斜温层储热罐因其具有较高的平均净能量和(火用)效率而逐渐发展成为一种主流的热储能利用方式。为解决储放热流体流量实时变化引起的罐内工质流动方向改变、常规温度分层模型不连续的问题，利用连续光滑函数近似逼近原表征工质流动方向的0-1变量，得到储热罐沿高度方向的一维连续动态温度分层模型。在此基础上，提出一种基于灵敏度矩阵的最优传感器布置策略，根据灵敏度矩阵包含的系统信息重新定义能观度指标，按照各传感器位置对系统能观度贡献度不同确定保证系统能观的最少传感器数量及相应的最优布置位置。结果表明：通过选取合适的光滑参数μ，所建立的储热罐一维连续动态模型能够准确描述内部工质在不同运行场景下沿高度方向的温度分层现象；按照最优传感器布置策略的滚动时域估计器(movinghorizonestimator,MHE)观测误差的均方根误差(root mean square error,RMSE)均值和方差在所有同等数量下保证系统能观的传感器组合中均为最小。可知，该文所提出的最优传感器布置策略能够获得较好的系统能观性。
针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取...
详细信息
针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取；接着，利用多尺度池化方法对物体特征信息进行深层次提取，增强模型在面对不同尺度物体时的鲁棒性；最后，引入独特的物体优先级分类预测模块，提升了模型对物体的感知能力。分析结果表明：本文模型在堆叠场景中的表现优于现有的其他抓取检测模型，准确率达到了74.1%，模型能够准确解析物体间的堆叠关系，确保机械臂按物体优先级顺序进行抓取，避免抓取顺序紊乱的问题。此外，在单目标场景中的高性能以及在真实环境中的泛化能力和鲁棒性也得到了验证。
暂无评论