摘要：为解决自然场景中仪表图像受复杂光照、背景及其他随机干扰所造成的读数识别难题,提出一种基于循环一致对抗学习的段码液晶仪表读数识别方法。该方法使用M-CRAFT作为字符检测网络,获取段码读数区域和段码字符位置,通过后处理算法分割得到段码字符子图像,然后以循环一致对抗域自适应网络CYCADA为基础,增加感知损失和重构损失并设计分类器,构建了一种改进的字符背景分离与识别网络I-CYCADA,用于将具有复杂背景的段码字符图像转换为清晰直观的二值图像,从而使读数识别变得更为简单和准确。为了验证该方法的有效性,构建了由多种复杂场景下的液晶段码仪表图像组成的数据集。实验结果表明,I-CYCADA可与不同CNN分类网络结合使用,均能提升转换后的段码字符图像的识别准确率,本文方法在自建数据集上的字符级识别准确率达95.39%,完整读数识别准确率达86.65%,有效改善了对困难样本的识别效果,且轻量级设计可满足实时性要求。

摘要：针对复杂协同攻击下一类非线性系统的状态估计问题,提出一种分布式一致性递推滤波算法.首先,将拒绝服务攻击(denial of service, DoS)和虚假数据注入攻击(false data injection, FDI)现象描述为两个随机Bernoulli序列,并利用统一的框架建立包含DoS和FDI的复杂协同攻击模型;然后,基于一致性理论设计具有分布式结构的递推滤波器,计算最优滤波器增益,并推导该滤波器估计误差满足均方有界的充分必要条件;最后,利用室内机器人的定位问题进行验证,仿真结果验证了所提出滤波器算法的有效性.

摘要：针对在低成本捷联惯性测量器件中,扩展卡尔曼姿态估计算法存在的精度低、抗干扰性弱等问题,提出一种基于共轭梯度的EKF姿态估计算法。以姿态四元数为状态量,在观测模型中将基于共轭梯度算法估计出来的姿态四元数作为观测量;将非重力运动加速度引入噪声协方差矩阵,实现噪声的自适应动态估计;采用倾角补偿的方法计算偏航角,提高飞行器姿态估计的精度和抗干扰能力。为验证所设计姿态估计算法的有效性,搭建基于ARM Cortex M4的四旋翼飞控系统,实验结果表明,该算法提高了姿态估计的精度以及四旋翼飞行器在非重力运动加速度和磁干扰下的抗干扰能力。

摘要：基于5 kW固体氧化物燃料电池(SOFC)电堆,考虑建模仿真—2温度层模型在模型精度与复杂度上做了更好的折中,可以更有效地应用于控制器设计.本文首先对2温度层模型在常用稳态工作点附近采用泰勒级数展开,获得其状态空间方程.然后考虑其安全操作特性,设计了两种带约束的预测控制器:即面向SOFC电堆的快速负载跟踪与燃料亏空控制器与面向SOFC电堆温度安全的控制器.重点分析了不同切换速率工况下的温度及其梯度、功率以及燃料亏空特性,使得系统在快速进行功率跟踪的同时工作在安全范围以内.结果发现随着电流调节速率的增大,跟踪过程虽然加快,但其存在安全风险也相应增大;此外,安全指标相对避免燃料亏空指标而言,对电流调节速率的要求更加苛刻,在控制器设计时必须综合进行考虑.

摘要：为了持续监测燃气工业加热炉燃烧状况,保障锅炉运行安全,根据燃气火焰的特点,利用数字图像处理技术,设计了相应的燃气加热炉火焰视频监控系统。通过图像预处理、火焰特征提取、火焰特征分析三个步骤,可实现对炉膛火焰燃烧状态进行实时判定,包括火焰燃烧或熄灭、燃烧是否充分、是否稳定。仿真实验结果表明,该系统能准确地从监控视频中检测和识别火焰燃烧状态,并能将燃烧特征量和特征分析结果存储到数据库以供事后查询。

摘要：针对INS/视觉无人机自主着陆导航中,由于视觉观测数据具有不确定性噪声及数据更新周期长等原因,易导致卡尔曼滤波估计精度低、实时性差的问题,设计了一种基于模糊预测的INS/视觉无人机自主着陆导航算法。首先,利用三角模糊数对视觉观测数据进行处理,减小视觉观测噪声和解算误差的不利影响;然后,在卡尔曼滤波状态方程更新时,采用模糊预测同步预测视觉观测数据,得到无人机高精度姿态信息的同时提高无人机位姿估计的实时性。最后,自主搭建了基于STM32的低成本INS/视觉四旋翼无人机自主着陆实验平台,实测飞行着陆结果验证了本文所设计的无人机自主着陆算法可有效避免观测数据存在观测噪声与解算误差,在提高无人机位姿估计精度的同时保证了实时性。

摘要：针对指针表图像中刻度线与指针精确定位困难及在复杂环境下易出现误检和漏检的问题,提出一种基于改进旋转目标检测模型的指针表读数全自动识别方法。首先以YOLOv5s网络为基础,设计了高效的通道与空间注意力融合模块,以提升表盘示数特征提取能力;其次设计了E-CIoU Loss以优化损失函数,增强指针边界框回归能力;同时,引入环形平滑标签以适应旋转目标检测任务;然后,利用改进的概率霍夫变换实现指针精确重定位;最后,利用极坐标平面上指针和刻度线的相对位置关系计算读数识别结果。实验结果表明:与基准模型相比,该方法有效提升了表盘示数特征检测精度,mAP值达到了96.8%,且最终读数识别平均相对误差达到了0.52%,可满足实际应用需求。

摘要：针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计了一种基于Huber鲁棒估计的改进互补滤波姿态解算算法。首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。其次,利用Huber鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解算。最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。实物实验结果表明,设计的基于Huber鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高19.21%、25.48%和36.04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解算的准确性和实时性。

摘要：针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明:本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。

摘要：针对移动机器人规划多个目的地路径效率低的问题,设计一种结合全局静态规划与局部动态规划的多目的地路径规划算法。基于改进的A*算法规划出两地点间的路径,计算各路径的距离;依据此距离大小采用模拟退火策略对多个目的地进行优化排序,规划出一条全局最优路径;依据最优路径动态设置当前的移动节点,改进动态窗口算法的选择指标。仿真结果表明,改进算法减少了规划路径的长度,运动速度更平稳;实时规划有效避开了障碍物,提高了移动机器人的安全性与准确性。