基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

激素干预下一次运动微损伤低功率激光修复系统

为加快运动微损伤的结痂速度，促进运动微损伤治疗恢复和自愈效果，提出激素干预下一次运动微损伤低功率激光修复系统。通过分析低功率激光在运动医学方面的作用，以CMOS相机、传感器、光源等作为修复系统的硬件，通过驱动脉冲干扰传输，得到图像输出信号，使用不同照明方法滤波图像信息，以用户界面、损伤检测模块、激光模块、主控模块、视觉模块与配置模块构成系统软件部分，依靠该系统抑制胶原纤维的超量生成，抑制活性氧产生，缩减脂质过氧化破损，加快肌肉再生，进而完成对运动微损伤的修复。试验结果表明，激素干扰下低功率激光修复系统能够有效修复不同程度上的运动微损伤，使受损伤区域结痂的速度更快。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。     

超高加速度宏微运动平台连接臂的疲劳分析及优化设计

提高连接臂的疲劳寿命对于宏微运动平台超高加速度和超精密定位的实现起着非常重要的作用。文中针对超高加速度宏微运动平台关键部件连接臂展开研究：采用SolidWorks软件搭建连接臂模型，通过有限元分析软件ANSYS Workbench对连接臂进行静力分析、疲劳分析。为了提高连接臂疲劳寿命，以满足连接臂的工作要求为约束条件，以连接臂的质量最小、寿命最高为优化目标进行拓扑优化研究。基于拓扑优化结果，对模型进行优化，所获得的优化后的连接臂模型与优化前模型进行对比，结果表明优化后的连接臂在质量减少的同时大幅提高了寿命，这为超高加速度宏微运动平台实现超精密定位提供了理论支持。     

运动曲线在手机App动效中的应用

手机App设计中,交互动效的使用越来越广泛。在动效设计中需要同时兼顾产品层级表达和用户体验需求,考虑用户感受与操作反馈。运动曲线的使用有助于UI设计师正确地完成动效设计。本文对App动效的重要元素即运动曲线进行了分析,并详细介绍了标准运动曲线在实现缓入缓出中的作用,最后给出了AE(AdobeAfterEffects)运动曲线的设计方法。     

形状记忆合金驱动的连续跳跃柔性机器人

针对在复杂、狭窄的非结构化地形下跳跃机器人存在的着陆稳定性和运动连续性的问题,提出了一种形状记忆合金(shape memory alloy,简称SMA)智能材料驱动的柔性跳跃机器人,它具有轻质小型、结构简单及连续运动的优点。利用对称的折纸柔性身体减少着陆振动,保证着陆稳定;利用对称的双SMA弹簧拮抗系统实现弹性元件交替变形和储能释能的功能;建立了柔性机器人跳跃运动的理论模型,研究了关键结构尺寸对能量储存和跳跃性能的影响机制,并研制了一款尺寸为6 cm×4 cm×2.5 cm、质量为3.8 g的原理样机。实验结果表明:柔性机器人依靠SMA驱动能够实现跳跃触发和形态恢复,最大跳跃高度和远度分别为8.67 cm和18 cm,并且可以适应不同工作面。该机器人跳跃性能优越,控制顺序简单,可为非结构化地形下完成侦察探测工作奠定基础。     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.