1037127德國SICK編碼器廣東辦事處DFS60E-T7EA00512算法在處理復雜分布的數據和高維圖像數據時聚類性能不佳的問題,提出了一種基于深度特征表示的AEMDPC聚類算法。將基于流形距離的高斯核函數值作為密度值描述了數據點的全局一致性,使潛在類中心的密度值變為局部大,從而被選為類中心點。自動編碼器學到特征表示,同時也剔除了屬性噪聲。AE-MDPC算法提高了密度值的分離度,避免了DPC算法的“多米諾骨牌效應”,AE-MDPC算法在經典人工數據集和真實圖像數據集上的聚類性能均優于DPC算法。2.針對AE-MDPC算法分開執行特征提取與聚類分析這一不足,為了進一步提高深度聚類模型的性能,提出了一種深度卷積降噪自編碼器結合自注意力機制的嵌入式深度聚類模型DDC,其中深度卷積降噪自編碼器從帶噪聲的數據得到更魯棒的特征表示,用自注意力機制輔助網絡捕獲輸入圖像的局部關鍵信息。DDC用端到端的聯合訓練策略調整網絡參數得到更適合聚類的特征表示并完成聚類分配。在多個圖像數據集上評估DDC聚類方法,實驗結果表明DDC算法在實際聚類任務中具有更出色的性能。式繞線機是生產電力變壓器連續式線圈的設備,它與導線拉緊裝置、放線架等組成立式繞線機系統,并在控制系統的作用下完成連續式線圈的繞制。本課題以某公司生產的VW1500-10T型立式繞線機系統為基礎,經過對單導線連續式線圈繞制工藝仔細研究,結合國外立式繞線機的*設計思想,對VW1500-10T型立式繞線機系統機構進行優化,在原系統的基礎上增加了激光線發生器裝置和單導線電動折彎裝置,并為優化后的立式繞線機系統設計高效穩定的準自動控制系統,使之具備繞線模自動分檔和單導自動折彎功能。本控制系統以西門子S7-200系列PLC為主控制器,光洋C-More系列觸摸屏為人機交互界面,實現參數設置、狀態監控、系統報警處理等控制。根據系統功能,將該系統分為繞線控制子系統和輔助控制子系統。繞線控制子系統主要是實現花盤旋轉、繞線模自動分檔、單導線自動折彎等功能的控制。輔助控制子系統主要是實現花盤升降、蓋板開合、導線拉擠裝置的升降、氣缸與氣囊拉緊、放線架制動、單導線電動折彎裝置動作等控制。觸摸屏通過通訊電纜與繞線控制子系統和輔助控制子系統建立通訊連接,可以通過觸摸屏實現基本功能的控制、繞線數據的輸入、系統報警信息的實時顯示與歷史報警的查詢等功能。繞線模自動分檔功能的實現,是控制系統根據采集的花盤旋轉編碼器信號以及通過觸摸屏輸入的繞線模分檔數據,結合在系統內建立的繞線模分檔數學模型,實現繞線模自動分檔。在進行繞線模分檔時,激光線發生器裝置在繞線模外表面投射出一條鉛直光線,該鉛直光線不隨花盤的轉動而轉動,每當系統控制花盤及繞線模自動停止時,操作人員可沿該鉛直光線畫一條分檔線,直到分檔完成。在該部分的控制中,主要的是每一檔的定位停車。為確保每一檔都能準確的定位停車,在系統設置了降速曲線,使繞線機在即將到達分檔位置時,按照降速曲線迅速定位停車,使得分檔誤差都控制在±2mm以內,基本滿足分檔需要,并提高了分檔效率。線自動折彎功能的實現,是該系統中重要的部分。控制系統根據采集的花盤旋轉編碼器信號、導線長度測量編碼器的信號以及通過觸摸屏輸入的單導線連續式繞組的繞制數據,并結合在系統內建立的單導線換位“S”彎自動折彎的數學模型,得出折彎點、

降速點的位置,控制單導線電動折彎裝置,實現單導線自動折彎。在該部分的控制中,重要的是起始點確定以及到達折彎點時的定位停車。起始點的確定采用激光線發生器裝置在繞線模外表面投射的一條鉛直光線來實現。為確保到達折彎點時能準確的定位停車,在系統內設置了正餅、反餅降速曲線,使繞線機在即將到折彎點位置時,按照相應的降速曲線迅速定位停車,使得終的正餅、反餅換位“S”彎的定位誤差控制在±2.5mm以內,提高了線圈繞制效率。此外,本文還對立式繞線機的系統結構、單導線連續式線圈的繞制工藝、PLC的編程工具、人機界面進行了介紹,后介紹了本系統的現場調試方法、調試過程、在結構簡單、功率因數高、轉矩電流比大等優點,在工業場所得到了廣泛應用。在永磁同步電機系統矢量控制過程中,轉子位置和轉速信號是*的反饋量,這些信息可以通過光電編碼器、旋轉變壓器及位置速度觀測算法得到。其中,式編碼器能夠直接讀取電機的轉子位置,適合應用于永磁同步電機系統中。此外,在永磁同步電機系統控制過程中,測量轉速作為反饋信號用于跟蹤給定轉速,因此,測量轉速的質量必然會影響電機的運行性能。為此,本文主要圍繞測量轉速對電機運行性能的影響以及電機控制相關問題展開了一系列研究。首先本文詳細地分析了式編碼器的測量機理,對傳統測速方法的測速誤差與時間延時進行了分析。其次,從理論角度分析了測速精度和時間延時對電機運行性能的影響。為解決傳統測速方法所存在的測量精度低和延時時間長以及改善傳統卡爾曼觀測器的動態性能差的問題,本文提出了一種測量噪聲自適應卡爾曼觀測器,該觀測器主要根據彌補式編碼器的測量誤差和提高算法的動態跟蹤性的思想所設計的。根據永磁同步電機數學模型設定觀測器的參數值,使得該觀測器可以用于觀測電機轉子位置、轉速與負載轉矩。在電機運行狀態突變的情況下,本文提出的觀測器實時計算當前的測量噪聲,并對增益矩陣進行更新,以確保算法的準確性與及時性。此外,將卡爾曼觀測器觀測的信號作為永磁同步電機矢量系統中的速度反饋信號和負載補償信號,構建永磁同步電機前饋-反饋控制系統,提高了電機系統的抗擾性能和轉速跟蹤性能。本文搭建永磁同步電機系統控制平臺,并在該實驗平臺上進行了自適應卡爾曼觀測器的實驗驗證。實驗結果表明測速方法中的測量精度與時間延時會影響電機的運行性能;本文所設計的自適應卡爾曼觀測器能夠準確及時地觀測電機轉子位置.

1037127德國SICK編碼器廣東辦事處DFS60E-T7EA00512駛環境感知是車輛決策和控制的關鍵依據,如何識別車輛可行駛區域是其中的一項重要研究內容。一方面,交通行駛環境復雜、多變,車輛可行駛區域的識別一直難以取得理想的效果;另一方面,智能駕駛對識別算法的準確性和實時性要求很高,導致算法的實際應用條件十分嚴苛。本文以車輛可行駛區域為研究對象,通過對深度學習算法改進和優化,并運用雙目立體視覺求取三維駕駛場景的空間信息,提出了一種新型基于卷積神經網絡架構的語義分割模型,用于提取可行駛區域的圖像特征。考慮到工程實際對實時性的要求,對網絡深度進行淺層化處理。同時,為了保證模型識別準確率,從網絡“寬度”改進和優化,提出了Ournet網絡模型,識別車輛可行駛區域。（2）為獲取智能駕駛場景下道路的空間幾何信息,通過雙目立體視覺在圖像RGB特征的基礎上增加深度,建立RGB-D數據集,為識別模型提供更加豐富的學習特征,并對研究提出的Ournet語義分割模型進行了測試驗證,使模型更加關注空間幾何信息。實驗結果表明:在智能駕駛場景下,提出的淺層語義分割Ournet對車輛可行駛區域具有更好的識別準確性、快速性和魯棒性;在圖像RGB基礎上.