摘要：大学生科技创新活动和毕业设计是大学生实践活动重要的组成部分,是培养科技创新人才的重要途径.在分析大学生科技创新活动和毕业设计现状的基础上,指出了存在的问题,提出了大学生科技创新活动和毕业设计融合模式的策略.实践表明,二者的融合,有利于学生的学科竞赛,加深了学生对理论的理解,提升了大学生科技创新能力,提高了毕业设计的层次与内涵;同时,通过知识和创意的不断传承,大学生在科技创新活动和毕业设计中跃上新的台阶.

摘要：针对智能车系统运行稳定性较差、速度较慢的问题,设计了一种基于线性CCD摄像头传感器的两轮直立光电导航智能车系统.首先,自主设计了各个智能车模块的电源稳压电路和电机H桥驱动电路,以保障硬件系统的稳定与可靠;在此基础上,采用互补滤波和清华滤波的方式来处理姿态检测传感器检测到的信号,实现智能车的直立平衡;最后,利用实例来验证该设计的有效性与可行性.

摘要：毕业设计是教学过程最后阶段采用的一种总结性的实践教学重要环节,要求学生针对某一课题,综合运用本专业有关课程的理论和技术,解决实际问题的设计.针对目前本科毕业设计存在的种种问题,本文阐述了一种以培养学生实践与创新能力为导向产学研结合的毕业设计教学改革探索.实践证明,该方法对毕业设计质量的提高,高新科技成果转化,企业的技术进步、高校的科研发展、学生的就业和高校"双师型"教师队伍的培养等都起到了很大的促进作用.

摘要：光流是一种运动的描述方式,也是计算机视觉研究的主要对象,目前光流改进算法已经应用在我国无人机设计中,并取得了一定的研究成果。基于此,拟将分析光流改进算法,其中主要包括光流改进算法的原理、光流改进算法的类型两方面内容。并研究光流改进算法在四旋翼无人机中的应用,其中主要包括开源飞控系统、光流改进算法的设计方式以及光流改进算法在无人机中的应用试验三方面内容。

摘要：启发式聚类算法具有收敛速度快、易实现等优点,但初始解敏感,严重影响了聚类算法的质量。针对这一问题,提出了一种烟花搜索导向的多路启发式聚类算法。该算法通过多次调用经典启发式聚类算法,产生多个局部最优解;在搜索空间中以多个局部最优解为搜索起点,采用烟花搜索进行多路搜索;基于信息熵浓度设计烟花选择算子确定搜索方向;再经过变异、映射、偏移算子变换局部最优中心点,以发现质量更好的搜索起点;直至算法收敛获得新的搜索起点;最终以新的搜索起点调用经典启发式聚类算法获得高质量聚类结果。实验结果表明,烟花搜索导向的多路启发式聚类算法在不同数据集上的聚类质量明显高于对比其他聚类算法的聚类质量。

摘要：为了使智能小车拥有更高的性能去在陌生的大范围环境中真正的实现自主导航,选用激光雷达作为车辆提取周围环境信息的传感器,提出了一种融合自适应渐消扩展卡尔曼滤波(AFEKF)和快速联合兼容关联的方法,建成KFEKFSLAM系统。文章提出一种新型的快速联合兼容关联的方法解决SLAM中存在的数据关联问题,提升了特征匹配的准确性;使用KFEKF对小车位置进行估计;通过仿真实验验证设计的SLAM系统更高的实时性和更好的构建地图的精度。

摘要：四旋翼飞行器在实际应用中,仍存在对外界环境、噪声变化敏感而导致参数改变的问题。针对上述问题,利用自抗扰控制算法,在保证期望姿态以及达到的飞行高度不变的前提下,设计自抗扰控制器。通过绘制电路原理图和PCB图,完成硬件电路设计;并设计了基于自抗扰控制算法的控制软件,最终实现四旋翼无人机硬件平台的搭建。通过真机实地实验,将自抗扰控制与PID控制的自主悬停性能进行对比,验证自抗扰控制的优越性。

摘要：替代定理是建立在已知电路中某二端子电路的端口电压和电流的基础之上,通过等效替代的方式来简化电路分析,为优化电路设计提供方便.现有电路分析教材中对替代定理的描述不足,导致存在争议.因此,对替代定理重新进行了描述,给出其各种形式及证明,并对争议进行了解释.最后,通过实例说明灵活运用替代定理进行电路分析,可以起到事半功倍的作用,从而有益于实际电路分析和电路理论教学.

摘要：在分析研究智能化自主驾驶技术的基础上,设计了一种电磁自主导航式智能车控制系统。以飞思卡尔32位微处理器MK60FN1M0VLQ15为主控模块,包括电源模块、起跑线检测模块、电磁检测模块、舵机转向模块、速度检测模块、直流电机模块、人机交互模块等组成。对于车速的控制,在传统PID控制的基础上,提出了Fuzzy-PID控制的自适应控制算法,并进行了仿真对比验证。实验结果表明,该方案能很好地实现对智能车的最优控制,对复杂赛道有很强的适应性。

摘要：为将图像处理应用到智能车领域,设计了一种基于机器视觉的自主寻径及避障的智能车系统,该智能车相较于以往通过识别单引导线行驶过程中误差较大的问题,提出了一种可识别双边引导线以及自主避开行驶路径上障碍物的智能车系统.智能车的硬件系统采用Freescale的32位微处理器MK60FN1M0VLQ15作为主控模块,并通过CMOS摄像头OV7620采集赛道的图像信息,对采集的原始图像进行处理,准确地识别赛道以及赛道上障碍物的信息,以使电机驱动和舵机驱动更好地控制小车的运行.为了使智能车在遇到障碍物以及过弯时可以具有良好的转向能力和加减速能力,提出了Fuzzy-PID控制策略,并进行仿真实验.结果表明,在双引导线以及具有障碍物的跑道上具有很强的适应能力.