摘要：针对某现场铝热粗轧板带头部厚度偏差较大现象,应用自适应模糊神经网络控制技术,建立了热粗轧辊缝动态设定系统。该系统将轧制力预报误差及弹跳方程误差作为输入,运用模糊神经网络预测下一道次的辊缝设定补偿值,并以实际数据对系统进行校验,结果显示该方法可以大幅提高铝热粗轧板带头部厚度精度。

摘要：提出了基于视觉和嵌入式系统来检测室内人体跌倒行为的方法,采用多线程算法进行图像采集和处理。运用基于简化高斯模型的自适应背景减除算法得到二值前景图像,并引入了形态学滤波,通过简化的目标宽高比算法判断人体跌倒行为是否发生,并进行虚报警判断。试验证明该系统的整体设计达到了实时性、准确性兼顾的特点。

摘要：利用自适应遗传交叉变异策略,设计了一种冷连轧轧制负荷优化方法。以各机架相对压下率为自变量,以各机架轧制力相对均衡为优化目标,建立目标函数。通过与在某1370冷连轧机的负荷优化方法进行比较,仿真结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,更适合在实际生产中应用。

摘要：准确的判断火车死钩是保证翻车机系统连续作业、避免拧断钩头的关键。针对此问题,提出了一种基于Mamdani型模糊推理的死钩检测方法。该方法采用激光逆向工程技术,运用自适应阈值法提取风管和钩头等信息,利用操作人员的经验及对大量样本数据的分析构建模糊规则库,建立Mamdani型模糊推理系统,判断车厢连接处是否为死钩。现场实验结果表明,该方法的检测精度达到99.72%,优于现有的基于颜色特征的方法,满足死钩检测的实际需求,已经在各煤炭运输港口推广使用。

摘要：针对孪生网络跟踪算法在离线训练阶段学习被跟踪目标和其他对象的嵌入式特征,而这些特征缺少特定于目标的上下文信息,使跟踪算法的稳健性较差的问题,以SiamRPN++作为基准算法,提出了在线目标分类及自适应模板更新的孪生网络跟踪算法。首先,在离线训练阶段设计了互相关特征图监督模块,以学习更具判别力的嵌入式特征;其次,在线跟踪阶段设计了包含注意力机制的在线目标分类模块,在该模块中使用在线滤波器更新策略滤除背景噪声干扰;最后,设计了一种自适应模板更新模块,使用UpdateNet更新目标模板信息。在VOT2018、VOT2019这2个标准数据集上的实验结果验证了所提算法的有效性,相比基准算法SiamRPN++分别带来13.5%和18.2%(EAO)的性能提升。

摘要：针对具有不可测状态、未知参数和非线性的轧机液压伺服位置系统,提出一种基于高增益观测器和参数估计器的自适应输出反馈控制算法。所构造的高增益观测器不依赖于系统输入和参数估计值,它只用于估计系统状态,所设计的动态反馈控制器包括:用于保证系统稳定性的主反馈部分和抵消外部扰动和一些不确定性的补偿部分。理论分析表明,所提出的控制算法能够保证闭环系统的所有信号有界,且系统状态及其估计误差的最终收敛边界依赖于观测器的高增益值。以某650 mm可逆冷带轧机液压伺服位置系统为例进行仿真,仿真结果验证了所提出算法的有效性。

摘要：孪生网络跟踪算法是利用离线训练好的网络提取目标特征并进行匹配,从而实现跟踪。而离线训练深度特征在表征任意形式目标时将目标从背景中分离开的性能较差。为此,提出一种基于目标感知特征筛选的孪生网络跟踪算法。将经过裁剪处理后的模板帧和检测帧送入到ResNet50的特征提取网络分别提取目标和搜索区域的浅层、中层、深层特征;在目标感知模块中,通过设计一个回归损失函数来学习对目标敏感的特征,根据反向传播的梯度来确定每个卷积核的重要性程度,并以此来激活相对重要的卷积核筛选较重要的目标感知特征;将筛选得到的特征送入到SiamRPN模块,进行目标、背景的二分类判别和边界框的坐标回归,从而得到一个精确的目标边界框。在OTB2015和VOT2018两个标准数据集上进行测试实验,结果表明该算法可以实现对目标的稳健性跟踪。

摘要：针对弹性连接轴引发轧机主传动系统扭振以及轧机系统参数不易测量的问题,首先,提出基于多重ADALINE算法的改进状态观测器,可在线更新权重系数,提高观测精度,具有高效自适应性,避免实时状态的测量并降低成本;其次,引入积分状态,增加额外反馈,以降低干扰转矩的影响;同时,在加速度层面设计同步控制器,降低调节时间;最后,在宽速范围内进行仿真验证。分析反馈系数对电机转速的影响并与ADALINE速度控制器相比较,在控制振幅与降低调节时间方面均有良好效果。电机转速振动幅值降低37.31%,调节时间为0.37 s。