摘要：该文针对多源时变干扰影响的双三相永磁同步电机系统,研究其基波平面内的调速控制问题和谐波平面内的谐波电流抑制问题。首先,在基波平面采用非串级控制结构,通过构造广义比例积分观测器(generalized proportional integral observer,GPIO)估计转速环的多源快变干扰;然后,针对q轴电流的过流保护问题,在传统比例微分反馈控制器的基础上利用障碍函数设计思想,结合干扰估计信息,得到基于GPIO的电流约束复合控制器;其次,在谐波平面,通过设计2个GPIO精准估计电流环的多源快变干扰,并与比例反馈控制器结合形成复合控制器来抑制2个电流环中的谐波电流。最后,给出严谨的稳定性分析,并通过对比实验验证所提方法的有效性。

摘要：针对电动汽车充电路径规划问题,提出了一种适用于强化学习的环境建模方法。该方法基于城市道路网格与充电站地理位置分布等现实情况,将电动汽车的基本行驶路径分为三段进行表达。在三段式表达方法的基础上,提出了状态空间、动作空间、状态转移与奖励函数的设计方案,将充电路径规划建模为马尔可夫决策过程,并利用Q学习方法与深度Q网络(DQN)方法求解。实验结果表明,基于三段式表达法的强化学习环境设计方案具有可解性与可迁移性,考虑了电动汽车从道路驶向充电站过程中的降速转弯等现实场景,同时将充电动作简化为一种行驶方向选择,提升了基于Q学习与DQN的强化学习算法效率。

摘要：肺部疾病已成为危害人类身体健康的重要因素,胸部X光片是医疗实践中广泛应用的肺部疾病检测工具,在协助临床诊断中发挥着重要的作用。针对上述问题设计出一种胸部X光片疾病分类算法,应用于医疗场景下辅助医生进行诊断。研究方案在肺炎图像分类领域的权威数据集Chest X-ray 14上进行实验,数据集涉及14种不同的肺部疾病标签。研究工作基于深度学习算法,使用ConvNeXt卷积神经网络为主干网络,设计了该网络的多尺度特征融合模块,以及全局上下文注意力模块,用以提高分类算法的准确性。算法的评价指标使用AUC(area under curve),其值越接近1则算法效果越好,仅使用ConvNeXt主干网络的AUC值为0.836 8,加入多尺度特征融合模块的AUC值为0.844 0,加入全局上下文注意力模块的AUC值为0.839 9,同时加入两个模块的结果为0.849 3。改进算法的性能优于该领域的常用算法DenseNet121(0.830 1),CheXNet(0.841 4),MXT(0.830 8),并且在4类病理现象的判断上取得了最优的水平。这两项改进都可提高模型性能,也可共同作用进一步提高模型分类能力。改进算法在综合能力和专项能力之间取得一个平衡,在综合分类性能优秀的同时,对于专项病症的分类能力也取得领先的成绩。

摘要：为解决控制器设计中是否需要对执行器速率饱和影响进行补偿的问题,针对速率饱和现象对控制性能的影响进行了定量分析.基于频域时间尺度变换特性,提出了一阶惯性时延被控对象所在闭环系统在执行器速率饱和下的参数归一化方法,将可变参数由4个简化为1个.采用近似最大灵敏度约束积分增益优化(AMIGO)和Skogestad内模控制(SIMC)2种比例积分微分(PID)整定方法来设计控制器参数.经过仿真和逆归一化处理,得到了在恒定系统超调下执行器临界速率饱和值与系统参数之间的数学模型.分析结果表明:AMIGO-PID和SIMC-PI控制器对应的数学模型的平均精度分别为13.89%和2.17%;在相同系统最大超调下,相较于AMIGO-PID控制器,SMIC-PI控制器对执行器的动作速率要求更低,说明SIMC-PI控制器对于执行器的速率饱和影响具有一定的缓和作用;当实际执行器速率饱和值小于模型估计值时,应对速率饱和的影响进行补偿,反之可忽略其影响以节约设计成本.

摘要：针对现有图像匹配算法追求匹配精度,而一定程度上忽略匹配速度下降的问题,设计了通道注意力和特征切片描述网络(CAFSD),并将其与快速特征点检测算法(ORB)结合,进而提出一种精度和速度均衡的图像快速匹配算法。首先利用通道注意力对ORB获取的图像块进行初步全局特征学习,接着将初步特征描述子切片,再对每个特征切片进行特征学习和二进制化,最后重新拼接得到二进制特征描述子,减少了传统二进制编码的冗余问题。此外,设计了复合损失函数进一步减少描述子二进制化造成的信息损失。实验结果表明,所提算法的匹配性能和处理速度优于大部分其他二进制匹配算法。

摘要：针对人脸测量时的抖动现象,设计了一种循环反向编码方法。该方法无需专门投影反向二值条纹辅助边缘点定位,减少了投影图案的数量。用循环的三帧条纹图像代替原本利用正反两帧条纹图像定位的方式,提高边缘点检测精度的同时能够有效消除定位偏差。实验表明,所提方法能够有效提高测量速度,同时保持较高的测量精度,减少点云中的运动波纹。

摘要：针对手部康复装置结构复杂、穿戴舒适性差、制作成本高等问题,提出了一种基于三维软体驱动器的新型手部康复装置。首先,根据手部功能运动范围分析,设计了具有三空腔结构和纤维增强结构的三维软体驱动器。其次,利用Yeoh模型、虚功原理和结构分析,建立了以空气压强、纤维匝数为输入量,弯曲角度为输出量的数学模型。然后,通过有限元分析,确定了纤维匝数和建议工作压强,降低了数学模型的计算量。最后,使用3D打印技术和硅胶材料完成了样机的制作。为了验证以上理论,在软体驱动器综合实验平台上进行了性能测试。结果表明,该软体驱动器的最大弯曲角度、指尖力和相对误差分别为230°、1.08 N和25.04%;该装置可以模仿常见手势,抓取日常生活用品,能够满足基本的手部康复训练。

摘要：直流变换器在能量转换系统中起到至关重要的作用.针对直流降压变换器系统中存在的多源干扰问题,本文提出了一种基于观测器的复合离散滑模控制方案.为获得高电压跟踪精度和强抗干扰能力,在控制器中引入了干扰估计信息的二阶差分.通过干扰估计和前馈补偿,有效地消除了干扰对变换器电压跟踪精度的影响.同时,为削弱抖振影响,文中设计了一种新型的自适应滑模趋近律,并针对闭环系统给出了严格的稳定性与收敛性能分析.此外,本文基于快速原型控制器进行不同工况下变换器系统实验测试.结果表明,相比于传统离散滑模控制,文中所研究的复合控制器具备较强的抗干扰能力和较高电压跟踪精度.

摘要：红外弱小目标检测在预警系统和导弹制导中具有重要的作用,一直是红外图像处理中颇受关注的研究方向。由于红外弱小目标具有信杂比低、尺寸小、形状结构不明显和纹理弱等特点,现有的通用目标检测和语义分割网络直接应用到红外弱小目标检测效果不佳,为此提出一种基于双支网络协作的红外弱小目标检测网络(DualNet)。将检测任务划分成两个子任务,即降低漏检和降低虚警,进而设计两个不同的网络架构分别处理,并利用加权融合损失函数将两支网络信息整合,使得DualNet能够有效地平衡漏检率和虚警率。在自建数据集上的实验结果表明:DualNet相较于通用性能较好的FCN、DeepLabv3、cGAN以及U-net语义分割网络模型具备更高的准确率和鲁棒性,其在F1-measure指标上提高了8%;在SIRST公开数据集上的检测性能也显著超过了基于深度学习的红外目标检测模型ACM和MDvsFA-cGAN,以及多个经典的非深度学习红外弱小目标检测方法。研究结果表明,所提出的方法能够有效提高红外弱小目标的检测精度。

摘要：针对人机协作时机器人极有可能与人发生碰撞所导致的安全问题,提出一种基于动力学模型、无需要外部传感器的机器人碰撞检测方案.首先,根据对机器人低速下的动力学特性分析,采用逐次动力学辨识,在对机器人重力及摩擦力使用最小二乘法辨识后,运用Lasso对复杂的残余力矩进行辨识以获得简化模型,避免了复杂符号推导.然后,针对模型的不确定性,根据优化设计运动状态相关的动态阈值来处理残差的异常峰值.最后,以轻型工业机械臂为实验平台,让机器人执行作业轨迹与人类发生碰撞以验证碰撞检测算法.实验结果证明了碰撞检测方法的可行性和简单性,其能够实现对机器人快速动力学辨识,并可以实现灵敏准确碰撞检测,保证人机协作时操作人员的安全.