一种具有学习能力的模糊控制器,能够使平衡车自主学习获得模糊控制规则,实现控制器设计自动化。OC学习机制根据状态的评价值序列对模糊规则表进行修正,经过多次修正后,可针对每一个状态获得合理的输出。仿真实验表明,控制器能够自主设计模糊规则,具有一定自主学习能力。两轮平衡车在多次迭代学习后可以自主从倾角不稳定恢复到直立平衡状态。

相关滤波跟踪器近几年在许多视觉跟踪任务中都取得了优异的性能,显示出了较高的精度和帧率。但限制其跟踪性能的问题仍有很多,例如图像表征方式单一,传统尺度估计的方式计算复杂度高,对快速运动、背景杂乱等复杂场景跟踪效果不佳。针对这些问题,提出了一个跟踪框架来分别估计目标位置和尺度的变化,通过相关滤波和颜色直方图模型相结合的方式评估目标位置,再从最可信帧中训练核尺度相关器来预测目标的尺度变化。同时,对模型采用保守的方式进行自适应在线更新,以防止误差累加破坏模型。在跟踪数据集(OTB-2015)中该算法在运动模糊、尺度变化、背景杂乱、快速运动等挑战性场景中表现出良好的优越性。

针对目前系统抖振仍影响滑模趋近律在实际中应用,并导致系统收敛速度缓慢、滑模平面趋近至原点时间长等缺陷,提出一种改进的双幂次指数趋近律。改进趋近律中指数项采用分段设计,指数项分段参数将系统分为两部分进行。当状态绝对值小于1时,系统沿滑模面平滑进入,抖振影响可忽略不计;当状态绝对值大于等于1时,系统的动态响应显著提高,收敛时间缩短,且总时间小于初始状态运动至临界值时间和系统运动至滑模面平衡点的时间之和。在理论上验证了改进后的双幂次指数趋近律能够快速收敛到平衡点且消除了抖振影响,并通过实验验证了该趋近律的有效性。对比多种趋近律,改进的双幂次指数趋近律具有最佳性能且收敛速度最快,并通过实验验证在外界干扰下该趋近律仍可快速收敛于平衡点。

针对液压伺服系统控制的复杂性，提出了一种基于内模控制原理的双闭环PID控制方法。该方法利用PID控制的抗扰性实现内环的比例控制，并将被控对象转化为含时滞的一阶惯性环节，且对时滞环节进行1／1Pade逼近，再利用内模控制原理实现外环控制，可获得与内模控制器等效的低通滤波器和PID控制器。给出了内模控制器设计的具体步骤，通过仿真实验证明该方法比常规PID控制器具有较强的抗扰性和鲁棒性，且有较高的工程应用价值。