基于高斯背景模型的车辆检测改进算法

针对车辆检测中实时性、准确性以及自适应性很难兼顾的问题,提出了一种快速有效的车辆检测算法。该算法采用阈值判定背景区域和更新区域,根据背景变化的程度,利用动态权值更新学习率,使用基于单高斯背景模型方法,结合逻辑"或"运算检测出车辆。实验结果表明,该算法能够快速准确地检测出车辆,并且在背景更新过程中实现了自适应,并具有一定的鲁棒性。     

劈裂式灌浆机理及应用

1概述灌浆技术就是由灌浆机产生一定的压力,把配合好的浆液灌进土层或建筑物中的空隙、裂隙及孔穴,以达到防止渗水和固结作用。土坝(堤)坝体灌浆依其理论依据的不同可分为充填式灌浆和劈裂式灌浆。劈裂式灌浆是运用坝体坝应力分布规律,用一定的灌浆压力,将坝体沿坝轴线方向劈裂,同时灌注合适的泥浆,形成铅直连续的防渗泥墙,堵塞漏洞、裂缝或切断软弱层,以提高坝体的防渗能力,同时通过浆、坝互压和湿陷,使坝体内部应力重新分布,提高坝体变形稳定性。劈裂式灌浆     

基于高斯模型和卡尔曼预测的检测与跟踪

为同时保证运动目标检测与跟踪的稳定性与准确性,提出一种基于高斯模型和卡尔曼预测的检测与跟踪方法.在检测中,先采用分块拼接方式初始化背景,再利用动态权值完成高斯背景模型自适应更新,使得目标检测能够持续有效.在跟踪中,Kalman滤波器利用目标检测结果完成预测跟踪,并且对观测噪声矩阵进行自适应更新,使得跟踪的稳定性得到加强.实验结果表明,该算法能够良好地保证其有效性.     

位－力驱动的线驱连续型机器人的动力学建模及实验验证

提出了一种位－力混合驱动的线驱连续型机器人的动力学模型。首先,基于集中质量矩阵法进行机器人动力学建模,将机器人动能的连续积分等效离散为三点求和形式,可简化建模过程并提升仿真的计算效率。其次,分析了驱动力与驱动线几何约束的力学关系,将线驱动作用等效建模为电机的驱动参数与牵引线张力的线性方程组,不仅可以精确地满足牵引线对系统的约束条件,还可以在不使用拉力传感器的条件下得到线的驱动力,降低了机器人成本及控制难度,这种方法适用于任意数量牵引线的连续型机器人。最后,将线驱连续型机器人的仿真和实验结果进行对比,机器人末端点的轨迹最大误差为3.85%,验证了所提模型的有效性。     

基于稀疏学习的连续型机械臂自适应控制器

探讨空间连续型机械臂执行在轨操作任务过程中的自适应轨迹跟踪控制器设计问题.首先,对于具有显著非线性特征的连续型机械臂动力学模型,考虑运动过程中存在的建模误差和外部干扰因素,设计变结构动力学控制器;然后,基于深度强化学习(deep reinforcement learning, DRL)对变结构控制器参数进行在线调整,实时优化控制器性能;最后,提出一种针对强化学习网络稀疏训练方法,训练过程中采用具有随机稀疏拓扑结构的稀疏连接层代替神经网络的全连接层,并以一定概率对连接薄弱的网络进行迭代剪枝,使得DRL的策略网络由初始稀疏拓扑结构演化为无标度网络,在不降低训练精度的基础上压缩网络规模.仿真结果表明,所提出基于强化学习的自适应控制器能够有效地进行连续型机械臂的跟踪控制,通过稀疏学习的方法,控制器在保证控制精度的同时,双隐层网络节点参数量下降99%,大幅降低了计算成本.