摘要：通过对自导引小车(Automated Guide Vehicle,AGV)的国内外市场以及技术现状的分析,设计了适用于工厂车间的低成本AGV。运用ATmega128单片机设计了基于姿态研究的AGV模糊控制器,采用模糊控制算法对AGV两轮差速转向进行控制,提出了基于姿态分析对小车行驶状态进行优化,并进行了不同道路的运动试验。试验表明,加入了姿态分析的模糊控制器能够对小车的某些特殊运行点的姿态进行预判断,并在AGV行驶过程中更为有效地保证小车运行姿态,同时减小小车运行时产生的超调,使小车更为准确地追踪导引路径。

摘要：通过对单点系泊潜标进行动力学分析,利用集中质量法建立系统的动力学模型,编制Matlab仿真程序,通过数值模拟获取不同海流条件下,分析潜标系统的姿态。文中将一个典型潜标系统的浮球、锚链、重力锚等部件,利用集中质量法简化为节点,通过模拟真实环境中的海流流速在垂直方向的分布,设计1～5 m/s的流速剖面分布。将节点的物理参数和海流参数代入仿真程序中,得到各节点的姿态、节点间张力以及重力锚与海底摩擦力等数据。分析仿真结果,海流流速与节点的偏降、节点间的张力以及重力锚与海底的摩擦力成正比,仿真结果与实际情况相符。文中设计的建模方法和仿真程序可以为单点系泊潜标的总体设计、姿态估算、锚系配置提供工程参考。

摘要：着陆缓冲机构是探测器实现成功着陆的关键,能为着陆器提供安全稳定的着陆环境。本文从腿式结构方面进行分析研究,设计出了悬臂式机构和倒三角式机构两种方案。首先对两种机构自由度及运动过程进行分析,然后将两种方案进行比较,选出悬臂式机构为更优方案,最后对安装上悬臂式机构的着陆器进行几种特殊的姿态分析。这样设计出的着陆器能够随腿长向任意方向倾斜,具有更好的灵活性。

摘要：在水下滑翔机的设计过程中,为了能够预先估计其水动力特性和操纵特性,避免大量的约束模型实验,需要建立动力学模型以仿真分析水下滑翔机的动力学行为。动力学建模是研究水下滑翔机水动力特性的理论基础,是运动控制的分析依据。通过软件来模拟滑翔机上浮/下潜平衡状态的姿态,并对其进行受力分析得出此姿态对应的理论俯仰角,与实验数据进行了对比,结果基本吻合,为水下滑翔机的设计与控制提供了参考。

摘要：在分析运动物体姿态的任务中,分析算法的精度与速度十分重要。以飞行器作为研究对象,提出一种基于深度学习的姿态分析算法,提高算法精准度并缩短训练时间。该算法首先采用改进的级联卷积网络框架,对二维图像中目标物体的关键点实现精准定位,其次选用BP神经网络对姿态角进行回归训练,将关键点坐标作为模型输入,姿态角作为模型输出标签。试验结果表明,在设计的姿态分析算法中,其预测的飞行器姿态角的平均绝对误差可控制在0.6°~1.6°,约有98.91%样本的预测姿态角与真实姿态角的绝对误差可控制在3°以内,相比于传统的姿态分析算法,具有更高的识别率及较低的训练速度。

摘要：为更好地解决矩形顶管左右密贴施工时姿态控制及纠偏难题,以深圳地铁12号线沙三站矩形顶管施工为工程背景,研制新型防滚转装置,设计上下多螺旋输送机控制土压,设置可拆卸式洞门钢环作为左右两次密贴顶进施工的洞门结构,结合铰接油缸纠偏、刀盘控制纠偏、打土纠偏等姿态控制技术完成超大断面组合矩形顶管密贴顶进。现场实测数据表明:顶管顶推完成后,左右线管节的水平、垂直偏差在设计控制值以内,满足规范要求,顶管轴线的控制精度较好;分析二次顶进密贴施工对顶管姿态的影响,发现右线顶管姿态与左线顶管姿态拟合良好,左右线顶管密贴间距控制合理,未出现挤碰现象,顶管间距虽比设定值大15%,但仍符合整体顶推施工要求。

摘要：多旋翼无人机因其机械结构简单、维护使用方便等突出特点,近几年在各个应用领域发展迅速。但由于其动态系统为非线性、强耦合,并且对外界及自身系统干扰敏感等特点使其系统难以控制。通过分析无人机的飞行姿态,设计了一种相对传统PID控制方法进行改进的无人机姿态控制方法,并在软件上编程实现,通过飞行测试及地面站输出的结果,验证了该方法确实有助于改善无人机的动态性能,使其在有外界及自身系统干扰的情况下更易于控制,更稳定。

摘要：采用技术手段对运动训练姿势的准确分析,是现代体育中提高运动员竞技水平的重要手段之一。针对利用人工智能技术可以精确地对运动训练姿态进行准确分析与预测的应用需求,文中基于深度学习设计了一套运动姿态分析预测系统。该方案使用Arduino嵌入式开发板为基础,搭载多个IMU传感器,通过搭配使用步进电机,建立了采集速度、加速度等准确的人体运动数据的系统,获得了人体运动的准确数据。为了准确识别人体运动模型,文中搭建了基于对称编码、时间尺度编码与结构编码的深度学习模型。实验结果验证了系统的实际性能,并通过与现有最新的ERD分类算法对比可知,该系统的分类误差低且实时性高,具有良好的二次开发前景。

摘要：针对现有潜航员作业姿态识别分析方法中识别过程繁琐、识别精度低的问题,提出基于卷积姿态机的潜航员作业姿态识别分析方法.对人体姿态特征进行结构化编码,构建空间及投影坐标系进行解析,定义肢体角度计算公式与肢体特殊状态判断流程.通过搭建潜航员作业姿态识别算法,实现作业姿态RGB图像空间特征与纹理特征的提取,输出潜航员作业姿态关节点、肢体角度与状态数据.通过采集潜航员作业姿态图像构建潜航员作业姿态样本数据集,对所提方法进行应用验证.在算法测试中,识别算法的PCK指标值达到81.2%.在应用验证实验中,算法识别关节点的平均准确率达到87.7%.该方法在潜航员作业姿态识别分析上是可靠的,可以有效地识别与分析潜航员作业姿态中的危险因素.

摘要：人机交互系统是人与机器之间交流与信息传递的桥梁,随着计算机技术的迅速发展,使用鼠标、键盘等传统的人机交互技术已经不满足时代发展的需求,人们需要一种更快捷、更自然、更舒适的人机交互技术。基于手势的人机交互是人机交互系统的重要技术之一,传统的手势识别方法存在识别准确率不高、识别过程复杂等问题。针对上述缺陷,文中提出了一种基于深度学习的手势识别算法,该算法通过姿态估计对手势关节特征进行快速检测,利用卷积神经网络对关节特征图进行分类,克服了复杂背景中手势图像分割困难等问题,提高了识别结果的准确率。实验结果表明,该方法对各种手势不同尺度的表现具有很好的识别准确率,识别结果的准确率达到了98%。最后文中基于该算法设计了一个人机交互系统,并展示了手势识别在该人机交互系统中的应用。