摘要：在工业机器人抓取过程中,针对物体无纹理、存在遮挡、场景杂乱的情况下的6D位姿精确估计问题,提出一种多层特征融合与混合空间通道注意力的物体6D位姿估计算法。设计了一种垂直连接的双向特征融合金字塔网络,实现多层特征融合,提升对目标关键点的检测性能。嵌入混合空间通道注意力机制,聚焦空间和通道两个维度上的特征信息,增强模型的局部表征能力。在LineMod数据集及Occlusion LineMod遮挡数据集上的实验结果表明所提出算法的优越性及有效性,且能够有效处理背景杂乱及遮挡问题。

摘要：随着深度学习网络研究的深入和网络模型精度的提高,网络层数及深度在逐渐增加,导致计算量增大。同时,基于深度学习模型人脸关键点检测在嵌入式设备上部署的需求,轻量化、高效和准确的网络模型成为研究关键。因此,本文设计了一个基于Ghost Model块和Ghost Bottleneck架构的超轻量型人脸关键点检测算法,在确保网络精度的同时,尽可能减小网络模型大小,降低计算量。在网络宽度因子为1X的情况下,与现有表现最好的轻量化网络模型PFLD 1X相比,归一化平均误差降低了7%,参数量减小了36%;在宽度因子为0.25X的情况下,本论文提出的网络模型大小仅420 KB,归一化平均误差降低了6.6%,参数量减小了25%。

摘要：考虑到BP神经网络模型和PSO粒子群优化算法存在有的收敛速度慢及陷入局部最优的问题,给出了基于融合混沌(Chaos)模型和模拟退火(SA)算法而设计的PSO-BP神经网络模型。将混沌模型和SA算法的优点进行融合并对PSO算法加以改进,防止PSO算法因“早熟”而处于局部最优,从而得出BP神经网络模型的权值与阈值集合。实例验证结果表明,CSAPSO-BP神经网络模型的收敛性高于PSO-BP神经网络模型与SAPSO-BP神经网络模型,其平均绝对百分比误差分别比后两者低25.23%和14.19%。

摘要：介绍了可见光通信智能语音教室演示模型的系统工作原理、硬件组成、软件设计流程和光信号的编码方式等。对模型进行了功能测试和收发波形测试,实现了语音信号的高保真传输以及设备的无线控制。

摘要：本文考虑大坝—河流渠道灌溉系统的迭代学习控制问题。首先,对线性化的Hayami偏微分方程在空间上离散化,通过叠加向量方法建立闸门与流量关系的状态空间数学模型;其次,结合灌溉过程的重复性特点,设计D型迭代学习控制算法,建立了该算法的收敛性条件。结果表明通过闸门开度的迭代学习控制,可实现对取水口期望流量的完全跟踪。最后,通过数值仿真进一步说明提出的迭代学习控制方法的有效性。

摘要：研究了一类具有切换模态的线性分布参数系统的故障诊断问题.在实际运行的动态线性分布参数切换系统的基础上,设计了与之对应的虚拟故障跟踪器,通过引入残差信号,建立了闭环P型迭代学习故障跟踪算法;给出了该算法的收敛性充分条件,并通过严格的理论分析,保证了残差信号和故障偏差的一致收敛性;最后通过数值仿真结果进一步验证了所提算法的有效性.

摘要：为了提高供水的可靠性和稳定性,设计了一套基于西门子S7300系列可编程逻辑控制器(PLC)的变频调速恒压供水系统。该系统根据实际用水需求设计控制方案,采用优化的阶梯控制和PID控制策略将管网压力控制在标准范围内。在STEP 7与WinCC Flexible环境下联合仿真,并通过以太网和PROFIBUS连接实物进行实际调试。结果表明,该系统改善了供水质量,减小了设备与能源损耗,获得了较高的控制精度。