摘要：脉冲喷吹控制仪是普遍应用于当前袋式除尘系统中的脉冲阀和提升阀控制设备。阀有一定的使用年限或开关次数,如果阀出现故障,就会影响除尘效果,降低滤袋寿命,因此对故障阀的及时发现和准确定位显得尤为必要。滤袋在袋式除尘系统中是非常重要的一环,它要不断地承受脉冲阀喷出的高压气体,所以生命周期比较短,一般会被定期更换,如果在更换前就破损,就会造成粉尘泄露,所以需要对滤袋是否泄露和泄露位置作出判断,便于尽早排除污染源,减少污染排放。本文针对上述阀的故障诊断和漏袋检测问题,设计开发出一套以保证除尘器喷吹控制为核心的智能监控诊断系统,为除尘系统的智能化提供有效的解决方案。

摘要：我国自实行改革开放政策后,对外经济贸易持续稳定增长,同时,世界上四大著名的国际快递企业DHL、TNT、FedEx和UPS等也以合资、合作、代理等形式,先后进入中国,与邮政速递(EMS)展开激烈竞争.目前,我国国际快递业务市场基本形成了以邮政EMS与DHL、FedEx、UPS和TNT等四大速递巨头之间的多重竞争为主要特征的市场格局.

摘要：本文基于多喷嘴系统设计了一套风量罩校准装置,并介绍了装置的设计原理及基本结构。该装置结构简单、性能稳定、方便溯源,可以作为校准机构及国内外生产厂家的校准、调试、测试平台。

摘要：本文研究了存在参数不确定性的离散时间高阶多个体系统保性能一致性问题,给出了一种设计其线性一致性协议的方法.首先,通过模型转换的方法将该问题转换为一组离散时间不确定系统的稳定性问题;然后,构造合适的Lyapunov函数并利用离散时间系统稳定性理论,推导出一个使离散时间高阶不确定多个体系统获得保性能一致的LMI充分条件;接着,以一致性序列的形式给出参数不确定条件下的离散时间高阶多个体系统的一致性收敛结果.最后,参数不确定的对比数值仿真验证了本文理论的正确性和有效性.

摘要：针对稀疏无线传感器网络(WSN)中加权平均一致分布式无迹信息滤波(DUIF)算法估计次优和滤波效率较低的问题,提出一种考虑先验估计误差相关性的快速DUIF算法.采用加权统计线性回归(WSLR)方法线性化观测模型,以节点共享信息作为平均一致性算法输入,从而在极大后验估计中引入先验估计交互协方差信息;设计最优通信连接边权值并自适应修正状态加权矩阵,提高平均一致性算法收敛速率.仿真实验结果表明,所提出的算法能够有效应用于稀疏WSN目标跟踪.

摘要：多机器人系统的通信状况能够直接影响协作同时定位与地图创建(Cooperative simultaneous localization and mapping,CSLAM)算法的设计和实现.根据对多机器人通信状况所作出假设的侧重点不同,对多机器人CSLAM算法研究现状和进展进行综述.首先,简要介绍了基于完全连通通信条件的集中式CSLAM算法的特点和缺陷;其次,结合多机器人系统初始相对位姿关系未知的情况,从地图配准、数据关联和地图融合等三个方面,对基于通信范围或者带宽受限条件的分布式CSLAM算法的地图合并问题进行了分析和阐述;进而重点对考虑稀疏–动态通信状况的分布式CSLAM算法的最新研究成果进行了归纳总结.最后指出多机器人CSLAM研究领域今后的研究方向.

摘要：针对三轮驱动移动机器人在轨迹跟踪控制过程中运动不平滑的问题,建立了移动机器人在一定运动约束条件下的运动学模型。根据移动机器人位姿误差微分方程的描述,设计了基于后退时变状态反馈方法的移动机器人轨迹跟踪控制器。基于李雅普诺夫方法,对轨迹跟踪控制器的稳定性进行了分析,证明了该控制器能够保证闭环系统全局一致渐进稳定。仿真结果验证了运动学模型的正确性,以及轨迹跟踪控制器的有效性。

摘要：为有效缓解FastSLAM1.0算法中的粒子损耗问题,提高其精度,FastSLAM2.0算法提出了一种求取重要性函数的方法。该方法利用扩展卡尔曼滤波算法对移动机器人的位姿状态进行递归估计,得到各个时刻的位姿状态的估计均值和方差,并由此构建服从高斯分布的重要性函数。该重要性函数包含了机器人位姿的历史信息和最新的观测信息,因此可以延缓粒子损耗速度。给出了FastSLAM2.0算法的具体流程,并将其仿真结果与FastSLAM1.0算法进行比较,结果表明了FastSLAM2.0算法的精度优于FastSLAM1.0算法。

摘要：针对多机器人系统中避碰问题,提出一种基于改进人工协调场的多机器人避碰算法。首先采用凸化障碍,子目标主动选择方法,解决人工协调场在有非凸障碍环境中的"死锁"问题;其次建立基于速度和距离的排斥力模型,以克服人工协调场对空间利用率低的缺陷,尤其是目标点与障碍物距离较近机器人无法抵达的情况;最后设计一种力混合器模型,并基于此模型以达到避免人工协调场中的运动抖动的效果。仿真实验证明该算法对解决有障碍环境下多机器人避碰问题的有效性和可靠性,增强了多机器人系统对复杂环境的适应性。

摘要：针对具有模型不确定性以及外部干扰下的自由漂浮空间机器人,采用一种整体逼近的神经网络自适应控制方法。该方法采用RBF神经网络对不同重力环境下系统模型的不确定项进行整体逼近,对系统的不确定项进行在线自适应学习。神经网络的逼近误差以及外界干扰由鲁棒项进行消除。该方法不依赖于系统模型,简化了控制系统的结构,在考虑重力等不确定项的情况下不用改变控制器也能进行控制,并且根据李亚普诺夫理论证明了所设计控制器使系统渐进稳定。在不同重力环境下进行了仿真,验证了控制方案的有效性。