摘要：为了研制一种新型的具有高续航力和高机动性的水下滑翔蛇形机器人,提出一种适应其细长体外形、多模块特点的运动调节机构.基于动量定理、动量矩定理以及递推牛顿-欧拉法,分别建立滑翔运动和蛇形游动的动力学模型,模型充分考虑了附加质量力、流体力和流体力矩等影响因素.最后对建立的模型进行闭环控制仿真分析,结果证明了机械系统的有效性以及动力学模型的有效性.

摘要：综述了国内外微小型自主水下机器人(AUV)的研究现状。首先,对微小型AUV的定义进行了梳理。其次,基于微小型AUV的平台结构特征,对微小型AUV的应用背景和特征进行了归纳和总结。最后,对微小型AUV的发展趋势进行了分析和探讨。为微小型AUV的设计提供了参考,对微小型AUV的应用发展具有借鉴意义。

摘要：为了获取柔性关节精确的物理参数,提出了一种基于系统谐振与抗谐振特性的参数辨识方法.首先建立柔性关节的数学模型,利用该模型推导柔性关节的谐振、抗谐振频率特性与待辨识参数的数学关系,然后基于此关系建立误差回归模型,设计实验采集不同负载条件下的输入与输出数据,计算得到系统的谐振、抗谐振频率及幅值,代入回归模型并基于最小二乘法求解参数.最后,通过仿真与实验将本文方法与一般的频域特性拟合方法进行对比,结果表明在含有噪声的情况下本文方法将参数辨识平均精度从75.34%提高到90.35%,方差从25.34%降低到8.07%,验证了所提方法的可行性与有效性.

摘要：针对不同患病程度的脑卒中患者运动意图识别率低的问题,提出了一种适用于不同Brunnstrom等级患者基于表面肌电信号(sEMG)的动作识别方法.首先将所有等级患者s EMG数据进行融合,使用tsfresh库提取特征,然后基于随机森林(random forest,RF)模型筛选特征,并利用筛选的特征训练动作分类模型.进一步,通过研究动作和康复等级的关系,确定了康复评估动作并设计了康复等级自动评估算法.为了验证所提方法的有效性,在24例患者sEMG数据上进行了测试,实验结果表明所提方法能够将9种动作和6类康复等级的平均识别精度分别提升至89.81%和94%.基于所提方法构建的手部康复机器人系统能够实现康复等级自动评估.

摘要：低照度图像会使很多计算机视觉算法的鲁棒性降低,严重影响机器人领域的许多视觉任务,如自动驾驶、图像识别以及目标追踪等。为获取具有更多细节信息以及更大动态范围的增强图像,提出了一种基于多曝光图像生成的低照度图像增强方法。该方法通过分析真实拍摄的多曝光图像,发现不同曝光时长的图像的像素值之间存在线性关系,使得正交分解的思想可以应用于多曝光图像生成。多曝光图像是根据物理成像机制生成的,与真实拍摄图像更为相近。在将原图分解得到光照不变量和光照分量后,通过设计自适应算法生成不同的光照分量,再与光照不变量合成可以得到多曝光图像。最后利用多曝光图像融合方法获取具有更大动态范围的增强图像。该融合结果与输入图像保持一致,最终的增强图像可有效保留原始图像的色彩,自然度高。在真实拍摄的低照度图像公开数据集上进行了实验并与现有先进算法进行对比,结果表明,本文方法得到的增强图像与参考图像之间的结构相似性提高了2.1%,特征相似性提高了4.6%,增强图像与参考图像更接近且自然度更高。

摘要：针对肢体残障患者的假肢控制问题,搭建了一种基于s EMG(表面肌电信号)的智能假肢手臂系统,实现手臂残障程度较高患者的手-肘协调控制。首先,基于肌肉协同理论,使用非负矩阵分解(NMF)方法提取肌肉协同作用,并进行手部动作识别以及肘关节的连续运动估计。其次,基于意图识别结果构建“前馈-反馈”控制框架,对受试者进行前馈监督与反馈检测;根据前馈-反馈结果调整期望的控制输入,提高假肢系统的舒适性与鲁棒性。然后,针对手部动作,构建一种自适应调整抓握力度的框架,通过力、位信息交替控制,实现不同刚度、不同形状物体的自适应抓握;对于肘部运动,设计一种基于识别结果的阻抗控制算法,实现手-肘一体化假肢的稳定的人机交互控制。最后,由6名健康受试者、1名手臂残障受试者对以上控制策略进行实验验证,对手臂整体运动实现了较为准确的意图识别,同时也完成了稳定的肘部屈伸以及手部抓取,做到了手-肘的一体化协调控制。最终该套系统在北京2022年冬残奥会实现了应用展示。

摘要：生成对抗网络(GAN)是无监督学习领域最近几年快速发展的一个研究方向,其主要特点是能够以一种间接的方式对一个未知分布进行建模.在计算机视觉研究领域中,生成对抗网络有着广泛的应用,特别是在图像生成方面,与其他的生成模型相比,生成对抗网络不仅可以避免复杂的计算,而且生成的图像质量也更好.因此,本文将对生成对抗网络及其在图像生成中的研究进展做一个小结和分析:本文首先从模型的架构、目标函数的设计、生成对抗网络在训练中存在的问题、以及如何处理模式崩溃问题等角度对生成对抗网络进行一个详细地总结和归纳;其次介绍生成对抗网络在图像生成中的两种方法;随后对一些典型的、用来评估生成图像质量和多样性的方法进行小结,并且对基于图像生成的应用进行详细分析;最后对生成对抗网络和图像生成进行总结,同时对其发展趋势进行一个展望.

摘要：基于运动想象脑电(EEG)的脑-机接口系统能够为用户提供更为自然、灵活的控制方式,已广泛应用到人机交互领域。然而,由于目前运动想象脑电的信噪比及空间分辨率较低,导致信号解码正确率较低。针对这一问题,本文提出一种基于时空特征学习卷积神经网络(TSCNN)的运动想象脑电解码方法。首先,针对经过带通滤波预处理的脑电信号,依次设计时间和空间维度上的卷积层,构造出运动想象脑电的时空特征;然后,利用2层二维卷积结构对脑电的时空特征进行抽象学习;最后,通过全连接层和Softmax层对TSCNN学习的抽象特征进行解码。利用公开数据集对该方法进行实验测试,结果表明,所提方法的平均解码精度达到80.09%,分别比经典的解码方法共空间模式(CSP)+支持向量机(SVM)和滤波器组CSP(FBCSP)+SVM提高了13.75%和10.99%,显著提升了运动想象脑电解码的可靠性。

摘要：人脸表情识别在众多场景下都有应用,但是由于光照变化、面部外观改变和遮挡的影响,导致识别准确率下降.针对此现象,提出将改进的Island损失函数用于辅助表情识别.Island损失函数虽然能够提高测试性能,但是却降低了泛化性能,针对这一问题,改进的Island损失函数采用指数损失减小类内距离的方法提高泛化性能,采用余弦距离损失与欧几里得度量损失增大类间距离的方法进一步提高测试性能.结果证明,与Island损失函数相比,LCE损失函数与ECE损失函数均可以同时提高测试性能与泛化性能,ECE损失函数在CK+,JAFFE,SFEW,RAF和Older数据集上的平均泛化性能提高了1.05%.

摘要：微型仿生机器人是一种仿照生物外形和运动形态制作设计的机器人,凭借其体型小、机动性高、环境适应性强等优点,在复杂环境探索、敌情侦察等特殊场景中具有较高的应用前景,近年来备受研究人员的关注.但是微型机器人运动稳定性弱、单目相机环境感知精度低等问题的存在一直制约着其实际应用.本文仿照昆虫“独角仙”设计了一种新的微型仿生爬虫机器人,开发了基于生物运动调控机制的六足机器人控制系统,改进了基于啮齿类动物空间导航原理的同时定位与建图系统.使用自研的微型仿生爬虫机器人在人造沙盘和真实室内走廊两个场景中进行了实验验证.在人造沙盘场景,由于微型仿生爬虫机器人提供的环境图像质量模糊,ORB-SLAM3算法无法完成回环检测,不能正确识别曾经见过的场景.类脑同步定位与地图构建(simultaneous localization and mapping,SLAM)系统回环准确率高达100%,比原RatSLAM算法提高了4.36%.在真实室内走廊场景,ORB-SLAM3算法和RatSLAM算法建图效果都比较差,而类脑SLAM不仅有着较好的建图结果,而且在准确率100%的同时召回率也高达97.87%.与ORB-SLAM3和RatSLAM算法相比,类脑SLAM系统取得了较好的建图结果.因此,自研的微型仿生爬虫机器人具有灵活的运动能力、鲁棒的导航定位能力,促使微型仿生机器人离实际应用更近了一步.