基于ZigBee无线网络技术的电子站牌设计

为提高公共交通服务的质量,提出一种基于ZigBee无线网络技术实现的电子公交站牌系统。该系统利用无线通信技术对公交车进行到站检测和信息传递,站点将公交车到站的信息送给主控系统进行处理,并利用LED指示灯进行指示,同时通过Zigbee通信技术实现站点之间的信息传递,达到公交车运行信息在整个运行线路的显示,并在每个站点设计点阵式LED显示屏,实现公共信息显示,为人们出行提供便利。     

基于STC89C52单片机的循迹智能车控制系统设计

该文采用STC89C52单片机为核心控制单元,通过控制2个L298N电机驱动模块控制四个电机的正反转,实现智能车的差速控制;利用4个红外光电传感器以阶梯状均匀分布模式布置在智能车前部,用于采集路面的信息以实现循迹功能。该文详细论述了智能车控制系统的具体设计方案,以及智能车控制系统的软硬件实现过程,并且具体分析了智能车的车身结构对其速度和转向的影响。实验证明,该系统能很好地满足智能车对路径的识别和抗干扰能力较强的要求,智能车速度调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性[1-4]。     

基于引导Minimax-DDQN的无人机空战机动决策

针对无人机(UAV)空战环境信息复杂、对抗性强所导致的敌机机动策略难以预测,以及作战胜率不高的问题,设计了一种引导Minimax-DDQN(Minimax-Double Deep Q-Network)算法。首先,在Minimax决策方法的基础上提出了一种引导式策略探索机制;然后,结合引导Minimax策略,以提升Q网络更新效率为出发点设计了一种DDQN(Double Deep Q-Network)算法;最后,提出进阶式三阶段的网络训练方法,通过不同决策模型间的对抗训练,获取更为优化的决策模型。实验结果表明,相较于Minimax-DQN(Minimax-DQN)、Minimax-DDQN等算法,所提算法追击直线目标的成功率提升了14%～60%,并且与DDQN算法的对抗胜率不低于60%。可见,与DDQN、Minimax-DDQN等算法相比,所提算法在高对抗的作战环境中具有更强的决策能力,适应性更好。     

基于不同地形的低空安全突防曲面处理算法

低空突防能力问题是无人飞行器(UAV)飞行安全的核心问题之一。针对不同地形的低空安全突防曲面问题,提出一种处理算法。该算法首先将安全走廊的概念融入到飞行曲面设计中,将三维航迹划分为水平航迹和垂直航迹规划,考虑飞行器的最小离地高度等因素,设计出平滑安全的飞行曲面,提高了飞行器突破"台风眼"区域的安全性。然后根据不同地形的特征,利用聚类算法对其进行分类,再采用二维三次卷积算法,提出基于不同地形的低空突防安全曲面设计方法。仿真结果表明,该算法能够快速实现低空安全突防的需求,降低飞行代价。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

改进双边滤波与平均 γ 矫正的图像增强

为解决自确认气动执行器的故障诊断问题,本文提出一种基于自适应多核多分类关联向量机的气动执行器故障诊断方法。基于DAMADICS平台建立气动阀门仿真模型,利用DABLib模块生成故障数据,采用关联向量机回归原理,根据正常样本序列,构建数据恢复模型,与实际执行器的输出值相比较,得到残差,完成特征提取。以残差作为输入,选用高斯核函数和多项式核函数的组合,建立多核多分类关联向量机,利用自适应粒子群遗传融合算法实现多目标核参数的优化,判断气动执行器的故障类型。实验结果表明,该方法有更高的建模精度和更好的实用性,实现了自确认气动执行器多故障诊断和分类。     

基于关节点数据关注RGB视频的双人交互行为识别

基于RGB视频与关节点数据结合的双人交互行为识别具有广阔的应用前景。针对RGB视频与关节点数据两种异构特征不能较好融合的问题,提出一种利用关节点数据关注RGB视频的双人交互行为识别方法。利用关节点数据分析得到主要运动部位并关注RGB运动特征,以此来融合RGB视频提供的全局外观信息和由关节点数据分析得出的局部运动信息,并进行有效的表征,解决以往双人交互行为特征中统一对待所有信息而忽略主要运动信息的问题,提高异构特征融合的合理性,并利用卷积神经网络提取深层特征进行双人交互行为识别。在国际标准的NTU RGB+D数据库下进行测试,结果表明：该算法提高了相似动作的识别准确率,证明了本算法的可行性。     

融合改进 Padim 建模和 ResNet 网络的 喷涂质量检测算法

为了满足喷涂机器人对于喷涂质量检测的需求,采用迁移学习对改进 Padim 建模和 ResNet 网络进行融合,构建自主喷 涂机器人喷涂质量检测一体化模型。 该模型提取一次图像特征可同时用于缺陷定位和分类。 在缺陷定位端,通过改进 Padim 模型以减少特征冗余所造成网络的计算消耗,首先将 ResNet-18 网络获取的 patch 嵌入向量语义层由原先前 3 层改为单 2 层,然 后特征表达由 100 维降维至 20 维,最后训练正样本得到正态分布模型与测试图像进行缺陷定位。 在缺陷分类端,对预训练 ResNet-18 网络进行负样本二次训练,得到 ResNet-18 分类模型对测试图像进行缺陷分类。 经过实验,将一体化模型移植在 jetson nano 移动端中,参数量仅为 11. 69 M,定位精度 94. 5%,分类准确率高达 99. 6%,在机器人位移速度 0. 02 m/ s 下检测时间 为 0. 730 s,不会出现缺帧漏检情况,满足实时检测的要求。     

基于视觉的无人机导航技术研究

视觉导航在无人机(UAV)定位跟踪领域中具有重要作用。尽管目前对其已有大量研究,但仍有许多难点有待攻克,如光照变化、用于定位的既定目标形变或被遮挡以及相机移位等。为深入研究学习基于视觉的无人机导航技术,对近年来的视觉导航方法进行了综述。对现有的视觉导航算法从视觉处理流程方面作了分类总结。首先,简单介绍研究意义以及相关工作。然后,阐述了无人机从获取图像预处理、特征提取、目标跟踪及定位导航的原理及各种方法并进行总结分析,并简单阐述了在未知环境条件下地图的建立。最后,提出了无人机视觉导航技术在实际应用中存在的问题挑战以及前景展望。     

针对复杂环境问题的改进跟踪算法研究

为解决无人机跟踪目标时面对的复杂环境问题,选择以基于颜色特征进行跟踪的MeanShift算法为基础,对其作出改进.针对无人机跟踪目标时,目标颜色与环境背景相似的问题,提出改进MeanShift算法的跟踪特征,将相机采集的视频格式由RGB颜色空间转化为HSV颜色空间,并选取其中的色调分量作为跟踪特征;针对无人机跟踪过程中目标被短期遮挡的问题,提出将改进后的MeanShift算法与Kalman滤波相结合,利用Kalman滤波的预测功能,使算法在面对目标被短期遮挡的情况下依旧能稳定跟踪.通过实验,验证了本文提出的跟踪算法的有效性.