基于工厂自动化工业以太网现场总线的无线嵌入式控制器

    公开(公告)号:CN100388713C

    公开(公告)日:2008-05-14

    申请号:CN200510046868.6

    申请日:2005-07-13

    IPC分类号: H04L12/46 H04L12/66 H04L29/06

    摘要: 本发明涉及自动控制领域,具体说是一种基于工厂自动化工业以太网现场总线的无线嵌入式控制器。包括主控器模块和无线通信模块两部分,其中:主控器模块运行EPA工业以太网现场总线通信协议栈,无线通信模块负责与其他的无线现场设备进行通信,并提供与以太网的无缝连接,通过USB接口电路与主控器模块相连,共同构成EPA控制网络。本发明基于EPA工业以太网现场总线的智能化控制设备,在工业现场实现控制功能,适合改造传统工业控制系统,消除了现场设备间或与监控网络间的有线连接,降低控制系统的造价,特别适合环境恶劣的工业控制现场。

    一种面向智能装配系统个性化定制的知识图谱本体设计方法及系统

    公开(公告)号:CN117172314A

    公开(公告)日:2023-12-05

    申请号:CN202210571231.2

    申请日:2022-05-24

    IPC分类号: G06N5/02 G06N5/022

    摘要: 本发明公开一种工业生产制造过程中模块化智能装配系统的知识图谱本体设计方法及系统。通过对各智能装配模块知识归纳和抽象,分层构建个性化定制知识图谱的全局本体和领域本体,根据不同智能装配模块之间当前存在的知识差异,分类构建具备描述各智能装配模块能力的产品领域本体、工艺流程领域本体和装配设备领域本体,利用产品的结构和连接特征、工艺流程的功能属性及装配设备的布局特点,形成智能装配系统的完整知识表达,建立知识与各个智能装配模块的关系。本发明提出的方法可以初步形成面向智能装配系统的知识本体,在此框架上进行知识嵌入和补全,拓展和丰富智能装配系统知识,便于推理相应产品领域、工艺流程领域、装配设备领域的任务流程。

    一种水下机器人直流混合电力推进系统半物理仿真平台

    公开(公告)号:CN116300514A

    公开(公告)日:2023-06-23

    申请号:CN202111569659.5

    申请日:2021-12-21

    IPC分类号: G05B17/02

    摘要: 本发明涉及半物理仿真技术领域,尤其是针对水下机器人直流混合电力推进系统的仿真平台,本发明由RTLAB仿真机、CPCI仿真工控机、分布式子系统控制器、上层能量管理计算机组成,其中RTLAB仿真机用于仿真水下机器人直流混合电力推进系统中各底层设备包括锂电池、燃料电池、超级电容、DC/DC直流变换器模型、推进电机、驱动器等的电气性能,CPCI仿真工控机用于仿真各底层设备的CAN通讯接口。利用本发明的半物理仿真平台可以对水下机器人直流混合电力推进系统中如DC/DC等各底层设备的控制策略、上层分布式子系统控制器以及能量管理计算机的能量管理策略进行验证测试,保证整个直流混合电力系统的稳定可靠运行。

    基于物理模型去噪的获取游梁抽油机冲程和冲次的方法

    公开(公告)号:CN112836613B

    公开(公告)日:2023-06-20

    申请号:CN202110110271.2

    申请日:2021-01-27

    摘要: 本发明属于信号处理技术领域,具体地说是基于物理模型去噪的获取游梁抽油机冲程和冲次的方法。包括以下步骤:通过传感器采集游梁抽油机设备悬点处加速度数据,并处理;再次进行异常数据进行数据处理,并进行滤波,经过小波分解重构提取滤波后加速度数据的低频信号特征,即重构数据;将重构数据转化为真实的加速度值,并获取加速度的单个周期数据;根据的机械参数及曲柄转速,对游梁抽油机进行建模,得到游梁抽油机的加速度物理模型;通过遗传算法得到游梁抽油机的机械参数及曲柄转速数据;进而所测数据对应的真实冲程和冲次。本发明根据遗传算法对根据抽油机的加速度物理模型对机械结构参数和曲柄角速度进行了筛选,大大提升参数筛选的速率。

    基于深度强化学习的配电网保护控制方法及系统

    公开(公告)号:CN114678860A

    公开(公告)日:2022-06-28

    申请号:CN202011550073.X

    申请日:2020-12-24

    摘要: 本发明公开基于深度强化学习的配电网保护控制方法及系统,包括智能体获取本地量测数据,将获取到的感知信息作为深度强化学习的环境状态信息;智能体获取动作类型和参数作为深度强化学习的动作空间信息;设计智能体与环境交互过程中的奖励函数;构建深度强化学习神经网络模型;对所述深度学习神经网络进行训练;根据训练好的深度强化学习神经网络模型对获取到的感知信息进行自主决策,得到控制断路器动作的指令。本发明改变了传统电流保护以电流整定值为动作判定依据的思路,让保护装置自主感知配电网的运行状态,通过不断的试错学习,自适应调整保护动作策略,以满足高度不确定性配电网环境的保护动作的选择性和速动性。