改进的线性自抗扰永磁同步电机转速控制器设计

基于线性自抗扰控制(linear active disturbance rejection controller, LADRC)在永磁同步电机(permanent magnet synchronous motor, PMSM)转速、电流复合控制中无法应对q轴电流突变和参数整定存在缺陷,提出一种改进的自抗扰控制器。首先,分析常规LADRC在转速、电流复合控制的设计方法,并对其核心参数进行剖析。其次,基于常规LADRC用最速控制综合函数(fhan)代替比例微分(the proportion of differential, PD)进行控制律设计,提高系统控制性能并优化参数配置方式;同时基于该函数特性,设计电流外环控制器,利用电流偏差反馈算法对q轴电流进行限幅控制,避免电流冲击过大损伤硬件。通过搭建实验平台测试,实验结果显示改进的LADRC能有效应对q轴电流冲击,同时具有与传统LADRC相当的抗扰能力,并且对扰动的瞬态响应时间缩短20 ms,表明改进的LADRC具有更高的安全性能和良好的抗扰能力。     

自适应上下文特征的多尺度目标检测算法

识别多尺度目标是检测任务中的一项挑战,针对检测中的多尺度问题,提出自适应上下文特征的多尺度目标检测算法。针对不同尺度的目标需要不同大小感受野特征进行识别的问题,构建了一种多感受野特征提取网络,通过多分支并行空洞卷积,从高层语义特征中挖掘标签中的上下文信息;针对不同尺度目标的语义特征出现在不同分辨率特征图中的问题,基于改进的通道注意力机制,提出自适应的特征融合网络,通过学习不同分辨率特征图之间的相关性,在全局语义特征中融合局部位置特征;利用不同尺度的特征图识别不同尺度的物体。在PASCAL VOC数据集上对本文算法进行验证,本文方法的检测精度达到了85.74%,相较于Faster R-CNN检测精度提升约8.7%,相较于基线检测算法YOLOv3+提升约2.06%。     

基于自组织可增长映射的移动机器人仿生定位算法研究

为提高移动机器人在同步定位和地图构建(SLAM)中的定位精度,该文提出一种基于自组织可增长映射 (GSOM)的仿生定位算法。该方法将位置细胞的激活特性和神经网络输出层神经元建立响应连接,通过GSOM神经网络构建空间的拓扑地图,利用感知距离信息实现位置细胞的激活响应从而估计机器人位置,以此还原机器人的运行路径。实验结果表明细胞间隔R对定位精度有较大影响,选取合适的细胞间隔能有效地减少神经网络的学习时间,提高定位精度,该文算法平均误差在0.153 m以内,定位精度达到90.243%,均优于原有算法。经验证该文算法建立的模型能够实现机器人的空间位置表征,提高了机器人在实验场景下的定位精度,表现出良好的位置估计性能。     

基于 2D 预处理的点云分割和测量研究

针对传统 3D 工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大 影响检测实时性和 3D 特征点选取不准确导致测量误差大的因素,提出一种基于 2D 边缘检测的预处理方法,实现点云快速分 割和测量。 首先,采用改进的 Canny 算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检 测完成纹理图像分割,规避了在 3D 空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用 掩膜操作提取出有序点云数据,使用基于 RANSAC 和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去 除了噪声点云;最后,对经过预处理后的目标点云基于 PCA 的包围盒去计算工件尺寸以及表面法向量。 实验结果表面,和传统 的 3D 分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约 20%;工件尺寸的平 均相对误差约 1. 24%,可以满足测量的需求。     

融合 A∗ 蚁群和动态窗口法的机器人路径规划

针对蚁群算法在全局路径规划时无目的搜索、收敛慢和规划的路径不平滑等问题,本文提出了一种融合 A ∗ 蚁群和动 态窗口法(dynamic window algorithm, DWA)的平滑路径规划方法。 首先,对于传统蚁群算法,利用改进 A ∗ 算法非均匀分配初始 信息素,解决算法初期搜索无目的问题;给出算法自定义的移动步长和搜索方式,提高路径寻优效率;修改转移概率函数中的启 发函数值并增加障碍物影响因子,在避免死锁现象的同时加快收敛速度;采用二次路径优化策略,使得路径更短更平滑;其次在 动态窗口法的评价函数中引入动态避障评价子函数,提高路径的安全性。 仿真实验结果表明,改进 A ∗ 蚁群算法较传统蚁群算 法可减少 8. 75%的路径长度和 59%的转折点数,融合优化动态窗口法后,移动机器人既能保证在静态环境下规划出全局最优 的路径,又能实现动态环境下的路径规划,有效躲避环境中出现的动态障碍物。     

融合子空间共享特征的多尺度跨模态行人重识别方法

跨模态行人重识别(Re-ID)是智能监控系统所面临的一项具有很大挑战的问题,现有的跨模态研究方法中主要基于全局或局部学习表示有区别的模态共享特征。然而,很少有研究尝试融合全局与局部的特征表示。该文提出一种新的多粒度共享特征融合(MSFF)网络,该网络结合了全局和局部特征来学习两种模态的不同粒度表示,从骨干网络中提取多尺度、多层次的特征,全局特征表示的粗粒度信息与局部特征表示的细粒度信息相互协同,形成更具有区别度的特征描述符。此外,为使网络能够提取更有效的共享特征,该文还针对网络中的两种模态的嵌入模式提出了子空间共享特征模块的改进方法,改变传统模态特征权重的特征嵌入方式。将该模块提前放入骨干网络中,使两种模态的各自特征映射到同一子空间中,经过骨干网络产生更丰富的共享权值。在两个公共数据集实验结果证明了所提方法的有效性,SYSU-MM01数据集最困难全搜索单镜头模式下平均精度mAP达到了60.62%。     

改进 Canny 算子下的工件尺寸测量

针对人工用游标卡尺测量手工捏花尺寸效率低下的问题,提出一种改进的自适应 Canny 算子测量手工捏花尺寸的方 法。 首先,引入均值漂移法分割图像,图像颜色变得渐变、细纹纹理平缓;其次,用大致轮廓的平均像素值选择性的替代边缘检 测的高阈值,以达到较好的自适应提取边缘的目的;再次,scharr 算子代替 sobel 算子,增强了弱边缘的提取能力;最后,去掉小 型连通域并且用主成分分析方法(PCA)获取轮廓的主方向,求取主方向直线方程,通过轮廓点在该直线上的最大投影距离获得 捏花的长度,轮廓点在该直线的垂直方向上的最大投影距离获得捏花的宽度。 实验表明,在对不规则物体的识别率上,本文方 法比其他方法有着显著的提升,准确率达到 97%,与真实值误差 2 mm 左右,并且通过强光、弱光、侧面光实验对比分析,该方法 受光照影响较小,满足工业自动化需求。     

基于变步长蚁群算法的移动机器人路径规划

针对传统蚁群算法以及双层蚁群算法在路径规划中存在搜索效率低、收敛性较慢以及成本较高的问题,本文提出了变步长蚁群算法。该算法扩大蚁群可移动位置的集合,通过对跳点的选择以达到变步长策略,有效缩短移动机器人路径长度;初始化信息素采用不均匀分布,加强起点至终点直线所涉及到栅格的信息素浓度平行地向外衰减;改进启发式信息矩阵,调整移动机器人当前位置到终点位置的启发函数计算方法。试验结果表明:变步长蚁群算法在路径长度及收敛速度两方面均优于双层蚁群算法及传统蚁群算法,验证了变步长蚁群算法的有效性和优越性,是解决移动机器人路径规划问题的有效算法。     

改进变步长蚁群算法的移动机器人路径规划

针对移动机器人在蚁群算法路径规划中存在陷入局部收敛且无法做到路径最优的问题,提出了改进变步长蚁群算法, 使其能够在收敛迭代次数较少的情况下做到路径最优。 针对蚁群算法应用在路径规划中的相关特性,优化信息素分配,降低局 部信息素含量对算法的影响,避免蚁群在搜索路径时陷入局部最优,在转移概率公式中增加权重因子,提高移动机器人朝着终 点方向移动的概率,有效减少蚁群收敛迭代次数,改变移动机器人移动步长,使其能在 360°内自由无碰撞移动,有效缩短路径 长度。 仿真结果表明,在简单环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为 2 次及 28. 042 m,传统蚁群 算法的收敛迭代次数及最优路径长度分别为 25 次及 29. 213 m;在复杂环境下,改进变步长蚁群算法的收敛迭代次数及最优路 径长度分别为 2 次及 43. 960 2 m,改进势场蚁群算法的收敛迭代次数及最优路径长度分别为 16 次及 45. 112 7 m。 仿真结果验 证了改进变步长蚁群算法的有效性和优越性。     

基于运动矢量的改进视觉 SLAM 算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建( SLAM)算法位姿估计误差大且构建地图不一 致的问题,提出了一种基于特征点运动矢量的改进视觉 SLAM 算法。 首先,引入基于特征点运动矢量的运动点检测算法。 通过 结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前 一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通 过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动 态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。 数据 集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。