摘要：现有的大多数人脸识别算法均采用深度学习中各种改进的卷积神经网络算法。但算法存在参数多,训练时间长等问题。因此,为了减少训练过程所消耗的时间和分类过程中的计算量,设计运用了改进的MobileNet算法来实现人脸识别,并将其移植到Jetson nano设备上构成完整的室外安防系统。将MobileNet模型中原本的Soft Max分类器进行了改进,通过对比实验,发现使用A-SoftMax分类器的效果要好于Soft Max。实验结果表明:本文提出的模型在LFW人脸数据库上达到97.4%的准确率,计算时间减少为传统卷积神经网络的1/9,计算参数减少为传统卷积神经网络的1/7。

摘要：为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传-粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。

摘要：随着智能控制技术的发展,将神经网络技术与传统PID控制技术相结合,并应用到控制系统中去已成为一种趋势。在对风力摆控制系统进行需求分析的基础上,针对其具有非线性和参数不确定等特点,提出了基于BP神经网络PID算法的风力摆控制系统的设计方案,将BP神经网络应用到传统PID控制中,设计出了系统的软硬件结构,实现了有效控制风力摆按指定角度画线、指定时间恢复静止和画圆的功能。研究结果表明:采用BP神经网络PID算法的控制系统具有更强的稳定性和控制精度。

摘要：针对校园宿舍人群、物品比较集中、容易引发危险的情况,设计并实现了基于ZigBee的校园宿舍环境安全监测系统。该系统由下位机系统、上位机系统、通信转接板三大部分组成。下位机采用STC12LE5A60S2单片机作为控制芯片整合各式环境传感器所采集的环境数据,包括温度、湿度、功率、可燃性气体浓度和有无人状态。运用ZigBee无线传输技术将实时环境参数经由通信转接板传送给上位机并存入数据库,供给管理员监测与管理。其中,下位机的语音报警子系统实现了报警音频的自选择,提高了系统的智能性。实验结果表明,该监控系统能达到环境安全监测的需求,并具有低成本、低功耗、组网简单、拓展节点多、传输可靠性高、监控数据准确、易于二次开发等特点。