摘要：针对挖掘机的自主作业场景,提出基于强化学习的时间最优轨迹规划方法.首先,搭建仿真环境用于产生数据,以动臂、斗杆和铲斗关节的角度、角速度为状态观测变量,以各关节的角加速度值为动作信息,通过状态观测信息实现仿真环境与自主学习算法的交互;然后,设计以动臂、斗杆和铲斗关节运动是否超出允许范围、完成任务总时间和目标相对距离为奖励函数对策略网络参数进行训练;最后,利用改进的近端策略优化算法(proximal policy optimization, PPO)实现挖掘机的时间最优轨迹规划.与此同时,与不同连续动作空间的强化学习算法进行对比,实验结果表明:所提出优化算法效率更高,收敛速度更快,作业轨迹更平滑,可有效避免各关节受到较大冲击,有助于挖掘机高效、平稳地作业.

摘要：针对传统的车辆目标检测算法检测精度低,小尺度目标识别效果差等问题,提出了一种基于YOLOv4(you only look once v4)算法的目标检测方法,以提升对交通场景小目标车辆的检测性能。通过对YOLOv4网络进行再设计,使用MobileNetv2深度可分离卷积模块代替传统卷积,将CBAM(convolutional block attention module)注意力模块融合到特征提取网络中,在保证模型检测精度的同时减少模型参数。采用PANet-D特征融合网络融合获取到4个尺度特征图深浅层的语义信息,增强对小目标物体的检测能力。通过使用Focal loss优化分类损失函数,加快网络模型的收敛速度。实验结果表明,改进后的网络识别准确率达到96.55%,网络模型大小较原YOLOv4网络降低了92.49 M,同时检测速度比原网络提升了17%,充分证明了本算法的可行性。

摘要：利用无人机载热红外设备对光伏组件进行航拍和缺陷检测。针对无人机存储和算力的局限性,以及现有基于深度学习的缺陷检测模型在大型光伏电站复杂环境下模型参数量大和计算开销大的问题,设计使用YOLOv5 LiteX作为超轻量化的缺陷检测模型。首先,选择加权双向特征金字塔BiFPN替换原来的特征金字塔PANet,使特征有效的跨尺度连接和加权融合;其次,在特征融合的基础上增加更大的检测尺度,以提高模型检测较小缺陷目标的性能;引入focal-EIoU Loss对原有的边界框坐标预测损失加以改善,使网络专注于困难样本的运算。此外,通过数据增强方法来克服数据量过少的问题。改进后网络的平均精确率(mAP)相较于基准网络(Lite-YOLOv5)提高了7.32个百分点,困难样本(异物遮挡)的mAP大幅度提升。

摘要：大学生体育训练中腿部肌肉拉伤频发,传统一对一的康复训练方式强度大、效率低。基于此现状,文中引入虚拟训练模式,采用气动调节位姿的方式,设计了一种交互式腿部按压康复训练装置,该装置具有被动训练、主动训练和游戏训练3种模式。为检测该技术的可行性和装备的可用性,招募志愿者对该装置进行了康复训练试验。试验结果表明:所有志愿者均对康复效果表示满意,该设备满足大学生腿部肌肉拉伤的康复训练需求,为腿部康复训练设备的研制提供理论依据。

摘要：目的手势识别是人机交互领域的热点问题。针对传统手势识别方法在复杂背景下识别率低,以及现有基于深度学习的手势识别方法检测时间长等问题,提出了一种基于改进TinyYOLOv3算法的手势识别方法。方法对TinyYOLOv3主干网络重新进行设计,增加网络层数,从而确保网络提取到更丰富的语义信息。使用深度可分离卷积代替传统卷积,并对不同网络层的特征进行融合,在保证识别准确率的同时,减小网络模型的大小。采用CIoU(complete intersection over union)损失对原始的边界框坐标预测损失进行改进,将通道注意力模块融合到特征提取网络中,提高了定位精度和识别准确率。使用数据增强方法避免训练过拟合,并通过超参数优化和先验框聚类等方法加快网络收敛速度。结果改进后的网络识别准确率达到99.1%,网络模型大小为27.6 MB,相比原网络(TinyYOLOv3)准确率提升了8.5%,网络模型降低了5.6 MB,相比于YOLO(you only look once)v3和SSD(single shot multibox detector)300算法,准确率略有降低,但网络模型分别减小到原来的1/8和1/3左右,相比于YOLO-lite和MobileNet-SSD等轻量级网络,准确率分别提升61.12%和3.11%。同时在自制的复杂背景下的手势数据集对改进后的网络模型进行验证,准确率达到97.3%,充分证明了本文算法的可行性。结论本文提出的改进TinyYOLOv3手势识别方法,对于复杂背景下的手势具有较高的识别准确率,同时在检测速度和模型大小方面都优于其他算法,可以较好地满足在嵌入式设备中的使用要求。

摘要：为了适应全球卫星导航定位系统接收机的发展趋势,针对GNSS系统不同信号,研究了一种联合多个星座卫星信号的匹配滤波器捕获算法。通过对算法的分析,给出了影响算法复杂性的两个因素:接收序列伪码长度和本地复现序列数,并通过仿真给出了捕获GPS粗码信号和伽利略系统E1频段开放信号可以参考的最佳复现序列数。仿真结果表明,对不同的GNSS信号,只要通过软件配置算法中的复现序列数,就可以以最小的计算复杂性来捕获相应信号。这个结论对软件接收机中匹配捕获算法的设计有重要的指导意义。

摘要：常规模糊控制器用于稳定多输入多输出系统时,模糊规则数量随着输入变量的增加成指数规律增长。将多级模糊控制器应用于多输入多输出系统以解决模糊规则爆炸问题,可以大大地减少模糊规则数量,有效地降低模糊控制器设计的复杂程度,并且可以有效地利用专家经验。将多级模糊控制器用于二级倒立摆系统,取得了良好的效果。控制结果表明多级模糊控制对多输入多输出系统是有效的。

摘要：为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制(MPC)的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域(Hp),分别设计自适应的MPC控制器与4组定值Hp的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。

摘要：针对现有的基于深度学习检测缺陷的方法虽然可以保证分类的准确率,但其检测速度慢,模型占用内存大,难以满足在线检测系统的实时性要求等问题,提出了一种基于深度学习的偏光片缺陷实时检测算法。首先,设计了一个新的并行模块用于构建偏光片缺陷检测网络,模块将不同尺寸大小的卷积核相混合,与传统的卷积层相比,可以融合不同尺度的特征并能提取到更丰富的缺陷特征;用深度可分离卷积替代模块中的标准卷积,这可以大大减少网络的参数量和乘法累计运算量(MACCs).其次,用非对称卷积代替并行模块中的深度可分离卷积得到并行非对称卷积模块,可以进一步减少网络的参数量。最后,使用全局均值池化层代替全连接层,大大减少了网络的参数量。实验结果表明,偏光片缺陷分类模型平均每张图片的测试时间为108 ms,模型在测试集上的准确率达到99.4%,同时模型占用内存为0.583 MB,能够满足工业中偏光片缺陷检测的实时性要求。

摘要：提出了网络化液压泵出厂试验平台的架构体系,进行了网络化试验台测控系统的硬件架构设计,开发了基于触摸屏的人机交互软件,建立了基于网络的液压泵试验体系。经企业实践证明,基于网络的液压泵试验台系统具有工作可靠、界面友好、操作方便等特点,实现了试验平台的网络化管理、试验数据的网络化处理,对提高企业的信息化水平具有较强的提升作用。