摘要：提出一种考虑输出约束的冗余驱动绳索并联机器人(Redundantly-actuated cable driving parallel robots,RCDPRs)预设性能有限时间控制算法.首先,采用Newton-Euler方程推导系统动力学模型,并建立绳索拉力优化模型保证系统正常工作;其次,将输出约束问题转化为位置跟踪误差的坐标变换问题,设计给定时间衰减函数与非对称变换函数,将约束形式的跟踪误差转化为无约束变量,实现给定时间的输出约束;然后,针对滑模控制的抖振问题,在预设性能控制中采用模型不确定与扰动估计器进行扰动估计,并通过自适应方法对扰动估计误差进行补偿;以此为基础,提出一种基于精度驱动且在分段点处三阶连续的终端滑模面进行控制算法设计;最后,采用Lyapunov函数证明算法的有限时间收敛特性,并以7自由度冗余驱动绳索并联机器人为控制对象进行仿真研究,对算法进行验证.

摘要：针对毫米波定位过程中空间宽带效应产生的影响,该文基于可重构智能超表面(RIS)和单输入单输出(SISO)毫米波系统提出一种新颖的3维(3D)定位估计方法。首先,通过设计RIS相位,利用快速傅里叶逆变换(IFFT)粗略地估计直射路径的视距(LoS)时延、RIS路径的虚拟视距(VLoS)时延以及RIS与用户之间的出发角(AoD)等信道参数。然后,利用拟牛顿法修正上述参数进而估计用户的位置坐标。通过仿真模拟对比了所提宽带估计方法和传统的窄带估计方法的定位性能,结果表明,通过考虑空间宽带效应,带宽为240 MHz时定位精度大约可提高10%,随着带宽增大超过800 MHz时定位性能可提高超过20%。

摘要：为适应在多栖环境中的运动,设计了一款三栖机器人。机器人以螺旋机构为主要动力源,以被动轮为陆地行走机构实现三栖运动;基于NSGA-II多目标优化算法,量化机器人整体结构设计指标,完成参数优化模型构建,求解结构参数最优解空间;设计双回路PID控制器和自适应Backsteeping控制器,基于机器人动力学模型完成机器人位置与姿态控制;机器人姿态数据由多传感器姿态融合得到,通过卡尔曼滤波求解最优姿态角。通过实验验证了控制方法和控制器的有效性,实验结果也验证了本文机器人动力学模型的有效性。

摘要：针对国内随钻系统受限于单向传输、可靠性差和传输速率低等问题,提出了一种基于中继转发的随钻电磁双向传输方案。通过对随钻传输信号进行实测,分析了随钻杆无线传输的信道特性。设计了一种基于中继转发的双向通信协议,实现了随钻信号传输距离与稳定性的有效提升。搭建了由现场可编程门阵列、放大电路、模数转换器、数模转换器和天线等模块组成的随钻样机,并对其进行了性能测试。实测结果表明,所设计方案实现了电磁波信号的中继接力双向可靠传输,单跳传输距离达30 m,中继传输距离100 m以上;同时该方案传输速率在kbit/s级别,比传统单向随钻系统提高了一个数量级。

摘要：分布式凸优化问题的目的是如何以分布式方法最小化局部智能体成本函数和,而现有分布式算法的控制步长选取依赖于系统智能体个数、伴随矩阵等全局性信息,有悖于分布式算法的初衷.针对此问题,提出一种基于非平衡有向网络的完全分布式凸优化算法(FDCOA).基于多智能体一致性理论和梯度跟踪技术,设计了一种非负余量迭代策略,使得FDCOA的控制步长收敛范围仅与智能体局部信息相关,进而实现控制步长的分布式设置.进一步分析了FDCOA在固定强连通和时变强连通网络情形下的收敛性.仿真结果表明本文构建的分布式控制步长选取方法对FDCOA在有向非平衡下的分布式凸优化问题是有效的.

摘要：该文针对融合数据特征和结构表示的自监督聚类任务,进行了教学实验设计,提出一种基于图结构融合的自监督聚类算法(GSFC)。首先利用K近邻将数据中潜在的关联关系建模为图结构,然后分别构建自编码器和图自编码器学习数据特征和结构表示,再设计自适应融合网络实现二者的逐层双向互补融合与传递,最后建立多分布联合自监督机制指导整体网络的协同训练。在六组公共数据集上的实验结果表明,GSFC显著提高了聚类性能,鲁棒性更理想。通过该完整的实验设计能够帮助学生理解图结构、自监督学习、聚类等基本理论和方法,培养学生理论联系实际能力和对科学研究的兴趣。

摘要：为了实现高灵敏度的双参量传感,设计了一种对称的全介电超表面结构。在超表面上涂覆气敏薄膜后,会产生标记为dip 1和dip 2的两个Fano共振峰,可用于同时测量折射率和气体体积分数。计算结果表明,dip 1的折射率灵敏度和气体体积分数灵敏度分别为1035 nm/RIU和-0.57 nm/%,dip 2的折射率灵敏度和气体体积分数灵敏度分别为543.6 nm/RIU和-0.87 nm/%。该传感器可用于双参量的高灵敏度测量,且这种对称结构得到的透射谱不受光源偏振角度的影响,提高了传感器对光源的适应性,为环境空间的检测提供了一种新方法。

摘要：通过分析基因突变过程,提出利用强化学习对癌症患者由正常状态至患病状态的过程进行推断,发现导致患者死亡的关键基因突变.首先,将基因视为智能体,基于乳腺癌突变数据设计多智能体强化学习环境;其次,为保证智能体探索到与专家策略相同的策略和满足更多智能体快速学习,根据演示学习理论,分别提出两种多智能体深度Q网络:基于行为克隆的多智能体深度Q网络和基于预训练记忆的多智能体深度Q网络;最后,根据训练得到的多智能体深度Q网络进行基因排序,实现致病基因预测.实验结果表明,提出的多智能体强化学习方法能够挖掘出与乳腺癌发生、发展过程密切相关的致病基因.

摘要：在研究了谐振原理和特点的基础上,结合互感耦合原理和赫姆霍兹线圈设计了一个无线电能传输实验。通过实验操作和Matlab仿真,验证了利用谐振进行无线电能传输的合理性和有效性,从而加深学生对谐振的认识,提高学生的应用能力,取得了良好的教学效果。

摘要：煤矿安全生产视频分析与识别技术是保障我国煤矿智能化建设和煤炭工业高质量发展的核心技术支撑。为及时对煤矿井下安全隐患进行实时监测和预警,视频AI(Artificial Intelligence,人工智能)识别关键技术已经成为煤矿安全生产领域的研究热点。阐述了我国煤矿智能化建设过程中安全监测与监控的发展现状,分析了当前矿井视频监控与安全隐患识别预警存在的效率低、响应慢、效果差等问题,结合计算机视觉、边缘计算、大数据处理、云服务、智能终端等先进技术手段、进行了煤矿安全生产视频AI识别的顶层设计,提出了煤矿“人-机-环”全域视频AI感知的“云-边-端”协同计算系统架构,构建了视频识别端节点传感器、边缘计算设备、视频识别场景云服务应用体系,明确了智能识别与预警联动控制响应机制,打通了“云-边-端”信息交互感知与联动控制数据链,实现了数据共享联动和预警协同。同时,围绕矿山“人-机-环”全域AI视觉信息智能感知和全息泛化景象平台的构建,梳理了矿井安全隐患视觉感知及识别预警的技术处理流程,归纳了AI识别过程中的各类预处理-增强-重建-检测-识别方法的优点和缺点,明确了煤矿安全生产视频AI识别关键技术发展的主流方向和趋势。其次,结合王家岭煤矿、鲍店煤矿等代表性矿井的应用案例,示范展示了煤矿安全生产过程中实际典型应用场景等方面的最新进展和应用效果。最后,针对煤矿安全生产视频AI识别关键技术的特点,总结了现有煤矿安全生产视频AI识别系统存在技术理论薄弱、智能终端规格不一且应用场景混乱、数据兼容性及联动闭环能力较差、数据库安全性较弱、评价机制不统一、应用标准不完善等问题,指明了未来的发展方向是加强对视频AI识别关键技术及理论的研究,建立健全智能终端硬件规格及适用体系,构建标准统一、机制完善、实时互联、动态预测、协同控制、安全可靠的煤矿信息多维度主动感知新模式和工业互联网应用平台,逐步形成全矿井全息泛化的高精度智能感知场,实现对井下“人-机-环”全域视频信息的精准感知和危险源协同管控。