摘要：针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。

摘要：针对三维力传感器维间耦合干扰问题,以基于光纤布拉格光栅(Fiber Bragg Grating,FBG)的一体式三维力传感器为研究对象,提出了一种基于白鲨优化算法的优化极限学习机(White Shark Optimizer-Extreme Learning Machine,WSO-ELM)的非线性解耦算法。首先,设计了基于FBG的一体式三维力传感器,阐明该传感器波长漂移量与三维力的映射关系;然后,搭建静态标定实验系统,分析三维力耦合特征,并建立WSO-ELM算法三维力传感器解耦模型,利用白鲨优化算法(White Shark Optimizer,WSO)稳定、高效特点优化模型,寻找ELM神经网络隐含层神经元数与解耦时间的最佳参数组合,开展基于WSO-ELM的三维力传感器非线性解耦研究;最后,该传感器解耦后最大平均I类误差达到0.51%,最大平均II类误差达到0.65%,实现了基于WSO-ELM的三维力非线性解耦。为验证解耦效果,将WSO-ELM算法与极限学习机神经网络模型、反向传播神经网络、最小二乘法解耦效果进行对比实验。实验结果表明:WSO-ELM算法具有较好的解耦效果,能有效构建三维力维间耦合关系,同时降低传感器耦合干扰,提高传感器的测量精度,具有良好的非线性解耦能力。

摘要：针对机械手抓取目标过程中滑移特征信号辨识困难问题,提出了多小波变换滑动觉特征检测方法。首先,研究基于FBG传感的柔性触滑觉感知机理,设计非对称梁式双层“十字”型分布传感单元结构,分析了搭载该触滑觉传感器的机械手多阶段动态抓握信号特征;其次,构建触滑觉感知实验平台,开展了动态抓握过程的触滑觉感知实验;然后,基于db10小波降噪方法对滑动觉感知信号降噪处理;最后,提出Mexican hat连续小波和一阶Haar离散小波的滑动觉信号特征分离和感知方法,并进行了相关实验研究。实验结果表明,在小波细节系数检测阈值±2×10^(-4)作用下,不同抓握力的滑动检测平均准确率可达98.88%,可以精确识别被机械手抓取目标的滑移状态。

摘要：针对在长时跟踪过程中因丢失视野导致目标跟踪失败的问题,提出了基于加权在线样本更新的目标长时跟踪方法。首先,使用ResNet50网络提取目标深度特征并增强初始帧样本优化目标模型,提高初始帧样本权重影响;然后,利用目标模型对测试帧样本进行分类,并采用置信度分值加权在线学习样本以增强样本质量,提升模型的分类效果;其次,使用置信度分值判别目标状态并跟踪定位目标,目标丢失时使用时空约束搜索在丢失处自适应扩展区域并随机搜索目标,同时利用在线学习快速优化目标模型,增强其对目标的搜索能力;最后,针对搜索过程设计一种自适应阈值判别方法,充分利用图像背景信息,将目标丢失时背景置信度分值作为判别阈值,降低搜索过程中相似背景的影响以准确找回目标。使用LTB50数据集进行实验验证,成功率和跟踪F-score分别为66.1%和64.4%,优于其他方法;在四足移动机器人平台上进行真实场景实验,目标完全遮挡和视野外两种情况下成功率分别为87.8%和85.8%,证明了方法的有效性。

摘要：为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习,其中多尺度卷积层设置不同尺度的卷积核进行卷积运算,避免单一尺度卷积核对不同精细度特征的忽略,增强网络对特征的表达能力,实现对时域信号特征精细化分布式表征;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到松动状态空间的映射,输出风机基础螺栓松动检测结果。所提方法将松动特征自动学习与松动识别融为一体,实现了风机基础螺栓松动智能检测。通过在稳定转速和变转速下对风机基础螺栓松动检测试验,证明了所提方法的可行性和有效性。

摘要：为保证铝板铸造机的进料流量稳定和产出铝板质量,需将高温铝液液面保持稳定,为此设计出一套自动控制高温铝液液面高度的系统。根据生产流程,设计高温铝液流量控制装置机械结构和基于PLC的控制系统,并提出自适应神经模糊推理系统PID(ANFIS-PID)控制策略,进行了Matlab/Simulink仿真测试与现场测试。与传统PID控制、自抗扰控制分别进行对比,结果显示:ANFIS-PID策略控制时的超调量最小,上升时间与调节时间最短,能更好地调节高温铝液液面;系统配有组态屏人机交互系统,使操作更加人性化;并具有断电保护功能,提高了生产的安全性和经济性,并且更容易投入生产使用。

摘要：应用集合经验模式分解能有效抑制模态混叠的特性,根据白噪声经经验模式分解后其固有模式函数分量的能量密度与其平均周期的乘积为一常量这一特点,设计了自动选择IMF分量重构信号的算法,提出了基于EEMD的振动信号自适应降噪方法。对仿真信号和滚动轴承振动信号的降噪结果表明了该降噪方法的可行性和有效性。

摘要：为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法。首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能。再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别。工程应用结果证明了所提方法的可行性和有效性。

摘要：引入生物控制理论来改善步行辅助中的人机交互柔顺性和多关节协调自律控制,探索一种髋关节CPG(中枢模式发生器)控制、膝关节分级阻抗控制和髋/膝关节联动控制3部分相结合的新型混合控制方法.首先,利用CPG自激振荡行为和对外交流的特性获得理想的主/从髋关节目标轨迹,并建立CPG对称抑制网络来维持左、右髋关节逆相位,以便实现复杂人机环境中的步行稳定性.其次,根据步态要求,设计高阻抗和低阻抗分级控制规律,分别获得支撑期和游脚期的膝关节力矩.最后,通过建立髋/膝关节关联函数,建立髋关节CPG控制与膝关节阻抗控制的链接,实现步行中自然的髋/膝关节联动控制.利用李亚普诺夫稳定性理论研究了混合控制方法的稳定性,计算机仿真分析和步行实验证明了混合控制方法可有效地生成步行中自然的髋/膝关节运动.

摘要：本文基于新工科下对机械类相关专业培养要求,结合重庆交通大学一流专业建设的需要,提出在专业建设下进行产学研用和多方协同育人的改革和实践。在实践过程中构建各主体之间的深度融合,以满足新工科培养目标的需要,从而在根本上缓解目前学校培养模式和企业人才需求脱节的窘境,真正做到培养新工科需要的复合型人才,从而推动学院专业建设稳步向前发展。