摘要：为提高协作机器人高速运行时碰撞检测灵敏性,提出一种基于动量观测器和双编码器的碰撞检测方法。基于广义动量的动力学模型构建机器人外力矩观测器;利用双编码器的实时位置偏差和机器人关节传动结构等效柔性特征估计外力矩;设计反应策略实现碰撞后机器人快速停车及能被人工推动。仿真和实验结果表明:在机器人高速运行时,相比传统的基于动量偏差观测器算法,此算法响应时间更短,最大碰撞力更小,提升了高速下碰撞的检测灵敏度,增强了安全防护效果。

摘要：由于超声图像具有噪声强、质量低和边界模糊等特征,获取可靠的注释非常耗时费力,提出基于半监督和多尺度级联注意力的超声颈动脉斑块分割方法。首先,通过不确定性修正金字塔一致性(URPC)的半监督分割方法充分利用未标记数据训练模型减轻费时费力的标注压力。其次,提出一种基于边缘检测的双编码器结构,并利用边缘检测编码器辅助超声斑块图像特征编码器充分获取边缘信息;另外,设计了一个多尺度融合模块(MSFM),通过自适应融合多尺度特征改善提取不规则形状斑块的结果,并结合一个级联通道空间注意力(CCSA)模块更好地关注斑块区域;最后,在超声颈动脉斑块图像数据集上评估所提方法。实验结果表明,所提方法在该数据集上的Dice指标和交并比(IoU)指标比监督方法CA-Net(Comprehensive Attention convolutional neural Network)分别提升了约2.8和6.3个百分点,比半监督方法循环原型一致性学习(CPCL)分别提高了约1.8和1.3个百分点,所提方法可以有效提高超声颈动脉斑块图像的分割准确度。

摘要：多模态情感分析旨在通过用户上传在社交平台上的视频来判断用户的情感.目前的多模态情感分析研究主要是设计复杂的多模态融合网络来学习模态之间的一致性信息,在一定程度上能够提升模型的性能,但它们大部分都忽略了模态之间的差异性信息所起到的互补作用,从而导致情感分析出现偏差.本文提出了一个基于双编码器表示学习的多模态情感分析模型DERL(dual encoder representation learning),该模型通过双编码器结构学习模态不变表征和模态特定表征.具体来说,我们利用基于层级注意力机制的跨模态交互编码器学习所有模态的模态不变表征,获取一致性信息;利用基于自注意力机制的模态内编码器学习模态私有的模态特定表征,获取差异性信息.此外,我们设计两个门控网络单元对编码后的特征进行增强和过滤,以更好地结合模态不变和模态特定表征,最后在融合时通过缩小不同多模态表示之间的L2距离以捕获它们之间潜在的相似情感用于情感预测.在两个公开的数据集CMU-MOSI和CMU-MOSEI上的实验结果表明该模型优于一系列基线模型.

摘要：为了解决图像修复过程中破损区域信息丢失问题并实现图像中任意破损区域的修复,设计了双编码器模型,独立地对掩模和图像进行编码,利用掩模特征重建图像,减少掩模信息的损失,添加跳跃连接补充因下采样丢失的图像信息并加速网络的收敛,引入对抗训练提高重建图像的质量。在places2数据集上进行的训练和测试结果表明,该方法的图像修复效果在精度和全局性上均有良好的表现,且可用于多种类型掩模的图片修复。

摘要：针对传统绳驱机械臂刚度小、末端精度低等问题,研制了一种同时具有轻质量、低惯量和高刚度、高精度特点的绳驱7自由度仿人机械臂系统。采用模块式思想,将整个机械臂分为肩部、肘部、腕部三部分,分别设计了基于闭环绳索驱动的单自由度肘关节和3自由度肩、腕部关节,在运动副上配置编码器用于检测关节位置,有效提升了关节控制精度。建立了“驱动空间-关节空间-任务空间”多重运动学模型,分析了肘部拮抗关节和腕部耦合关节的运动规律,简化了运动传递关系、提高了传动精度和效率。推导了机械臂关节的等效刚度表达式,分析了不同关节角下的刚度特性。最后,针对所研制的绳驱7自由度仿人机械臂开展了样机的关节刚度测试、末端精度测试、负载测试等性能测试。实验结果表明,设计的绳驱机械臂具有运动灵活、定位精度和刚度高等特点。

摘要：针对数控机床变频主轴同步带结构存在振动误差和非线性干扰问题,提出一种模态滤波器与改进补偿跟踪控制器的综合控制策略。通过辨识机床主轴同步带传动模态的基础上,建立了机械系统的动力学模型和伺服控制模型,针对机械传动环节低频和高频模态对伺服控制带宽的影响,通过零极点对消原理设计相应的模态滤波器将传动系统引入的低阶模态进行抑制,根据系统的传递函数和极点分布设计相应的相位跟踪控制器并添加前馈补偿进行改进,改善伺服传动系统的响应速度。结果表明,由同步带自身模态特性引起的低阶模态是影响控制系统带宽的主要因素,通过设计的模态滤波器可以将伺服带宽由12 Hz提高到110 Hz,并且设计的综合控制策略与其他控制策略相比,可以将跟踪误差大幅度降低。

摘要：针对数控加工中常用的滚珠丝杆高精度伺服系统,提出了一种基于双编码器的反馈控制技术。该方法将基于模型的摩擦补偿与神经网络滑模控制相结合,可以有效补偿全闭环系统中的非线性干扰因素,提升伺服系统的动态响应特性。在Matlab/Simulink环境下进行了仿真实验,结果证明,RBF神经网络可以有效逼近伺服系统所受的非线性干扰力矩。搭建了基于TwinCAT3的双编码器实验平台,进行了位移跟踪实验。实验结果表明,相比于PID控制,自适应控制可有效提升伺服系统的动态位移精度,改善运动特性。

摘要：机器人关节绝对定位精度受到多种因素影响,往往很难获得较高的关节定位精度,从而影响整个机器人的精度。介绍一种基于双编码器设计的机器人关节,该设计中包含电机端的增量式角度编码器以及减速机输出端的绝对值角度编码器,分别用于提高关节的转速控制精度及绝对转角控制精度。该关节形式对于机器人整臂绝对定位精度的提高具有十分重要的意义。