该项目是863计划项目，现处于实验室研究阶段。项目成果受专利保护。 1、项目概述 本项目针对高速公路进出城路段交通拥堵严重、事故频发，以及高速公路监控系统和城市快速路监控系统各自为政、协同性差的普遍现象，构建了基于互联网的分布式交通特征信息共享平台，实现了不同监控系统的信息共享；借助信息共享平台，系统分析了结合部的动态交通特征，提出了适应不同交通条件的短时交通特征预测技术；采用分层递阶控制和神经网络控制的方法，研发了多匝道的协同控制系统软件，并实现了结合部道路交通系统的微观仿真。 2、技术创新点 在监控系统的信息共享研究方面，初步建立了交通特征信息共享的平台，其中对异构监控系统之间交通特征级信息共享的内容和模式进行了系统分析，对异构信息进行了融合处理，实现了特征级信息的发布。 在短时交通特征预测研究方面，已对京津塘高速公路及北京市快速环路监控系统的海量交通流实测数据进行了特征与关联分析，完成了短时交通特征的预测，并实现了交通拥挤的预判。 在结合部的协同控制方面，利用模糊神经网络的建模和学习方法，对高速公路多匝道控制系统算法进行设计，并进行了控制效果仿真。   3、能为产业解决的关键技术 （1）基于服务水平的特征级交通动态信息融合技术 针对目前高速公路和城市快速路监控系统所采集的交通流基础数据格式和像素级融合技术都有所不同，控制目标参数不统一的现实情况，项目提出的交通特征信息共享平台首先要处理现有高速公路和城市快速路服务水平判定标准不统一的问题，其次需要解决区域交通监控系统的特征级数据融合问题，寻求基于服务水平的动态信息融合技术和方法。 （2）交通特征信息共享平台的设计技术 针对集中式信息共享平台投资大、实施困难的缺点，提出采用成熟的互联网技术，以及分布式技术建立交通信息共享平台，为异构监控系统的信息共享模式提供了一种新的建设思路。不需要增加额外的硬件投资、操作方便，就现有的管理体制来说，也容易实现。 （3）基于关联分析和智能控制技术的短时交通特征预测模型 将时间序列理论与关联理论引入交通状态分析，并根据不同交通条件建立的短时交通预测模型，在很大程度上提高了预测方法的实时性、准确性和可靠性，有利于预测技术的应用和推广。 （4）高速公路和城市快速路结合部实现协同控制的关键技术 基于区域道路交通网络动态信息采集系统数据资源的综合利用与共享，在交通服务水平判定技术的支持下，运用系统论、控制论的思想以及智能交通系统工程的理论方法，实现高速公路和城市快速路结合部的协同控制。 4、相关的行业发展水平，以及同类技术产品或成果比较 目前，我国已建设的交通信息系统中，各子系统基本上是作为一个个分支存在的，不仅子系统自身的数据尚未实现充分融合，集成度很低，而且系统之间存在行政分割问题，异构情况严重；在信息共享平台设计上，大都采用集中式为主，需要新建一个监控总中心，投资大，操作困难。 与本项目所提出的预测思路及预测方法相比，现有预测方法的适用性方面还存在不少缺陷。 目前，我国高速公路和城市快速路交通控制所采取的区域控制策略尚未形成较成熟的控制模式，高速公路和城市快速路的协同控制模式更是处于起步阶段，尚未形成成熟的技术产品。 应用范围： 本课题针对的主要对象是高速公路与城市快速路的结合部，课题研究成果不仅充分利用了现有的道路监控系统硬件资源，节省了建设成本，而且可以满足结合部的交通控制与管理需要，具有较强的应用和推广价值。在实际的应用和推广中，还需进一步扩充和细化协同控制目标，优化大范围内的多匝道协同控制模型及其算法，并对具体的控制策略和控制设施进行详细设计，以提升协同控制的实际效果。 预期效果： 运用系统论和其他相关领域研究的最新成果，探索建立区域高速公路和城市快速路交通信息共享平台的新思路和新方法，并在系统平台的基础上研究协同控制的策略和方法，并形成整套协同控制系统算法和软件。在实践中，研究成果能够得到较好的应用，并且能够部分解决高速公路和城市快速路结合部的交通问题。

本发明公开了一种过程控制系统信息安全防护的异常检测方法，首先根据失效事件建立故障树；然后根据预设的分区原则对故障树的叶子事件进行分区隔离；再利用各区域的信息，分别对系统同一关键状态信号进行描述，建立关键状态信号的数学模型；并通过对该数学模型的参数进行拟合求取最佳拟合系数，获得关键状态信号的数据表达式；根据关键性状态的数学表达式计算关键状态信号的描述距离，根据该描述距离计算任意两个区域对关键状态信号的描述距离；根据

本发明公开了一种闭环控制系统的模型与对象不匹配的检测方法,在工业过程正常运行时获取当前系统的闭环数据，利用该数据获取模型质量指标，根据模型质量指标的值来检测模型与对象的匹配程度；模型质量指标越接近于 1，模型与对象的匹配度越高；该模型质量指标不受控制器的调节参数的改变与干扰模型变化的影响；该方法可有效地把模型与对象不匹配从其它影响控制性能的因素中分离出去，更清晰地分析出模型与对象不匹配对控制系统性能的影响。另外，采用

本发明公开了一种感应电机矢量控制系统功率管开路故障的在线检测方法，包括：通过矢量控制驱动系统中已有的电流传感器和速度传感器分别测出三相电流和转速；再通过坐标变换计算出转子磁链定向的同步旋转坐标系下的 d 轴电流和 q 轴电流；将正常工作时的初始角代替故障时的初始角来重构 a 相电流相位角，将重构的电流相位角划分为六个阶段；将检测的 d 轴、q 轴电流与给定的 d 轴、q 轴电流进行比较，获得电流偏差 Eid 和 Ei

本发明涉及工业机器人领域，旨在提供一种基于CAD导入的工业机器人图形化控制系统。该种基于CAD导入的工业机器人图形化控制系统包括工控机控制器、运动控制卡和机器人本体；工控机控制器能将图形化任务转化成运动控制指令，并发送到运动控制卡；运动控制卡能接收运动控制指令，控制机器人本体进行运动；机器人本体包括伺服驱动器、伺服电机和机械关节结构，用于完成具体工作动作。本发明结合了CAD图纸导入和PC机操作的优势，能将加工工件的CAD图纸自动编译为运动控制卡可以执行的机器人指令语句，不需要用户直接输入具体的控制指令代码和参数，提高了参数输入的精度、速度以及编程的速度。

产品特点 高端大气，整体不锈钢材料的运用，让机器在室内外使用起来都坚实可靠； 可选配刷卡、人脸识别、指纹、二维码等； 默认常闭模式，可自由搭配组合出九种通行模式，给您不一样的通行体验； 可单向或双向控制人员进出； 红外传感器：10对； 编码器+离合器机芯结构，能有效抵抗一定的外力冲击。冲击力超出限额角度自动锁定，有效保护电机不受损坏； LED高亮通行指示灯，阳光下清晰可见，通行亮绿灯，禁止通行亮红灯； 支持声光报警功能，含非法闯入、尾随、逆行、滞留等报警； 支持干接点/继电器信号输入、232信号输入； 具备记忆功能，一次连续授权多人，可连续通过多人，可判断通行人数，直到最后一人通行完成，闸机才自动关闭； 支持双向计数输出接口，可外接双向人流计数器； 支持零位自检、防冲、防撞、防夹、防尾随、断电开闸、自动复位等； 支持闸机系统断电后，门翼自动打开，形成透明通道； 闸机具备人身触电、设备漏电、短路、过载保护功能； 通信方式：网络 通行模式：联网 大气压范围：-10℃~+60℃ ,温湿度范围：10~90%RH； 使用场景：高档小区、学校、工厂、园区、办公楼、场馆等； 使用环境：室内和室外均可； 搭配门禁控制器配合软件或平台管理，可以支持远程控制管理； 安装方式：膨胀螺丝固定；

产品详细介绍

 

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

"该项目研发了低温湿烟气的空/烟换热、水/烟换热、水/浆液换热、溶液除湿等水/热回收技术、白烟调控技术，可回收湿烟气中50-90%水分、汽化潜热，同时协同消除湿烟气“白烟”。回收的热量可用于供热、海水淡化、脱硫废水处理等。 其关键技术为：1. 脱硫浆液热量提取技术。（1）循环浆液/水换热提取技术，烟气余热通过脱硫过程转移到脱硫循环浆液，通过板式换热等方式，实现：回收40-50℃热水（热量），回收量10-30%；降低脱硫能耗；提高脱硫效率；间接降低排烟温度，协同控制白烟。（2） 循环浆液闪蒸-闪凝提取技术，烟气余热通过脱硫过程转移到脱硫循环浆液，通过脱硫循环浆液闪蒸-闪凝方式，实现：回收40-50℃热水，即回收热量也回收水分,回收量取决于闪蒸能力；降低脱硫能耗；提高脱硫效率；间接降低排烟温度，协同控制白烟。 2.尾部湿烟气回收技术。（1）溶液除湿技术，锅炉系统末端低温湿烟气通过除湿溶液，回收湿烟气中的水分、气化潜热，低温湿烟气变为干烟气。（2）空气/水冷凝回收，锅炉系统末端低温湿烟气通过间接式空冷-水冷，回收湿烟气中的水分、气化潜热，协同控制白烟。3.低温湿烟气白烟控制。通过改变烟气温湿