面向动态场景去模糊的对偶学习生成对抗网络

针对动态场景下的图像去模糊问题,提出一种对偶学习生成对抗网络(dual learning generative adversarial network, DLGAN),该网络可以在对偶学习的训练模式下使用非成对的模糊图像和清晰图像进行图像去模糊计算,不再要求训练图像集合必须由模糊图像与其对应的清晰图像成对组合而成. DLGAN利用去模糊任务与重模糊任务之间的对偶性建立反馈信号,并使用这个信号约束去模糊任务和重模糊任务从两个不同的方向互相学习和更新,直到收敛.实验结果表明,在结构相似度和可视化评估方面, DLGAN与9种使用成对数据集训练的图像去模糊方法相比具有更好的性能.     

自适应鲁棒控制器设计新方法在电液伺服系统中的应用

提出了一种自适应鲁棒控制器设计新方法, 并运用在阀控缸电液位置伺服系统中.首先, 将含有确定、不确定、已知、未知、线性和非线性项的电液伺服系统进行完整地数学建模, 以状态空间的形式表出.然后利用本文所提的新方法设计自适应鲁棒控制器和相应的自适应律来处理所建模型中的各项元素.该控制器通过设计一个带有虚拟控制量的控制状态空间表达式并结合状态观测器来获得.设计合适的虚拟控制量, 可在任意给定条件下, 使所有的系统状态都收敛到所设计的理想状态.接着设计李亚普诺夫函数来证明闭环系统的稳定性.最后建立硬件实验平台与经典自适应鲁棒控制方法进行对比实验验证此自适应鲁棒控制器设计新方法的有效性和优势.     

采用温控镂空发热网的热像仪与3D激光雷达配准

在热像仪与3D 激光雷达组合感知系统上,对基于特征点的配准问题进行了研究遥结合热像仪与3D 激光雷达的工作特性,设计制作了温控镂空发热网配准靶,可同时为热像仪与3D 激光雷达提供特征点遥红外图像特征点使用Harris 角点探测器进行采集曰为减小混合像素和激光点稀疏的影响,对配准靶平面进行了拟合并对点云进行了配准平面符合度检查,确定了深度图边缘曰使用计算角点附近深度边缘均值的方法提取深度特征点坐标,并对坐标进行了修正曰最后使用NMSM-EM 优化方法对配准结果进行了优化遥基于以上研究成果,使组合感知系统能够在微光条件下完成对移动机器人行驶环境的感知遥     

基于尺寸解算的红外目标快速检测方法

针对传统模板匹配方法用时较长,在信号处理过程中末敏子弹易受到外界环境的干扰,从而容易引起末敏子弹对目标失效的问题,提出了基于尺寸解算的红外目标快速检测方法。该方法的核心是对多元线阵红外探测器采集到的多路波形信号进行边缘点快速提取,并联合各路时序关系以及高度信息对目标尺寸进行求解,实时获得目标尺寸信息,进而实现对红外目标的快速检测。试验结果表明:较传统模板匹配方法,在目标检测概率不低于90%,尺寸计算相对误差在5%以内的基础上,信号处理时间缩短了80%。试验结果验证了所提方法的有效性。     

基于主动生成式过采样和深度堆叠网络的轴承故障诊断

针对数据不平衡分类问题,提出了一种基于主动生成式过采样与深度堆叠网络(DSN)的故障诊断方法。首先,在带有分类器的生成式对抗网络(ACGAN)的训练过程中,将Wasserstein距离作为新目标函数,为生成器提供有效梯度,并根据损失值之比自适应地调整迭代过程中生成器与判别器的训练次数,克服训练不协调所导致的模型收敛困难,以提高ACGAN的训练稳定性,改善生成样本的质量。其次,采用基于委员会查询(QBC)的主动学习算法,并设计多样性评价指标Diversity,对ACGAN生成的高信息熵样本进行二次筛选,以保证所挑选样本的多样性;同时利用筛选出的样本训练判别器,引导生成器生成信息量丰富的少数类样本。最后,在平衡数据集的基础上,训练基于DSN的故障分类模型。通过对比实验验证了所提出方法的有效性。     

电动汽车电接插件接触电阻振动特性的研究

电动汽车市场发展迅速,与此同时事故却频频发生,其中很大一部分原因归咎于电气设备的稳定性不足,而电接插件的安全性是电气设备稳定性的核心问题,特别是针对高电压大电流的动力电池组。针对动力电池模组内部连接的电接插件展开研究,在目前电接插件制造工艺的基础上,围绕振动工况下动力电池的电接插件的接触电阻以及接触性能一致性评估的核心技术,探索复杂振动工况下动力电池之间电接插件的接触电阻稳定性问题。首先构建面向振动工况下接触稳定性动力学模型,推导电接插件的振动与频率、幅值的关系。进一步地,设计单体电池电连接器的电阻特性测试和电池模组的接触电阻振动试验,发现了接触电阻与接触面积、振动频率的变化规律。最后,结合电动汽车对电源系统的安全需求及相关理论,提出一套高压接插件一致性评估思路,指导电接插件性能在线评估以及结构优化,为电动汽车高压电安全性提供了实际工程应用和理论指导。     

带补偿因子的双模糊控制在电液伺服阀控非对称缸系统上的应用研究

为解决电液伺服阀控非对称缸系统在进行对称运动时由于液压缸的非对称性带来的控制非对称问题,提出一种含补偿因子的双模糊控制算法。以电液伺服阀控非对称缸系统为对象,针对非对称液压缸在两个运动方向上动态特性的非对称性问题,采用含补偿因子的模糊控制器进行补偿。同时,针对负载力大范围变化的特点,采用模糊PID控制算法来适应负载的变化。模糊PID控制器及含补偿因子的模糊控制器以经过跟踪微分器处理的误差及误差的微分作为输入,模糊PID控制器输出为PID控制器各项系数,含补偿因子的模糊控制器输出为补偿因子,结合模糊PID控制器,形成有效解决非对称液压缸非对称性问题的控制方法。仿真和试验结果表明,提出的控制方法能够有效解决电液伺服阀控非对称缸系统的控制非对称性问题,并拥有良好的控制效果。     

基于胰岛素基础率估计的人工胰腺系统自抗扰控制

胰岛素基础率是人工胰腺系统实现人体血糖闭环控制的基准, 但该变量在临床治疗中难以准确确定. 针对这一问题, 本文设计了一种基于胰岛素基础率动态估计的人工胰腺自抗扰控制方法, 通过扩张状态观测器(Extended state observer, ESO)实时估计血糖代谢过程中的内部与外界干扰, 构建具备参数自适应能力的反馈控制律和胰岛素注射安全约束, 实现血糖闭环调控能力的有效改善. 在此基础上, 本文设计了基于移动设备和蓝牙模块的人工胰腺软件系统, 并通过美国食品药品监督管理局(Food and Drug Administration, FDA)接受的UVA/Padova T1DM仿真平台完成算法的比较仿真与功能测试. 本文的工作将为后续人工胰腺临床试验的开展提供方法基础和技术支持, 也为我国糖尿病患者血糖管理的改善提供精准医学治疗手段.     

慕课授课中的学生听课行为自动分析系统

为了解决在线课程(Massive open online course, MOOC)授课过程中,缺乏对于学生学习情况的跟踪与教学效果评估问题,本文依据视频信息对学生行为进行建模,提出了一种评判学生听课专心程度的行为自动分析算法.该算法能够有效跟踪学生的学习状态,提取学生的行为特征参数,并对这些参数进行D-S融合判决,以获得学生的听课专注度.经过多次实验的结果表明,本文采用的方法能够有效评判学生在授课期间的专心程度,在数据融合上,与贝叶斯推理方法相比,采用D-S融合方法能有效提高实验结果的准确性和可靠性.     

一种面向无人驾驶汽车的高效交通标志识别方法

为解决智能交通系统中交通标志识别的实时性差和准确率低等缺陷,本文提出一套高效准确的交通标志识别方法.通过实验选择合适的待检测区域,对该区域图像进行预处理以适应不同环境,并分离出红、黄、蓝、黑四通道图像;提取各通道图像外层轮廓并进行筛选,对合格轮廓进行凸壳处理及再次筛选;根据凸壳轮廓的Hu不变矩、周长和面积等特征选择出圆形和方形轮廓,在高分辨率原图中选择轮廓内图像作为待识别区域;利用水平和垂直方向直方图特征,对每个所选区域进行横纵向直方图放缩匹配(HSTM),选择最优匹配作为最终识别结果.本系统主要应用于"中国智能车未来挑战赛"无人驾驶汽车平台,在实际测试中识别率达95%,识别速率达8 Hz~10 Hz.且在实际比赛过程中准确识别出指定交通标志,在实时性及准确率上相对现有方法有一定优势.