国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

摘要:RGBT視覺(jué)跟蹤是指融合可見(jiàn)光和熱紅外多模態(tài)圖像信息進(jìn)行視覺(jué)跟蹤的新興熱點(diǎn)研究課題，合理融合可見(jiàn)光和熱紅外圖像的互補信息可以提高跟蹤器的性能和魯棒性。人工智能技術(shù)的發(fā)展推動(dòng)了RGBT多模態(tài)視覺(jué)跟蹤的發(fā)展，深度學(xué)習技術(shù)逐漸代替傳統目標跟蹤方法，在精確度與速度方面更具有優(yōu)勢。對近年來(lái)RGBT多模態(tài)視覺(jué)跟蹤進(jìn)行了全面綜述，整理了RGBT多模態(tài)視覺(jué)跟蹤的發(fā)展歷程，歸納和討論了相關(guān)算法，具體包括基于相關(guān)濾波的方法和基于深度學(xué)習的方法；回顧了RGBT多模態(tài)視覺(jué)跟蹤數據集的發(fā)展歷史，介紹了算法性能評估指標，分析了不同方法在評估數據集上的性能，展望了RGBT多模態(tài)視覺(jué)跟蹤的未來(lái)研究趨勢。旨在為相關(guān)研究者提供全面的概覽和參考，以促進(jìn)RGBT多模態(tài)視覺(jué)跟蹤領(lǐng)域的研究和發(fā)展。

摘要:路面坑洼是主要道路缺陷,會(huì )損壞車(chē)輛,影響駕駛員的安全駕駛,嚴重時(shí)還會(huì )導致交通事故,針對這個(gè)問(wèn)題,本文提出了改進(jìn)YOLOv7的道路坑洼檢測算法。首先,使用Mosaic+Mixup進(jìn)行內置數據增強,擴充小樣本數據集,增強模型泛化能力；其次,引入CA注意力機制,將橫縱位置信息編碼,保證計算量的同時(shí)又能關(guān)注大范圍位置信息；然后,引入BIFPN雙向特征金字塔網(wǎng)絡(luò ),通過(guò)特征融合多尺度語(yǔ)義特征提高檢測效率；最后,將損失函數SIoU替換CIoU,有效解決回歸中的樣本不平衡問(wèn)題。實(shí)驗結果表明,改進(jìn)之后的算法在坑洼數據集的平精度均值和精確率達到了89.42%和90.12%,相比于原本的YOLOv7版本提高了6.18%和1.96%,更準確更快速的應用于道路維修。

摘要:測試天線(xiàn)波瓣圖是分析天線(xiàn)性能的重要方法，隨著(zhù)毫米波天線(xiàn)的大量應用，如何開(kāi)發(fā)出部署靈活，成本較低的毫米波天線(xiàn)測試系統，成為毫米波天線(xiàn)大批量生產(chǎn)的關(guān)鍵，針對此問(wèn)題，開(kāi)發(fā)出了基于機械臂的毫米波天線(xiàn)測試系統。同時(shí)，針對目前平面天線(xiàn)測試系統測試功能單一的問(wèn)題，基于機械臂的毫米波天線(xiàn)測試系統，不僅能夠執行平面近場(chǎng)測試，還能夠進(jìn)行柱面近場(chǎng)、球面近場(chǎng)以及遠場(chǎng)測試任務(wù)。通過(guò)對機械臂實(shí)際的精度測量實(shí)驗和機械臂關(guān)鍵運動(dòng)參數的計算，驗證了基于機械臂測量毫米波天線(xiàn)的可行性并為系統軟件設計提供了理論基礎。通過(guò)與傳統平面天線(xiàn)測試系統測試數據比較，增益偏差0.73%，波束寬度偏差1.4%，副瓣偏差1.37%，測試結果一致性較好。實(shí)際應用表明該系統能夠滿(mǎn)足毫米波天線(xiàn)的測試需求，為毫米波天線(xiàn)測試提供了重要手段。

摘要:針對目前汽車(chē)駕艙內遺忘物檢測精度不高的問(wèn)題,提出一種基于改進(jìn)的YOLOv5s汽車(chē)駕艙遺忘物的檢測方法。該檢測方法將YOLOv5s作為基礎網(wǎng)絡(luò ),在此基礎上進(jìn)行改進(jìn)。首先在主干網(wǎng)絡(luò )的尾部引入SE注意力模塊,加強模型對通道信息的關(guān)注提升目標檢測性能；其次改進(jìn)空間金字塔池化模塊,將原有的SPPF模塊改進(jìn)為SPPCSPC模塊,通過(guò)增加一點(diǎn)計算量來(lái)進(jìn)一步提升檢測模型的精度；最后同時(shí)引入GSConv層,S能夠緩解DSC(深度可分離卷積)的缺陷,并充分利用DSC的優(yōu)勢,在小目標檢測方面取得明顯的提升效果,既保證了語(yǔ)義信息又平衡了模型的準確性,也提升了檢測速度。通過(guò)訓練結果說(shuō)明,改進(jìn)后的網(wǎng)絡(luò )與原YOLOv5s網(wǎng)絡(luò )相比,其平均精度均值mAP提高了2%,查準率提升了3.5%。改進(jìn)后的網(wǎng)絡(luò )具有良好的提升效果,表明了該方法的有效性。

摘要:手機屏幕是智能手機的關(guān)鍵部件，其品質(zhì)優(yōu)劣直接影響到用戶(hù)的使用體驗；因此，手機屏幕缺陷檢測成為工業(yè)生產(chǎn)中的重要環(huán)節；然而，手機LCD屏幕的表面缺陷檢測目前還存在檢測精確度低、模型參數較多等問(wèn)題，無(wú)法滿(mǎn)足實(shí)際工業(yè)生產(chǎn)需求；為了解決這些問(wèn)題，對現有的缺陷檢測算法和經(jīng)典語(yǔ)義分割模型進(jìn)行了研究，提出一種基于改進(jìn)PSPNet的手機LCD屏幕表面缺陷檢測模型；模型采用MobileNetV3作為特征提取網(wǎng)絡(luò )，有效減少了模型參數；采用多尺度金字塔池化模塊，進(jìn)一步整合多尺度上下文信息，提高了模型的特征提取能力，有效應對屏幕圖像中缺陷尺寸微小、邊界模糊、相同缺陷尺寸差異較大的問(wèn)題；同時(shí)，通過(guò)引入注意力機制，增強了模型的魯棒性；實(shí)驗結果表明，在SQ、Mura、TP、Line四種類(lèi)型的手機LCD屏幕表面缺陷檢測上，改進(jìn)后的模型準確度明顯優(yōu)于基線(xiàn)模型。

摘要:針對目前國產(chǎn)CPU架構眾多、操作系統技術(shù)路線(xiàn)分散，面向異構平臺的通用計算機綜合性能測試工具較少的情況，設計并實(shí)現了一套跨國產(chǎn)CPU平臺、兼容不同服務(wù)器和桌面操作系統的通用計算機綜合性能基準測試系統；測試系統選取了CPU、GPU、內存、存儲、網(wǎng)絡(luò )、操作系統、運行時(shí)及典型業(yè)務(wù)模型等8組具有代表性的基準測試程序來(lái)模擬真實(shí)的工作組合，并以插件方式集成基準測試程序，測試系統采用統一運行框架、統一打分模型；將性能測試系統與GLmark2、SPEC CPU 2017等專(zhuān)項測試工具進(jìn)行測試比較，通過(guò)歸一化、t檢驗等方式驗證其測試結果無(wú)顯著(zhù)差異性，國產(chǎn)通用計算機性能測試系統滿(mǎn)足性能評測需求，為國產(chǎn)軟硬件環(huán)境下相關(guān)測試工具的設計和改進(jìn)提供了借鑒和參考。

摘要:有效的故障檢測與診斷將極大地提高風(fēng)電機設備運行效率和可靠性，降低維修成本，保障生產(chǎn)過(guò)程的順利進(jìn)行。為實(shí)現高效率的設備故障預警與維護，研究基于傳感器技術(shù)和機器學(xué)習的設備運行故障檢測及診斷方法。首先對箱型圖法和小波包降噪法等對傳感器傳輸的數據信號進(jìn)行預處理。然后利用雙向長(cháng)短時(shí)記憶網(wǎng)絡(luò )構建時(shí)間序列預測模型。最后，基于預測殘差和貝葉斯概率理論，設計了信號異常識別策略，以實(shí)現實(shí)時(shí)監測與故障預警。對提出的風(fēng)電機設備故障監測模型進(jìn)行性能分析，結果表明，研究所構建模型的診斷準確率為98.88%，無(wú)漏診情況，誤診率在1.5%以下，在提前14小時(shí)以上進(jìn)行預警。研究模型能夠及時(shí)對風(fēng)電機設備故障進(jìn)行預警，同時(shí)能夠在較高的準確率下對故障進(jìn)行診斷。

摘要:摘要：面對玉米作物害蟲(chóng)檢測中目標體積較小、形態(tài)多變且種類(lèi)分布不均的情況，現有檢測器會(huì )出現誤檢、漏檢等問(wèn)題。針對以上問(wèn)題，提出了基于YOLOv7的玉米作物蟲(chóng)害檢測算法SPD-YOLOv7。制作收集玉米害蟲(chóng)數據集，采用數據增強方法擴充數據集。引入SPD-Conv模塊，替換原先骨干和頭部網(wǎng)絡(luò )中的部分跨步卷積層，減少隨著(zhù)網(wǎng)絡(luò )加深細節信息的丟失，提高模型獲取小目標特征和位置信息的能力。將ELAN-W模塊與CBAM注意力機制結合，使網(wǎng)絡(luò )更好地學(xué)習害蟲(chóng)特征，抑制背景信息，關(guān)注目標本身。改進(jìn)后的YOLOv7網(wǎng)絡(luò )模型準確率達到了98.38%，平均精度均值達到了99.4%。相較于原始的YOLOv7模型，準確性和平均精度均值分別提高了2.46、3.19個(gè)百分點(diǎn)，與Faster-RCNN、YOLOv3、YOLOv4、YOLOv5和YOLOv6主流算法的檢測精度相比更具優(yōu)勢，且滿(mǎn)足實(shí)時(shí)性。實(shí)驗結果說(shuō)明改進(jìn)算法有利于快速識別玉米作物的蟲(chóng)害分布，可用于實(shí)際農田間的害蟲(chóng)實(shí)時(shí)監測。

摘要:移動(dòng)機器人視覺(jué)SLAM的樓梯建圖過(guò)程需要對樓梯特征進(jìn)行檢測識別，傳統的邊緣檢測、直線(xiàn)提取等樓梯檢測技術(shù)往往視角較為理想、背景較為簡(jiǎn)單，無(wú)法實(shí)現欄桿遮擋、復雜背景下的樓梯特征提取。為了解決以上問(wèn)題， 提出了一種可用于移動(dòng)機器人的改進(jìn)YOLOv5的樓梯目標檢測方法，在輸入端引入FenceMask數據增強策略，增加對遮擋樓梯的訓練樣本數量。通道注意力模塊CAM與空間注意力模塊SAM采用并行連接的方式組成注意力模塊CBAM，加強在復雜環(huán)境下對樓梯的特征提取能力。在預測端將NMS與WBF結合，將NMS篩選之后置信度較高且位置相鄰的邊框進(jìn)行融合為新的邊框，在滿(mǎn)足精度要求的情況下改善了Faster-RCNN與SSD檢測算法存在的單段多階樓梯檢測速度問(wèn)題。仿真表明改進(jìn)的YOLOv5s可以在模型大小18.4MB的情況下達到82.9%的平均精度，改進(jìn)的YOLOv5m在增大模型為45.5MB的情況下平均精度提高為86.5%，均可有效識別欄桿遮擋、復雜背景以及單段長(cháng)階梯。

摘要:當前國內外對于船舶機艙的智能化診斷研究較淺,且遠程監測技術(shù)難以滿(mǎn)足船舶安全運行的高效需求。因此,研究創(chuàng )新地設計了一種船舶機艙安全監測系統。利用優(yōu)化后的狼群算法對反向傳播神經(jīng)網(wǎng)絡(luò )進(jìn)行改進(jìn),并建立了機艙柴油機故障診斷模型。同時(shí),結合虛擬現實(shí)技術(shù)進(jìn)行了船舶機艙安全監測系統的設計。實(shí)驗驗證顯示,研究構建的故障診斷模型對柴油機五種故障類(lèi)型的平均診斷準確率高達99.102%。安全監測系統對故障識別準確率比其他系統提高了5.34%,且響應時(shí)間為0.048ms。結果表明,利用優(yōu)化后的狼群算法改進(jìn)反向傳播神經(jīng)網(wǎng)絡(luò )的權值和閾值可有效提高故障診斷模型的診斷結果,且收斂效果更理想。研究提出的機艙安全監測系統在船舶安全運行方面具有積極的應用價(jià)值,對船舶安全運行具有一定的促進(jìn)作用。

摘要:為了提高國產(chǎn)服務(wù)器性能測試和可靠性測試的測試效率，設計并實(shí)現了一種國產(chǎn)服務(wù)器測試平臺；平臺由測試管理層，API服務(wù)層，任務(wù)執行層，Shell腳本層四層架構組成，實(shí)現了測試任務(wù)異步的并行執行和指定順序并行執行，執行參數的個(gè)性化配置和校驗，測試任務(wù)的監控、終止和結果展示等功能；平臺構建了不同CPU架構的Docker鏡像，能夠快速組建測試環(huán)境，對批量國產(chǎn)服務(wù)器進(jìn)行測試；結合實(shí)際應用場(chǎng)景，與現有的測試方法進(jìn)行對比，驗證了平臺的可行性和應用價(jià)值。

摘要:提出了一種通道空間深度感知的輕量化水下目標檢測網(wǎng)絡(luò )CSDP-L-YOLO。該網(wǎng)絡(luò )基于YOLOv5網(wǎng)絡(luò )進(jìn)行改進(jìn)，由特征感知模塊和雙注意門(mén)控策略組成。特征感知模塊旨在將解碼器中的多級特征自適應抑制或增強，優(yōu)化類(lèi)內學(xué)習的一致性，解決水下場(chǎng)景復雜導致的誤檢和漏檢問(wèn)題；通過(guò)線(xiàn)性操作和混洗結構生成特征映射，減少冗余特征的融合和計算，以減少模型的參數量和計算量。雙注意門(mén)控策略是在編碼器中同時(shí)引入并發(fā)通道空間擠壓-激勵機制模塊和卷積注意力模塊，進(jìn)一步關(guān)注強相關(guān)性特征，增強模型對特征的敏感度。實(shí)驗結果表明，與基線(xiàn)模型YOLOv5-s相比，mAP提高了2.4%，節省了20%參數量和15.8%計算量，檢測速度提升了8.2 ms。此外，與目前較為先進(jìn)的YOLOv8模型相比，mAP提高了1.9%。

摘要:軟件缺陷預測的目的是預先識別容易出現缺陷的代碼模塊以幫助軟件質(zhì)量保障團隊適當的分配資源和人力；當前基于穩定學(xué)習的軟件缺陷預測方法在特征提取過(guò)程中缺乏代碼圖像的全局信息，并忽視了不平衡數據對模型性能的影響；為了解決上述問(wèn)題，論文提出了一種基于注意力和代價(jià)敏感的軟件缺陷預測方法；該方法在SDP-SL的神經(jīng)網(wǎng)絡(luò )中增加了全局注意力模塊，重點(diǎn)關(guān)注圖像中和缺陷代碼相關(guān)的特征，并將分類(lèi)器的損失函數改進(jìn)為代價(jià)敏感的損失函數，降低類(lèi)不平衡對模型性能的影響；為了評估SDP-SLAC的性能，在PROMISE數據庫中的10個(gè)開(kāi)源Java項目上進(jìn)行了多組比較實(shí)驗；實(shí)驗結果表明，SDP-SLAC方法可以有效提升缺陷預測模型的性能。

摘要:水產(chǎn)養殖病害是影響水產(chǎn)養殖效益的重要因素，由于水產(chǎn)養殖病害文本數據雜亂無(wú)章，無(wú)法快速準確定位疾病原因，從而耽誤診斷和治療時(shí)機，導致水產(chǎn)養殖質(zhì)量和產(chǎn)量下降。為解決上述問(wèn)題，深入知識圖譜的工作原理和模型特征，采用知識圖譜技術(shù)完成水產(chǎn)養殖病害診斷總體方案設計，建立水產(chǎn)病害語(yǔ)料庫，引入H-BIO標注策略，完成標注方案設計、改進(jìn)BiLSTM模型構建，進(jìn)行實(shí)體關(guān)系抽取和水產(chǎn)病害模型訓練，完成水產(chǎn)養殖病害知識圖譜可視化設計，并進(jìn)行水產(chǎn)病害聯(lián)合抽取實(shí)驗。實(shí)驗結果表明：基于知識圖譜的改進(jìn)BiLSTM模型在實(shí)體關(guān)系抽取方面效果較好、可靠性較高，有效提高了水產(chǎn)病害聯(lián)合抽取準確率，構建了水產(chǎn)養殖病害可視化知識圖譜，能夠輔助作業(yè)人員快速準確進(jìn)行水產(chǎn)病害診斷和治療，對提升水產(chǎn)養殖生產(chǎn)效益具有十分重要的作用。

摘要:目標檢測研究一直是水下小目標檢測的難題。針對水下小目標檢測任務(wù)漏檢率高、水下場(chǎng)景識別效果差的問(wèn)題,提出一種利用YOLOv7改進(jìn)的水下小目標檢測技術(shù)。為了達到準確率的同時(shí)兼顧高檢測速度,采用YOLOv7網(wǎng)絡(luò )作為基礎網(wǎng)絡(luò )。該網(wǎng)絡(luò )通過(guò)融合SENet注意力機制、增強FPN網(wǎng)絡(luò )拓撲、結合EIoU損失函數,集中小目標更關(guān)鍵的特征信息,提高檢測精度,同時(shí)降低模型復雜度。通過(guò)模擬測試,在測試集上確認了mAP、P和R指標,并與其他傳統目標檢測技術(shù)進(jìn)行了對比。結果表明,增強的算法優(yōu)于競爭網(wǎng)絡(luò ),并成功提高了測試集的檢測精度。

摘要:無(wú)刷直流電機是大型設備重要的動(dòng)力裝置之一,電機的運行狀態(tài)與設備的運行狀態(tài)高度一致。但當前現有的電機故障診斷方法難以在多電機或存在電磁干擾的環(huán)境下對電機做出準確的狀態(tài)判斷。為了實(shí)現復雜環(huán)境的無(wú)刷直流電機狀態(tài)診斷,研究融合了卷積神經(jīng)網(wǎng)絡(luò )算法和長(cháng)短期記憶網(wǎng)絡(luò )算法。研究通過(guò)長(cháng)短期記憶網(wǎng)絡(luò )算法的雙向傳播捕捉復雜環(huán)境對電機的影響特征,從而提高模型的診斷精準度。實(shí)驗結果表明,提出模型在機電設備故障診斷數據集上的平均收斂時(shí)間為8.91min,在電機故障數據集上的平均收斂時(shí)間為12.66min,收斂時(shí)間均低于同組對照模型。其次提出模型的F1值為84.17%,比對照模型分別高出0.87%和5.08%。此外,在對電機故障前后電壓檢測情況對比中,提出模型對電機故障發(fā)生時(shí)的檢測結果更為詳細。根據實(shí)驗結果可以得出,研究提出的電機診斷模型具有優(yōu)秀的性能,滿(mǎn)足電機診斷行業(yè)的精準度需求。

摘要:為了構建地面飛行安全態(tài)勢監測系統，針對飛機狀態(tài)數據向地面傳輸過(guò)程中出現數據傳輸異常情況而導致無(wú)法對飛機狀態(tài)進(jìn)行實(shí)時(shí)監控的問(wèn)題，提出一種基于SSA-TSVR的飛機狀態(tài)預測方法，使用隨機森林算法對真實(shí)飛行數據進(jìn)行特征重要度分析，篩選與待預測飛機狀態(tài)參數關(guān)系密切的重要參數，獲得待預測參數與飛行數據間重要度關(guān)系；通過(guò)孿生支持向量回歸算法建立預測模型，對缺失的關(guān)鍵飛行狀態(tài)參數進(jìn)行預測；并運用飛鼠搜索算法對孿生支持向量回歸模型進(jìn)行優(yōu)化，根據不同預測對象選擇對應的最優(yōu)核函數，提高了模型預測精度；以飛行高度、速度為預測對象進(jìn)行實(shí)驗驗證，預測模型實(shí)現了利用不完整飛行數據對飛機狀態(tài)進(jìn)行準確預測，對飛機飛行狀態(tài)監測有著(zhù)重要意義。

摘要:針對石英晶體微天平(QCM)傳感器應用于氣體檢測需要高精度頻率測量,設計了一種基于FPGA的高精度頻率測量系統。提出了一種基于鎖相環(huán)的等精度頻率測量方法,降低了頻率測量的理論相對誤差。設計了頻率測量系統整體架構,根據整體架構完成了基于FPGA的高精度頻率測量系統硬件電路,設計了一種包括頻率測量、通訊、程序固化等模塊的嵌入式軟件,實(shí)現了基于FPGA的高精度頻率測量系統的集成,并將其應用于基于QCM的二氧化碳氣體濃度檢測。實(shí)驗結果表明,頻率系統測量絕對誤差不超過(guò)0.35Hz,誤差平均值為0.268Hz,最大相對誤差為3.5×10-8^,頻率測量分辨率可以達到0.1Hz,該系統測量誤差較小,穩定性較好,在基于QCM的二氧化碳氣體濃度檢測中具有較好的應用前景。

摘要:將人工智能技術(shù)應用于自動(dòng)控制相結合是自動(dòng)化控制系統發(fā)展的趨勢,因此,設計基于ChatGPT的生成式人工智能自動(dòng)化控制系統。系統劃分為五個(gè)部分,輸入層通過(guò)語(yǔ)音、文本、圖像等形式將用戶(hù)的控制信息輸入系統內；ChatGPT處理層：采用神經(jīng)語(yǔ)義分析算法分析用戶(hù)輸入的控制信息的語(yǔ)義,提取用戶(hù)意圖與需求,生成相應的控制指令；指令生成層負責將ChatGPT生成的控制指令轉化為具體的控制信號,并傳輸至控制執行層,利用模糊PID控制器實(shí)現被控目標的自動(dòng)化控制；學(xué)習優(yōu)化層收集和分析用戶(hù)的行為和反饋,以及被控目標的運行狀態(tài),以此學(xué)習和優(yōu)化ChatGPT模型。實(shí)驗結果顯示該系統能夠有效分析輸入控制信息的語(yǔ)義,分析結果的問(wèn)題匹配度和上下文相關(guān)交互匹配度分別達到97%和91%以上,并且能夠準確控制被控目標的動(dòng)作。

摘要:水下機器人在運動(dòng)過(guò)程中極易受到水環(huán)境因素的干擾發(fā)生運動(dòng)偏移,為了保證水下機器人的精準、穩定航行,利用有限時(shí)間擴張狀態(tài)觀(guān)測器優(yōu)化設計水下機器人精準跟蹤控制系統。設計有限時(shí)間擴張狀態(tài)觀(guān)測器、水下機器人傳感器、跟蹤控制器和推進(jìn)器,強化硬件系統的密封防水設計強度,完成系統硬件設計。根據水下航行任務(wù),規劃機器人的航行軌跡,作為系統控制目標。求解機器人位置、姿態(tài)角、速度等運動(dòng)參數,得出水下機器人的跟蹤結果。利用有限時(shí)間擴張狀態(tài)觀(guān)測器檢測航行環(huán)境參數,結合當前機器人狀態(tài)的跟蹤結果,計算機器人運動(dòng)控制量,在硬件系統的支持下,完成系統的精準跟蹤控制功能。通過(guò)系統測試實(shí)驗得出結論,靜力水環(huán)境場(chǎng)景下水下機器人的平均位置跟蹤誤差為14m、平均角度控制誤差為0.10°,航行速度控制誤差為0.5m/s；動(dòng)力水環(huán)境場(chǎng)景下水下機器人的平均位置跟蹤誤差為15m、平均角度控制誤差為0.10°、航行速度控制誤差為0.5m/s。

摘要:飛機直接升力水平不均會(huì )造成飛機飛行偏航問(wèn)題，為實(shí)現對飛機飛行能力的有效控制，設計基于EMD及閉環(huán)測試的飛機直接升力控制系統。在FSEU架構中，設置ARINC429總線(xiàn)閉環(huán)機制，聯(lián)合伺服控制模塊與實(shí)時(shí)機載終端，實(shí)現飛機直接升力控制系統應用模式的搭建。根據隱藏EMD信息定義條件，求解質(zhì)心動(dòng)力學(xué)方程，再按照氣動(dòng)特性原則，計算航向偏離度的具體數值，完成基于EMD的飛機升力控制。以?xún)却婢W(wǎng)交聯(lián)環(huán)境為基礎，配置模型機組織，實(shí)現對閉環(huán)測試功能的完善。實(shí)驗結果表明，應用所設計系統可以改善直接升力水平不均的問(wèn)題，將飛機飛行偏航角控制在0°-20°的數值范圍之內，能夠實(shí)現對飛機飛行能力的有效控制。

摘要:鐵路通信網(wǎng)絡(luò )在數據傳輸過(guò)程中容易受到網(wǎng)絡(luò )攻擊,降低網(wǎng)絡(luò )的安全性。為了解決這個(gè)問(wèn)題,設計了基于窄帶物聯(lián)網(wǎng)的鐵路通信網(wǎng)絡(luò )安全加密控制系統。以STM32F103為窄帶物聯(lián)網(wǎng)的控制終端芯片,用于采集、處理和分析數據,通過(guò)控制終端與人機接口,使用USART實(shí)現計算機的下載及調試,設計接口數據傳輸電路,采用撥碼開(kāi)關(guān)電路完成輸入端電流信號和電壓信號的切換,并通過(guò)調整電阻尺寸來(lái)校正輸出電壓,實(shí)現數據的高效傳輸。應用窄帶物聯(lián)網(wǎng)加密技術(shù),確保每個(gè)子機構都具備唯一的屬性密鑰,結合AES加密算法將數據加密成密文,通過(guò)逆變換、解密處理,獲取噪聲相位,避免亂序密文影響子密文排序,實(shí)現通信網(wǎng)絡(luò )安全加密控制。由系統測試結果可知:所設計系統信道誤碼率最大值未超過(guò)30%,網(wǎng)絡(luò )吞吐量最大值為260bit/s,具有高效加密控制能力。

摘要:當無(wú)人機行進(jìn)軌跡內存在明顯轉向行為時(shí)，若不能實(shí)現姿態(tài)角與響應曲線(xiàn)的有效耦合，則會(huì )使飛行器的抗擾能力下降，從而降低無(wú)人機飛行品質(zhì)。為解決上述問(wèn)題，設計基于機器學(xué)習的無(wú)人機串級線(xiàn)性自抗擾控制系統。按需連接串級線(xiàn)性跟蹤微分器、擴張狀態(tài)觀(guān)測器、自抗擾型無(wú)人機姿態(tài)控制器與行進(jìn)位置控制器，完成無(wú)人機串級線(xiàn)性自抗擾控制硬件系統的設計。建立機器學(xué)習模型對抗網(wǎng)絡(luò )，求解無(wú)人機串級線(xiàn)性動(dòng)力學(xué)運動(dòng)公式，聯(lián)合相關(guān)運動(dòng)數據，完成基于機器學(xué)習的無(wú)人機串級線(xiàn)性動(dòng)力學(xué)性能分析。定義串級線(xiàn)性位姿坐標，通過(guò)推導自抗擾運動(dòng)節點(diǎn)矩陣的方式，計算具體的自抗擾性控制條件，實(shí)現對無(wú)人機串級線(xiàn)性位姿的自抗擾性控制，聯(lián)合相關(guān)應用部件結構，完成基于機器學(xué)習的無(wú)人機串級線(xiàn)性自抗擾控制系統的設計。實(shí)驗結果表明，機器學(xué)習型控制系統作用下，俯仰角、滾轉角兩類(lèi)姿態(tài)角與標準響應曲線(xiàn)之間的耦合誤差均不超過(guò)10%，即便在行進(jìn)軌跡內存在明顯轉向行為的情況下，應用該系統也可以實(shí)現姿態(tài)角與響應曲線(xiàn)的有效耦合，能夠有效保障無(wú)人機飛行器的抗擾能力。

摘要:針對某飛行器傳統發(fā)射控制裝置結構復雜、操控繁瑣、可靠性差的現實(shí)問(wèn)題，開(kāi)展便攜式簡(jiǎn)易發(fā)控裝置總體技術(shù)方案設計，基于虛擬儀器技術(shù)、構建PXI總線(xiàn)測控平臺，采用便攜式加固機箱構架、實(shí)施功能結構整合。圍繞該飛行器射前檢查和發(fā)射控制過(guò)程安全可靠要求，開(kāi)展系統軟硬件技術(shù)研發(fā)，完成硬件設備選型、功能結構設計與電氣適配調理，實(shí)施射檢發(fā)控軟件功能規劃與流程設計。實(shí)際使用表明：該發(fā)射控制裝置結構簡(jiǎn)明優(yōu)化、操控安全可靠、保障便捷高效，滿(mǎn)足實(shí)戰化供靶發(fā)射要求。

摘要:智能車(chē)在運行過(guò)程中,如果遇到突然出現的障礙物或者道路塌陷等情況,容易發(fā)生意外。為保證智能車(chē)的輔助駕駛功能和安全性能,設計一種基于單片機的自動(dòng)循跡激光導引智能車(chē)PID控制系統。加設MC9S12XS128單片機處理器,改裝激光器、測速與測角單元、智能車(chē)PID控制器和智能車(chē)驅動(dòng)模塊,完成硬件系統的優(yōu)化。在硬件系統的支持下,根據激光信號的接收結果,規劃智能車(chē)的引導軌跡,完成自動(dòng)循跡激光導引工作。利用硬件設備獲取智能車(chē)的移動(dòng)速度、位置和轉向角,實(shí)現對智能車(chē)實(shí)時(shí)運動(dòng)狀態(tài)的檢測。綜合考慮運動(dòng)參數與規劃軌跡之間的偏差,生成智能車(chē)PID控制指令,通過(guò)舵機轉向控制和驅動(dòng)速度控制,完成系統的控制功能。通過(guò)系統測試實(shí)驗得出結論:優(yōu)化設計系統的速度和轉向角控制誤差分別降低了5.37mm/s和0.25°,同時(shí)智能車(chē)移動(dòng)平衡度得到明顯提升。

摘要:無(wú)人駕駛電動(dòng)汽車(chē)在換道行駛中,難以細致地衡量道路中障礙物的移動(dòng)狀態(tài),從而導致規劃后的避障路線(xiàn)不夠準確,可能會(huì )發(fā)生交通事故。對此,提出基于毫米波雷達的無(wú)人駕駛電動(dòng)汽車(chē)換道動(dòng)態(tài)避障控制方法。利用電動(dòng)汽車(chē)內置的傳感器設備,檢測無(wú)人駕駛電動(dòng)汽車(chē)的行駛狀態(tài)和道路環(huán)境,判斷電動(dòng)汽車(chē)是否滿(mǎn)足換道條件。綜合考慮電動(dòng)汽車(chē)和動(dòng)態(tài)障礙物的移動(dòng)狀態(tài),對無(wú)人駕駛電動(dòng)汽車(chē)換道行為進(jìn)行決策。采用毫米波雷達技術(shù),設計動(dòng)態(tài)避障控制器,根據決策結果規劃換道避障路線(xiàn),生成控制指令,實(shí)現無(wú)人駕駛電動(dòng)汽車(chē)換道動(dòng)態(tài)避障控制。通過(guò)效果測試實(shí)驗得出結論:毫米波雷達技術(shù)的測量誤差能夠控制在0.1以?xún)?位置控制誤差和碰撞風(fēng)險明顯降低,具有更優(yōu)的控制效果。

摘要:為控制圖書(shū)館機器人在行進(jìn)過(guò)程中自動(dòng)躲避障礙,達到理想工作效果,提出基于改進(jìn)機器學(xué)習的圖書(shū)館機器人自主避障控制方法。利用安裝于圖書(shū)館機器人機身的各組超聲波測距傳感器,采集圖書(shū)館機器人與目標障礙物距離信息,并將各組傳感器采集到最小距離信息組合形成感知環(huán)境特征向量,當成卷積神經(jīng)網(wǎng)絡(luò )輸入,經(jīng)卷積、池化等操作,輸出圖書(shū)館機器人對當前環(huán)境感知結果,同時(shí)采用粒子群算法改進(jìn)卷積神經(jīng)網(wǎng)絡(luò )參數,而后把最優(yōu)環(huán)境識別結果與該結果下圖書(shū)館機器人距障礙物間距、圖書(shū)館機器人實(shí)時(shí)速度,當成模糊PID控制模型有效輸入,經(jīng)輸入輸出變量模糊化、模糊推理以及輸出變量解模糊等操作后,實(shí)現圖書(shū)館機器人自主避障無(wú)沖突運行。實(shí)驗結果表明：采用該方法進(jìn)行避障控制,自主避障控制效果較好,在遠距離即可作出反應,避障行駛距離短,高速運行時(shí)反應更快；在復雜靜態(tài)環(huán)境中,機器人能穩定、平滑地避開(kāi)多個(gè)障礙物,到達終點(diǎn)；且該方法識別分類(lèi)結果與實(shí)際感知環(huán)境類(lèi)型一致,為圖書(shū)館機器人自主避障提供可靠保障。

摘要:為解決傳統護理床中存在的效率低、操作復雜等問(wèn)題,研究通過(guò)特征金字塔進(jìn)行手勢檢測,并引入通道注意力與Transformer注意力對特征金字塔進(jìn)行優(yōu)化,并在樹(shù)莓派的基礎上設計了一個(gè)護理床控制系統,然后將優(yōu)化后的特征金字塔應用于其中,從而設計出一種結合特征金字塔網(wǎng)絡(luò )與樹(shù)莓派的護理床智能控制系統。結果顯示,改進(jìn)模型在COCO數據集上的準確率可達95%。在角度測試誤差中,改進(jìn)模型的最小誤差率為1.17%,證明了其精度較高。在識別率與平均測試時(shí)間中,改進(jìn)模型的識別率在不同指令中的最高可達98.7%,平均測試時(shí)間為0.18s,證明了其有效性,并進(jìn)一步證明了其準確性。基于該控制方法的智能護理床能夠有效提高老年人的護理質(zhì)量和舒適度,為智能護理床的進(jìn)一步發(fā)展提供了新的方向。

摘要:針對當前游樂(lè )場(chǎng)管理效率低，游客體驗感差等問(wèn)題，設計了一種基于STM32F103C8T6的游樂(lè )場(chǎng)智能手環(huán)系統；利用STM32F103C8T6作為主控芯片、通過(guò)MAX30102心率傳感器進(jìn)行游客心率數據的采集，采樣頻率為每秒鐘4次，并設置報警閾值；ESP8266WiFi模塊作為智能手環(huán)與服務(wù)器交流的傳輸媒介，調整工作模式為Station模式下，使用基于指紋匹配的定位算法實(shí)現WiFi定位；通過(guò)可以反復擦寫(xiě)與編程的XZ-T1010C型抗金屬型RFID標簽存儲游客信息，實(shí)現了WiFi定位、自動(dòng)計費、心率檢測等功能；測試表明，設計的游樂(lè )場(chǎng)智能手環(huán)系統心率檢測誤差最大不超過(guò)3次/分鐘，并能夠很好的記錄和保存游客信息，能夠滿(mǎn)足游客需求，提高游樂(lè )場(chǎng)管理效率，大大節省游樂(lè )場(chǎng)人力成本。

摘要:某風(fēng)洞充氣密封系統用于試驗期間隔離大門(mén)內外氣壓環(huán)境或填充移動(dòng)部件間隙,保證風(fēng)洞回路最高可以模擬2萬(wàn)米高空以下氣壓環(huán)境。密封圍帶基體材料采用植入增強纖維的硅橡膠,圍帶截面為“凹”型帶兩側固定基座,采用直線(xiàn)型帶芯分段模壓硫化成型,成功研制了適用于高低溫環(huán)境、長(cháng)壽命、高膨脹、大尺度環(huán)狀充氣密封圍帶；充氣/放氣氣路、電磁閥和變送器等基于集成塊安裝設計；充氣/放氣控制系統采用PLC+電磁閥+真空發(fā)生器；系統通過(guò)Profinet接入風(fēng)洞測控光纖環(huán)網(wǎng),實(shí)現本地/遠程自動(dòng)化控制。解決了圍帶結構、氣密泄漏、大尺度密封面平面度和金屬氣嘴結構設計等問(wèn)題。系統應用效果好,自動(dòng)化水平高,有較大推廣應用價(jià)值。

摘要:針對TOOD算法魯棒性差、特征金字塔頂層丟失部分語(yǔ)義信息、不同尺度特征層存在語(yǔ)義差距的問(wèn)題,提出隨機縮放混合與跨尺度特征增強的任務(wù)對齊目標檢測算法；該算法提出2×4混合增強方法,豐富訓練樣本,提高模型的泛化性和魯棒性；構造多重殘差特征增強模塊,自適應融合頂層不同尺度的上下文信息,減少最高層語(yǔ)義信息的損失；構建堆疊金字塔卷積模塊,縮小不同尺度特征層之間的語(yǔ)義差距,提升多尺度特征的融合效果；Pascal VOC數據集上的實(shí)驗結果表明,所提算法的均值平均精度、查準率、查全率分別比TOOD算法提高了3.76%、15.71%、6.28%；而且該算法的F1值與均值平均精度均優(yōu)于6種主流對比算法。

摘要:調姿過(guò)程中受力節點(diǎn)的錯誤選定會(huì )導致機翼壁板的承力能力大幅下降，因此準確定位受力節點(diǎn)才能降低壁板調姿偏差。為此，針對力位協(xié)同控制下的機翼壁板定位及柔性調姿技術(shù)展開(kāi)研究。按照力位協(xié)同控制原則，建立機翼壁板的力位結構模型；并根據力學(xué)協(xié)同作用描述條件，求解機翼力位的阻抗作用效果；再通過(guò)齊次變換定位坐標的方式，推導具體的機翼壁板定位模型，實(shí)現基于力位協(xié)同控制的機翼壁板定位。分析機翼壁板的柔性等效力作用，參考調姿位移計算結果，確定位移絕對向量，定義調姿自由點(diǎn)所處位置，并完成柔性調姿目標模型的構建，實(shí)現力位協(xié)同控制下機翼壁板定位及柔性調姿方法的設計。實(shí)驗結果表明，上述算法的應用，可將調姿受力節點(diǎn)與標準受力點(diǎn)之間的定位坐標誤差控制在3mm之內，能夠解決由錯誤選定調姿受力節點(diǎn)造成的機翼壁板承力能力下降的問(wèn)題，符合實(shí)際應用需求。

摘要:為優(yōu)化復雜動(dòng)態(tài)環(huán)境下路徑規劃問(wèn)題，提高路徑搜索效率，縮短路徑規劃時(shí)間，提出一種基于改進(jìn)RRT*算法和DWA算法的分層結構路徑規劃策略。該路徑規劃分層結構由全局路徑規劃層和局部路徑規劃層組成，全局路徑規劃層根據已知靜態(tài)障礙物信息利用改進(jìn) RRT*算法進(jìn)行全局路徑規劃；當路徑中出現未知動(dòng)態(tài)障礙物時(shí)，根據規劃策略將啟用局部路徑規劃層，基于獲取的動(dòng)態(tài)障礙物信息，利用DWA算法進(jìn)行局部路徑規劃；最終通過(guò)全局與局部路徑規劃策略相結合得到最終的可行路徑。仿真實(shí)驗結果表明：本文提出的分層結構路徑規劃策略在復雜動(dòng)態(tài)環(huán)境中可以高效地完成路徑規劃任務(wù)。

摘要:為精準控制航空發(fā)動(dòng)機葉片型面數據，設計出更符合實(shí)際應用需求的發(fā)動(dòng)機葉片，針對基于逆向工程的航空發(fā)動(dòng)機葉片三維重建模型構建方法展開(kāi)研究。按照逆向工程原理，采集三維數據樣本，并根據誤差修正條件，定義發(fā)動(dòng)機葉片三維數據的拓撲關(guān)系，從而分析三維數據樣點(diǎn)的鄰域形式，實(shí)現航空發(fā)動(dòng)機葉片三維數據的鄰域構建。實(shí)施對三維數據的點(diǎn)云拼接處理，遵循三維擬合原則，提取完整的發(fā)動(dòng)機葉片邊界，再根據三維重建節點(diǎn)配置需求，確定重建四元數的取值范圍，推導具體的重建模型表達式，完成基于逆向工程的航空發(fā)動(dòng)機葉片三維重建模型的構建。實(shí)驗結果表明，上述模型的應用可以保證建模時(shí)標志點(diǎn)、三維重建后標志點(diǎn)間的坐標誤差不超過(guò)0.5mm，符合精準構建航空發(fā)動(dòng)機葉片的實(shí)際應用需求。

摘要:在自然場(chǎng)景圖像中，豐富的文本內容對于全面理解場(chǎng)景非常重要。針對自然場(chǎng)景文本圖像存在背景復雜、文本粘連、文本多角度等問(wèn)題，提出一種基于改進(jìn)MTSv2的文本檢測和識別算法。檢測算法以MTSv2為基礎網(wǎng)絡(luò )，首先采用CBAM注意力機制增大特征圖中的小型文本的權重，更好捕捉圖像中的關(guān)鍵特征；其次融合CE-FPN結構，減輕多尺度融合產(chǎn)生的特征混疊問(wèn)題；最后引入focal loss函數，減少正負樣本分布不均衡對識別準確率的影響，使網(wǎng)絡(luò )更加關(guān)注難以分類(lèi)的樣本，改善模型的泛化能力。通過(guò)多個(gè)文本數據集進(jìn)行訓練，并在ICDAR2015數據集上進(jìn)行驗證，改進(jìn)后模型對場(chǎng)景文本檢測和識別的準確率達到了89.3%，召回率達到了87.6%，F1值達到了88.5%，相比于原模型都有一定程度的提高。

摘要:航空遙感圖像具有目標尺寸小且信息量豐富的特點(diǎn)。然而,由于受到低秩噪聲的干擾,這導致了小目標的提取精確度下降和漏檢現象增多。為了解決這一問(wèn)題,提出了一種基于奇異值分解的航空遙感圖像小目標提取方法。依據奇異值分解準則,結合不均勻變化奇異值特征向量提取小目標,計算奇異值變換能量增益。在此約束條件下構建信號空間雜波的協(xié)方差矩陣,反映信號的分布情況以及不同信號之間的聯(lián)系。使用奇異值分解矩陣,避免因計算雜波協(xié)方差矩陣帶來(lái)的影響,反映圖像小目標的形狀、大小、紋理等信息。奇異值分解圖像矩陣,反映圖像中行、列、像素強度信息。對正交矩陣分解,根據選擇新的基向量組,重建圖像矩陣。壓縮圖像,將其分為分散目標、完全疊加目標、部分疊加目標三個(gè)部分,計算這三個(gè)部分的能量衰減倍數,完成航空遙感圖像小目標提取。由實(shí)驗結果可知,該技術(shù)的召回率和準確率高,且“船”小目標漏檢最大量為4只,說(shuō)明使用該技術(shù)具有精準、高效提取效果。

摘要:為解決架空光纜因晃動(dòng)幅度大和溫度變化劇烈引起的相位噪聲惡化問(wèn)題，采用雙向傳輸與預補償技術(shù)，設計了基于電子相位補償的光纖頻率傳遞方案；首先在包含30km架空光纜、總長(cháng)133km的實(shí)際鏈路上開(kāi)展頻率傳遞試驗，與單向傳輸設備相比相位噪聲指標提高28dB，其次使用雙向傳輸光纖頻率傳遞設備，與133km全部埋地光纜進(jìn)行對照測試，在5級風(fēng)力情況下架空光纜傳遞相較惡化了4dB，但仍可以滿(mǎn)足架空光纜下頻率傳遞使用需求；研究證明基于電子相位共軛的頻率傳遞技術(shù)可以有效解決架空光纜傳遞頻率信號導致相位噪聲惡化問(wèn)題，為分布式雷達、分布式守時(shí)系統及航天測控等系統多站間同步方案提供支撐。

摘要:物聯(lián)網(wǎng)信息技術(shù)的發(fā)展使得物流機器人在當前運動(dòng)路徑規劃中面臨局部極值陷阱、算法收斂等問(wèn)題,且加之傳統運動(dòng)路徑規劃手段難以滿(mǎn)足復雜多變的物流環(huán)境,因此探尋積極有效的運動(dòng)規劃手段迫在眉睫。基于此,研究借助灰狼優(yōu)化算法進(jìn)行全局路徑規劃和混合路徑分析,并引入協(xié)同量子、改進(jìn)人工勢場(chǎng)進(jìn)行改進(jìn),實(shí)現該算法收斂因子的更新和交叉策略的執行。對物流機器人進(jìn)行仿真結果分析,結果表明,該算法在測試函數上表現出較好的收斂性,且在單個(gè)障礙物結果中的搜索路徑長(cháng)度減少率在5%左右,平均成本消耗為23.65,能較好檢測到動(dòng)態(tài)障礙物并有效跳出了局部極小值陷阱。且其在動(dòng)態(tài)環(huán)境下的運行時(shí)間縮短了46.37％,尋優(yōu)和避障性能較好。研究提出的路徑規劃算法能有效為物流業(yè)的發(fā)展以及自動(dòng)化調度提供借鑒思路和價(jià)值。

摘要:無(wú)線(xiàn)自組網(wǎng)是一種無(wú)需預設基礎設施的無(wú)線(xiàn)通信網(wǎng)絡(luò ),它由一組帶有無(wú)線(xiàn)收發(fā)裝置的移動(dòng)終端所組成,形成一個(gè)無(wú)中心、多跳、自組織的網(wǎng)絡(luò )；自組網(wǎng)MAC協(xié)議的鄰居發(fā)現問(wèn)題是網(wǎng)絡(luò )性能的關(guān)鍵,針對空中無(wú)線(xiàn)自組網(wǎng)窄波束、高動(dòng)態(tài)的場(chǎng)景需求,提出了一種新穎的網(wǎng)絡(luò )同步的媒體訪(fǎng)問(wèn)控制(MAC)層協(xié)議算法(FDBC-ND),該算法能在保證空中組網(wǎng)通信需求的基礎上,根據窄波束、高動(dòng)態(tài)的毫米波通信特點(diǎn),保證天線(xiàn)的對準速度與時(shí)間的同步精度；通過(guò)仿真實(shí)驗對鄰居發(fā)現算法進(jìn)行驗證；仿真結果表明,FDBC-ND算法在天線(xiàn)的波束寬度為12°、網(wǎng)絡(luò )節點(diǎn)數為20時(shí),網(wǎng)絡(luò )的平均鄰居發(fā)現時(shí)間約為11.85s；可以良好的應用于空中定向窄波束、高動(dòng)態(tài)的場(chǎng)景。

摘要:為滿(mǎn)足高頻脈沖時(shí)分復用的雙獨立掃描探測雙光子顯微成像系統中信號解多路復用、行場(chǎng)同步、像素值重建的需求,對高速數據的采集處理進(jìn)行了研究；基于 LabVIEW FPGA,結合有限狀態(tài)機、FIFO緩存和并行流水線(xiàn)等技術(shù),設計了一種多功能采集處理系統,通過(guò)精確的時(shí)序控制,成功實(shí)現了高速數據的無(wú)損解復用和后續成像數據處理,并能夠對共振振鏡非線(xiàn)性運動(dòng)導致的圖像畸變進(jìn)行校正；經(jīng)過(guò)調試仿真和實(shí)驗測試表明,在系統單通道采樣率800MSPS、200MHz FPGA處理時(shí)鐘下,能夠對160 MHz時(shí)間交錯激光脈沖產(chǎn)生的來(lái)自不同位置的相應熒光信號進(jìn)行復雜處理；經(jīng)實(shí)際應用表明,系統滿(mǎn)足實(shí)時(shí)成像的需求,為相關(guān)領(lǐng)域的研究者提供了有益的參考。

摘要:水下自主無(wú)人潛航器(AUV,Autonomous Underwater Vehicle)由于其具備高隱蔽性,超機動(dòng)性等特點(diǎn),是如今探索海洋的重要工具。作為自主機器人,AUV如何自主定位回收至塢站是研究中必不可少的環(huán)節。依托于實(shí)驗室獨創(chuàng )的四槳無(wú)舵矢量推進(jìn)型AUV,通過(guò)改進(jìn)Canny邊緣檢測,采用自適應閾值方法動(dòng)態(tài)調整輪廓,在閾值最優(yōu)時(shí)采用最小外接圓方法確定圓心。經(jīng)Unity3D仿真和水池試驗可知,該方法簡(jiǎn)單實(shí)用,魯棒性強,且相比于傳統的AUV形式以及傳統的圖像識別方法,該新型AUV在基于單目視覺(jué)的自適應閾值分割檢測方法下,水下末端導引對接精度(優(yōu)于20 cm)和對接成功率(大于80%)上均得到了大幅度的提高,在實(shí)際應用中對 AUV能源補給、數據下載 /上傳、設備檢修等具有重要的應用價(jià)值。

摘要:針對單舵輪自動(dòng)導引車(chē)(AGV)面向印刷車(chē)間復雜的作業(yè)環(huán)境下傳統導航方法定位精度差和路徑規劃算法生成軌跡不固定的問(wèn)題,研究并設計了完整環(huán)境地圖下的固定路徑和提高導航與定位精度的算法。針對自適應蒙特卡洛定位算法定位精度達不到作業(yè)要求,采取了改進(jìn)的Cartographer-SLAM算法與PID算法結合控制循跡的方法,大大提高了定位導航精度；針對常規導航框架下的路徑規劃算法會(huì )由于A(yíng)GV車(chē)避障行為而改變局部路徑,從而改變導航過(guò)程中的全局路徑,導致在狹窄車(chē)間環(huán)境下會(huì )發(fā)生碰撞的問(wèn)題,設計了生成導航路徑點(diǎn)的算法,生成由直線(xiàn)和弧線(xiàn)軌跡組成的固定路徑,以用于A(yíng)GV叉車(chē)的PID控制循跡,實(shí)現了固定路徑的規劃；實(shí)踐證明,該方法解決了單舵輪AGV叉車(chē)在車(chē)間環(huán)境下采用傳統導航方法出現的問(wèn)題,提高了安全性和可控性,工作效率也隨之提升。

摘要:智能分揀機器人最優(yōu)運動(dòng)軌跡規劃對于分揀效率和自動(dòng)化程度息息相關(guān)。研究將以智能分揀機器人為例,創(chuàng )新性對圖優(yōu)化動(dòng)態(tài)窗口方法的局部運動(dòng)軌跡規劃算法進(jìn)行了分析。該方法首先利用動(dòng)態(tài)窗口方法獲取多條軌跡,然后引入避障和增加全局路徑、點(diǎn)間距、非完整動(dòng)力學(xué)、加速度、速度等約束到每條運動(dòng)軌跡,進(jìn)而創(chuàng )建超圖。最后,采用C++軟件開(kāi)源的一般圖優(yōu)化采樣生成的運動(dòng)軌跡,并完成運動(dòng)軌跡評價(jià),找到最優(yōu)運動(dòng)路徑。圖優(yōu)化前后DWA的局部運動(dòng)軌跡規劃算法在豎向方向位置的估計誤差值較大,最小差值和最大差值分別為0.02m和3.25m,對應的時(shí)間為345s和697s。圖優(yōu)化前后DWA的局部運動(dòng)軌跡規劃算法的估計誤差稍微偏大,差值約為0.02m/s。改進(jìn)人工勢場(chǎng)法的局部路徑規劃算法、改進(jìn)時(shí)間彈性帶的局部路徑規劃算法的目標運動(dòng)軌跡重合度依次為72.68%和68.25%。研究設計的圖優(yōu)化DWA的局部運動(dòng)軌跡規劃算法能夠更好地實(shí)現對障礙物的合理避讓,與目標運動(dòng)軌跡重合度為89.25%。研究成果有效解決了智能分揀機器人最優(yōu)運動(dòng)軌跡規劃存在的規劃效率低等問(wèn)題,為實(shí)際移動(dòng)機器人的移動(dòng)控制技術(shù)的開(kāi)發(fā)提供新的可能。

摘要:結構形面熱穩定性是航天器結構設計的重要指標之一，對航天器在軌真空低溫環(huán)境下功能與性能的實(shí)現具有重要作用，為確保航天器結構熱穩性設計的正確性，需在地面開(kāi)展空間環(huán)境熱穩定性測試試驗；針對大尺寸結構高精度、高頻率熱變形測量需求開(kāi)展研究，采用光學(xué)攝影原位變形測量技術(shù)，設計了多相機融合測量系統架構及測量方法，有效保證了大型結構最優(yōu)變形測量場(chǎng)的構建，并通過(guò)系統機電、圖像采集裝置的智能化同步控制設計，實(shí)現了圖像數據的空間位置屬性的自動(dòng)匹配；通過(guò)試驗驗證，結果表明該系統可滿(mǎn)足真空低溫環(huán)境下尺寸不小于4米的瞬態(tài)、高精度結構變形測量，最小測量周期可達90s，單向測量精度優(yōu)于28μm，測試過(guò)程運行穩定可靠。

摘要:為了實(shí)現武器系統綜合測試過(guò)程中火工品橋絲電阻測量和絕緣情況檢查的高精度測量、量程自適應和自動(dòng)化測試等目的，通過(guò)對火工品橋絲電阻測試儀測量應用場(chǎng)景、總體架構和硬件軟件設計需求進(jìn)行了研究，量程自適應高精度橋絲電阻測試儀采用多選一開(kāi)關(guān)矩陣實(shí)現不同測量通道切換的技術(shù)和在恒壓源和恒流源接入測量電路前進(jìn)行自動(dòng)檢測的安全性保障技術(shù)，實(shí)現了一種兼容2線(xiàn)制與4線(xiàn)制電阻測量的量程自適應的創(chuàng )新，經(jīng)過(guò)實(shí)驗測試橋絲電阻測試儀可實(shí)現小電阻測量誤差絕對值小于0.5%，可實(shí)現大電阻測量誤差絕對值小于1%，可實(shí)現對火工品橋絲電阻測量的量程自適應和自動(dòng)化測試，經(jīng)實(shí)際應用量程自適應高精度橋絲電阻測試儀滿(mǎn)足火工品橋絲電阻測量和絕緣情況檢查的測試需求。