检索结果-南通市图书馆

深度子领域自适应网络电机滚动轴承跨工况故障诊断

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第1期39卷 182-193页

作者：宋向金孙文举刘国海赵文祥王照伟江苏大学电气信息工程学院镇江212013

针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法。首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭... 详细信息

针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法。首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭建多尺度卷积神经网络将已知标签样本和待诊断样本特征迁移到同一子空间,捕获具有细粒度信息的多尺度公共特征;然后,以不同的故障类型来划分相关子域,并通过局部最大均值距离(LMMD)来完成子域的适配,有效削弱不同工况同类故障特征的分布差异;最后,在三个数据集的多个迁移任务上进行试验验证。结果证明,所提MSDAM的跨工况故障诊断性能优于关注全局领域适配的迁移学习方法。

关键词：轴承故障诊断子领域自适应迁移学习软标签学习

基于多参数优化的多机器人图案构成的分配算法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第4期39卷 1104-1112页

作者：张方方赵鹏博曹家晖辛健斌刘艳红郑州大学电气与信息工程学院郑州450000

在不同应用场景下多机器人系统的图案构成受到越来越多的关注,然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成.为解决这一问题,提出一种新的基于目标匹配和路径优化的实时在线的优化算法.首先,以机器人与虚拟期望图案的... 详细信息

在不同应用场景下多机器人系统的图案构成受到越来越多的关注,然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成.为解决这一问题,提出一种新的基于目标匹配和路径优化的实时在线的优化算法.首先,以机器人与虚拟期望图案的距离为目标函数,建立一个多参数的图案构成模型,进而在一定的约束条件下求解得到最优的期望图案参数;其次,建立迭代控制器,使机器人在向目标点移动的过程中,可以实时在线地进行机器人与目标点的分配;然后,采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点,完成图案构成;最后,通过在MATLAB和V-REP中的仿真实验,验证所提出方法的正确性和有效性.

关键词：多机器人系统图案构成避障路径优化

在线全文

学校读者我要写书评

暂无评论

直线型倾转多旋翼植保无人机建模与控制

仪器仪表学报 2024年第1期45卷 250-258页

作者：沈跃储金城沈亚运施志翔刘慧江苏大学电气信息工程学院镇江212013

针对直线型倾转多旋翼植保无人机模型耦合复杂、作业时易受施药执行器干扰等问题,提出了一种模型补偿-线性自抗扰控制算法。首先建立无人机运动学和动力学模型,并分析作业时离心喷头产生的力矩作用影响;然后将作业模型中的固定部分作为... 详细信息

针对直线型倾转多旋翼植保无人机模型耦合复杂、作业时易受施药执行器干扰等问题,提出了一种模型补偿-线性自抗扰控制算法。首先建立无人机运动学和动力学模型,并分析作业时离心喷头产生的力矩作用影响;然后将作业模型中的固定部分作为已知扰动,引入模型补偿-扩张状态观测器估计内外未知总扰动并动态补偿控制系统,完成位姿控制器设计。仿真结果表明,所提出的算法在作业场景下偏航角度误差小于0.2°,恢复时间小于0.55 s,相比于PID算法和线性自抗扰算法最大角度偏差分别降低3.4°和0.9°,恢复时间减少3.1和0.99 s,具有较强的鲁棒性。飞行实验表明,该无人机可以很好地跟踪植保作业轨迹,最大位置稳态误差小于15 cm,满足植保作业需求。

关键词：植保无人机可倾转旋翼离心喷头模型自抗扰控制器

基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第8期40卷 144-151页

作者：刘慧杜志鹏杨锋张钰沈跃江苏大学电气信息工程学院镇江212013

为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中... 详细信息

为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中的靶标;然后通过移动最小二乘上采样将靶标点云转化为满足点云识别网络输入要求的点云数据;最终通过在PointNet网络中引入残差模块和改进循环剪枝算法轻量化PointNet网络,完成林果树靶标的实时识别。试验结果表明,在ModelNet40数据集上,轻量化PointNet网络可达89.7%的准确率;在实际苗圃环境的试验中,该研究方法对靶标的识别准确率可达92.49%,同时误识率与拒识率分别为13.4%和6.47%,相较PointNet网络识别准确率提升了4.38个百分点,误识率和拒识率分别降低了7.2和4.07个百分点;轻量化PointNet网络识别准确率仅比PointNet++网络低1.14个百分点,误识率和拒识率分别高了0.9和1.12个百分点。但是轻量化PointNet网络的模型参数量较PointNet网络和PointNet++网络的模型参数量显著减少,仅为PointNet网络的11.5%,PointNet++网络的27.02%;运算量相较PointNet网络、PointNet++网络分别减少13.3和76.79个百分点。该研究提出的轻量化PointNet网络具有较高的实时性、精确性和鲁棒性,能够满足林果园喷雾作业的靶标识别需求,可为林果园喷雾作业靶标实时识别提供参考。

关键词：喷雾机器人林果园点云预处理轻量化PointNet网络循环剪枝

基于自适应扰动补偿观测器的漏磁可控永磁电机无位置传感器控制研究

在线全文

学校读者我要写书评

暂无评论

中国科学：技术科学 2024年第5期54卷 911-923页

作者：朱孝勇彭忠飞张丽周以灿江苏大学电气信息工程学院镇江212013

基于独特漏磁设计的漏磁可控永磁(flux leakage controllable permanent magnet, FLC-PM)电机,具有宽调速和高输出转矩特性,能够满足电动汽车多变工况下广域高效的运行需求.然而,由于FLC-PM电机特殊的漏磁磁路设计,使其无位置传感器控... 详细信息

基于独特漏磁设计的漏磁可控永磁(flux leakage controllable permanent magnet, FLC-PM)电机,具有宽调速和高输出转矩特性,能够满足电动汽车多变工况下广域高效的运行需求.然而,由于FLC-PM电机特殊的漏磁磁路设计,使其无位置传感器控制驱动系统存在周期性谐波干扰、非周期性谐波干扰和环路延迟问题,从而严重影响转子位置估算性能.针对上述问题,本文提出一种基于自适应扰动补偿观测器的无位置传感器控制方法.首先,提出自适应扰动迭代学习控制方法,通过迭代学习增益自适应扰动变化,以抑制周期性干扰和非周期性干扰的谐波,降低电流的谐波含量.此外,设计自适应补偿位置观测器,对估计位置误差进行实时在线观测和补偿,在提高FLC-PM电机转子位置估计精度的同时,改善驱动系统的动态性能.最后,通过实验验证所提控制方法的有效性和可行性.

关键词：漏磁可控永磁电机无位置传感器控制谐波抑制迭代学习控制自适应扰动与补偿

基于变前视距离的四轮同步转向农机改进纯跟踪控制

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第3期55卷 21-28页

作者：沈跃赵莎张亚飞何思伟冯瑞刘慧江苏大学电气信息工程学院镇江212013

路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯... 详细信息

路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯跟踪模型,在此基础上考虑航向误差得到改进纯跟踪模型,进行RTK定位坐标修正,根据量化误差的评价函数搜索前视区域最优目标点,得到最优前视距离。本文算法能实时确定四轮同步转向农机改进纯跟踪模型中的前视距离,使航向误差和横向误差最小化,实现目标点的自适应优化。仿真结果表明,本文方法转弯时平均绝对横向误差减至0.035 m,平均绝对航向误差减至0.212°;水田实验结果表明,当四轮同步转向农机作业速度为3.6 km/h时,四轮转向农机轨迹跟踪平均绝对横向误差减至0.109 m,平均绝对航向误差减至2.799°,转弯跟踪精度显著提高。

关键词：水田四轮同步转向改进纯追踪控制前视距离自适应优化

维普期刊数据库博看期刊

垄耕模式的无人四驱四转移动作业平台路径跟踪控制

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第1期40卷 37-47页

作者：王阳朱孝勇徐磊杨天宇江苏大学电气信息工程学院镇江212013

为了提高垄耕模式的无人四驱四转(four-wheel independent driving and four-wheel independent steering,4WID-4WIS)移动作业平台路径跟踪控制精度和稳定性,该研究提出一种基于非线性干扰观测器(nonlinear disturbance observer,NOB)的路径跟踪控制策略。考虑到转弯区域跟踪误差较大,引入原地转向数学模型,设计基于原地转向的航向角PI控制与纯追踪控制的切换控制策略,以实现转弯路径精准跟踪。在此基础上,根据横向偏差和路径弯曲度,设计基于前视距离函数的纯追踪算法及模糊比例补偿器,构建基于NOB的前馈补偿器,以减小上线距离和位置超调。最后对所设计的跟踪控制策略进行仿真和试验验证,结果表明:与传统纯追踪控制相比,所设计的路径跟踪控制策略在3种初始横向偏差下,上线距离、超调、全线平均绝对误差分别减小了32.2%~43.4%、0~42.4%和27.7%~49.5%,且曲线区域平均绝对误差减小33.7%~39.5%;在颠簸硬石板、草地、农田翻耕路况下的稳态区平均绝对误差分别减小了6.25%、33.3%和41.7%。该路径跟踪控制策略有效提高了系统鲁棒性和作业路径跟踪精度,可为垄耕模式的无人四驱四转农业机械导航系统开发提供创新思路和技术参考。

关键词：无人驾驶路径跟踪干扰观测器前馈补偿垄耕种植前视距离

基于sigmoid滤波器的永磁轮毂电机自抗扰控制

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第10期40卷 14-23页

作者：全力刘诗龙朱孝勇张超杜怿徐磊张丽江苏大学电气信息工程学院镇江212013

相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步... 详细信息

相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。

关键词：永磁电机噪声线性自抗扰控制扩张状态观测器 sigmoid滤波器

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv7的棉田虫害检测

农业工程学报 2024年第10期40卷 176-184页

作者：孙俊贾忆琳吴兆祺周鑫沈继锋武小红江苏大学电气信息工程学院镇江212013

棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络... 详细信息

棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块(convolution block attention module,CBAM)嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU(focal and efficient IOU loss,Focal-EIOU)作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率。结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值(mean average precision,mAP)为95.71%,检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持。

关键词：模型图像处理棉田虫害 YOLOv7 注意力机制 Slim-Neck Focal-EIOU