檢測與跟蹤中遮擋編碼器1058618 SICKDFS60E-S4CL02000遠洋航向的船舶來說,軌跡預(yù)測的意義在于能夠有效控制油耗實現(xiàn)更大盈利和避免進入危險水域而影響貨運時效;對于近海船舶來說,軌跡預(yù)測的意義在于能夠為船主提供避碰和路線規(guī)劃決策的技術(shù)支持。近年來針對船舶軌跡數(shù)據(jù)的分析與預(yù)測研究越來越受到學(xué)者們的重視。目前,已有的方法大部是基于傳統(tǒng)機器學(xué)習(xí)方法或船舶運動學(xué)方程的方法,也有少數(shù)基于深度學(xué)習(xí)的模型的方法但預(yù)測時間較短,這些模型已經(jīng)很難適應(yīng)日益復(fù)雜的海上交通狀況。如今,幾乎所有的船舶都配備有船舶自動識別系統(tǒng)（Automatic Identification System,AIS）設(shè)備,該設(shè)備可以無間斷的對外廣播船舶的動靜態(tài)信息,相對于傳統(tǒng)的船舶交通服務(wù)（Vessel Traffic Service,VTS）數(shù)據(jù)和雷達數(shù)據(jù),AIS數(shù)據(jù)更加容易獲得。本文基于大量的歷史AIS數(shù)據(jù)并在不破壞其數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)上進行軌跡提取,針對提取的數(shù)據(jù)集,基于深度學(xué)習(xí)模型建立了具有相對長期預(yù)測和多維預(yù)測能力的船舶軌跡預(yù)測模型。本文的研究內(nèi)容為以下幾個方面:（1）時間特征是軌跡數(shù)據(jù)的重要特征,為避免各種插補方法對AIS數(shù)據(jù)造成結(jié)構(gòu)上的破壞,本文使用了一種新的軌跡劃分方法,該方法分為兩步:步計算出相鄰兩點時間增量,第二步對時間增量的分布進行分析,確定時間增量軌跡劃分閾值對軌跡進行劃分。經(jīng)劃分得到的軌跡仍比較復(fù)雜,不能直接作為數(shù)據(jù)集使用,需要進行子軌跡提取操作。為更合理地對軌跡建模,終數(shù)據(jù)集中應(yīng)包含一定量的彎航軌跡且這些軌跡不能太復(fù)雜,這就需要設(shè)置合理的子軌跡提取長度,所以本文進行了子軌跡提取長度確定實驗。（2）為避免不同位置下相同軌跡形狀出現(xiàn)帶來的影響,本文使用每個點相對于前一點的經(jīng)度增量和緯度增量來替換原有的經(jīng)度信息和緯度信息。使用的軌時間增量,經(jīng)度增量,緯度增量,對地航速和對地航向五個特征進行預(yù)測以達到多維預(yù)測的目的。（3）深入研究了長短期記憶優(yōu)點。詳細分析了粒子群算法的參數(shù)對其性能的影響及改進策略,建立了基于改進的粒子群算法船舶軌跡預(yù)測模型。實驗表明,PSO-LSTM模型的預(yù)測能力優(yōu)于純LSTM模型。（4）為進一步提高模型的相對長期預(yù)測能力,建立了基于變分的船舶軌跡預(yù)測模型。實驗表明基于VLSTM的預(yù)測模型在相對長期預(yù)測和彎航軌跡預(yù)測上展現(xiàn)出了更好能力。同步電機以其構(gòu)造簡易、效率高、轉(zhuǎn)矩慣量比高及良好的低速跟蹤性能等*性在高精度數(shù)控機床、望遠鏡控制系統(tǒng)、雷達衛(wèi)星等高精度伺服控制場合被廣泛應(yīng)用。近年來,隨著目標(biāo)檢測要求和制造工藝的提高,望遠鏡控制系統(tǒng)所制造的望遠鏡口徑不斷增大,國內(nèi)外的大型直驅(qū)望遠鏡都采用了永磁同步電機伺服控制系統(tǒng)來取代原先的直流伺服控制以提高望遠鏡的低速跟蹤性能。本文主要探討永磁同步電機的低速平穩(wěn)控制,來拓寬永磁同步電機在高精度伺服控制系統(tǒng)特別是望遠鏡控制系統(tǒng)中的應(yīng)用。影響電機低速平穩(wěn)性的主要因素有電機的轉(zhuǎn)矩脈動以及控制系統(tǒng)中的速度檢測誤差,本文從抑制轉(zhuǎn)矩脈動和轉(zhuǎn)速瞬時檢測兩方面來提高電機低速運行時的平穩(wěn)性。首先,為了后文進行速度脈動抑制和速度檢測算法的研究,本文簡單介紹了永磁同步電機在三大坐標(biāo)系（三相靜止坐標(biāo)系、兩相靜止坐標(biāo)系和同步旋轉(zhuǎn)坐標(biāo)系）下的數(shù)學(xué)模型,揭示了速度脈動和轉(zhuǎn)矩脈動的聯(lián)系,闡述了永磁同步電機id=0矢量控制系統(tǒng)的框架結(jié)構(gòu)和基本原理,進一步分析了速度脈動的影響因素,對其影響規(guī)律進行了總結(jié)。其次,針對永磁同步電機的速度脈動,本文設(shè)計了自抗擾電流注入復(fù)合控制器,并與常規(guī)的PI控制以及PI疊加電流注入進行了對比。設(shè)計了速度環(huán)自抗擾控制器來抑制電機的外部負載擾動,以及設(shè)計了電流補償模塊來抑制電機的轉(zhuǎn)矩脈動,隨后將自抗擾控制器與電流補償模塊相結(jié)合,得到自抗擾電流注入復(fù)合控制器。仿真結(jié)果表明,所提方法能在低速運行條件下對系統(tǒng)速度脈動進行更有效的抑制,同時在負載擾動時,確保了系統(tǒng)的魯棒性和良好的動態(tài)響應(yīng)性。再者,針對平均測速算法難以滿足電機低速時的測速精度和無法消除測速延遲,本文設(shè)計了自適應(yīng)卡爾曼觀測器。根據(jù)電機的機械運動方程設(shè)計了三階卡爾曼觀測器,得到了參數(shù)矩陣的設(shè)計原則,并引入了自適應(yīng)機制來消除負載突變時的測速延遲。仿真結(jié)果表明,相對于平均測速算法和卡爾曼觀測器法,所提方法在電機低速運行時可有效減少測速延遲,提高測速精度。后,為驗證本文提出的低速平穩(wěn)控制算法,利用實驗室的永磁同步電機平臺進行低速控制實驗,實驗結(jié)果驗證了所提算法具有良好的低速運行平穩(wěn)性。

檢測與跟蹤中遮擋編碼器1058618 SICKDFS60E-S4CL02000 一項至關(guān)重要的參數(shù)。其預(yù)測精度將直接影響終產(chǎn)品的質(zhì)量,并有效減小帶材的頭尾長度,提高原材料的利用率。此外,軋制力大小還決定著軋輥輥縫的預(yù)設(shè)定,對軋制過程的穩(wěn)定性有直接影響。傳統(tǒng)的機理模型結(jié)構(gòu)簡單且存在較多假設(shè)問題,適用面窄,無法滿足要求。為了提高冷軋機組的軋制力預(yù)測精度,本文基于軋制基本理論,將機理模型同神經(jīng)網(wǎng)絡(luò)以及智能優(yōu)化算法相結(jié)合來建立模型,利用現(xiàn)場采集的數(shù)據(jù)進行仿真。Bland-Ford-Hill公式是常用的軋制力機理模型。首先結(jié)合Bland-Ford-Hill公式,著重分析變形區(qū)參數(shù),確定影響軋制力大小的變量,以此作為神經(jīng)網(wǎng)絡(luò)模型的輸入,用神經(jīng)網(wǎng)絡(luò)來進行軋制力預(yù)測。相比于機理模型,神經(jīng)網(wǎng)絡(luò)減少了參數(shù)設(shè)置的困難,避免了繁瑣的公式計算。極限學(xué)習(xí)機）神經(jīng)網(wǎng)絡(luò),因其結(jié)構(gòu)簡單,無法獲取數(shù)據(jù)中的隱含的深層次特征。此外,對于軋制過程中產(chǎn)生的海量數(shù)據(jù)處理能力欠佳。為了提高對復(fù)雜目標(biāo)函數(shù)的擬合能力,滿足大數(shù)據(jù)集下的軋制力預(yù)測要求,建立深度神經(jīng)網(wǎng)絡(luò)模型來進行軋制力預(yù)測。為了解決深度網(wǎng)絡(luò)難以訓(xùn)練的問題,采用批歸一化（）算法穩(wěn)定激活函數(shù)的梯度區(qū)間;采用Adam隨機優(yōu)化算法為參數(shù)提供自適應(yīng)學(xué)習(xí)率。同時,為了提取數(shù)據(jù)中的有效信息,使用深度稀疏自編碼器encoder,DSAE）完成模型的無監(jiān)督訓(xùn)練。為了濾除現(xiàn)場采集數(shù)據(jù)中的噪聲,進一步提高軋制力預(yù)測精度,建立引入去噪機制的深度信念網(wǎng)絡(luò)（采用改進的對比散度算法對網(wǎng)絡(luò)進行訓(xùn)練,修正參數(shù)更新過程中的梯度誤差與方向誤差,加快網(wǎng)絡(luò)的收斂速度。選取Relu函數(shù)作為激活函數(shù),避免常規(guī)激活函數(shù)如Sigmoid由于飽和非線性特性造成的梯度彌散現(xiàn)象。仿真結(jié)果表明,軋制力預(yù)測精度以及建模速度優(yōu)于深度稀疏自編碼網(wǎng)絡(luò)。