大尺度空间测量技术在起重机械检验中的应用

起重机械的尺寸测量存在着诸多问题。本文对经纬仪测量技术、全站仪测量技术、近景数字摄影视觉测量技术、室内GPS测量技术以及激光跟踪测量技术等5种工业应用比较成熟的大尺度测量技术进行分析研究。结果表明,经纬仪测量技术应用最广泛,但是存在诸多缺点;全站仪测量技术得到了一些应用,但价格比较高,应用不是很普遍。近景数字摄影视觉测量技术得到了研究机构的研究,但还没有应用到实际检验中;室内GPS测量技术和激光跟踪测量技术有比较好的应用前景,但还没有得到起重机械领域的技术人员关注。     

无人驾驶车辆的运动控制发展现状综述

回顾无人驾驶车辆的运动控制问题。从系统模型、控制方法以及控制结构等角度切入,分别在纵向运动控制、路径跟踪控制和轨迹跟踪控制三个层面对国内外的研究进展进行综述,并提出对无人驾驶车辆运动控制技术的发展展望。当前运动控制研究多集中于常规工况,为实现无人驾驶车辆在处理人类驾驶员认为具有挑战性或缺乏操纵能力的复杂动态场景下的潜力,运动控制研究须从常规工况向极限工况拓展,但是极限工况下车辆的非线性和多维运动耦合特征显著增强,对系统建模以及算法的自适应性和鲁棒性的要求进一步提高。同时,为应对复杂场景下的多目标协调优化问题,考虑环境不确定性的运动规划与控制集成设计需要深入研究。增加执行器手段可以提升极限工况下车辆的侧向响应速度和控制裕度,但是冗余异构执行器的控制分配研究仍有待突破。运动控制的实现依赖于路面附着系数、质心侧偏角等信息输入,因此基于多源传感信息融合的关键状态与参数估计问题亟需解决。此外,将机器学习应用到车辆运动控制领域也是一个重要的发展方向。     

路感模拟用永磁同步电机电流控制

为获取良好的路感模拟执行器响应性能,从提高路感模拟用永磁同步电机的动态电流响应速度和降低稳态时的电流波动角度出发,针对数字电机控制固有延时问题和逆变器输出饱和问题应用三步非线性方法设计了一种电流控制(TSPCC)算法。三步非线性方法具有对参数不过分敏感和易于离散系统工程实现的优点,将逆变器的输出饱和转化成基于模型的动态饱和限制引入到动态前馈控制和误差反馈控制中以获得最优的电流响应速度,用下一拍电流预测值代替当前传感器采集值以降低由于延时引起的电流超调和波动。仿真和试验结果表明:该算法可显著提高电流响应速度和降低稳态时的电流波动,适合用于实现平滑的手感和实时的路感。     

智能跟踪算法在采砂监管中的应用研究

受利益的驱动,长江流域非法采砂行为屡禁不止,给采砂有效监管造成很大的困扰。采砂监管水平的提高需要高效准确的跟踪识别技术作支撑。提出了一种基于相关滤波器的可变跟踪框智能算法。该算法可以准确快速地跟踪江河湖面上的非法采砂船,计算量少,鲁棒性高,对硬件的要求并不严苛,可以自由应用于从低性能到高性能的各种设备。基于该算法开发了非法采砂船追踪器,再配合百度深度学习平台Easy DL后,可构成一套采砂船监控系统,能够实现对长江水域非法采砂船24 h的有效监控,从而大大提高监控非法采砂行为的效率。     

面向多源数据融合的稀疏表示目标跟踪

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。