对稀疏点云规则化处理的分类卷积神经网络

深度学习作为点云分类的重要方法之一，通常会因为点云的稀疏性、无序性、有限性等特点，导致卷积算子不能充分提取局部空间相关性，直接使用卷积提取点的相关特征将导致特征信息的丢失。为此提出一种经过X变换后的点云分类卷积神经网络：XTNet(convolutional neural network based on X-transform)。XTNet对输入的原始点云数据进行X变换，将它们置换成潜在的规范顺序，抑制点云无序性、稀疏性对卷积操作的影响，避免卷积操作过程中的信息丢失；使用K近邻算法构建局部区域后，使用卷积层提取局部信息；在提取局部特征的同时通过通道扩充增加信息传递、丰富特征；在各局部特征提取模块间设置跳跃连接，进一步减少局部信息的丢失。在标准公开数据集ModelNet40和真实数据集ScanObjectNN中进行了实验。实验结果表明，与目前主流的多个高性能网络相比，XTNet分类准确率提高了0.3～4个百分点，并且拥有良好的鲁棒性和普适性。     

基于IIR结构的自适应滤波振动主动控制方法

当前自适应滤波前馈控制方法中具有代表性的是滤波-X最小均方(filtered-X least mean square,简称FX-LMS)算法,它通常假定干扰源可测且作为前馈控制器的参考输入,但实际振动控制过程中需要考虑控制输出反馈信号对参考信号的影响,因此滤波-X算法面向实际应用具有较大的局限性。针对这一问题,以机敏压电太阳能帆板结构为模拟试验对象,提出一种基于IIR(infinite impulse response,简称IIR)结构的滤波-U最小均方(filtered-U least mean square,简称FULMS)自适应滤波控制方法,着重分析了控制器结构设计、FULMS算法推理过程、试验模型结构设计、试验平台的构建及其试验验证等环节。经过与FXLMS算法对比仿真试验,笔者所设计的控制算法控制效果良好。将其进行试验验证分析,结果表明,所采用的控制器设计方法与控制算法收敛速度快,控制效果好,为自适应振动控制方法向实际工程应用提供了较好的研究基础。     

基于混合蛙跳算法优化人工势场的路径规划方法研究

针对传统人工势场在路径规划时易陷入局部极小、目标不可达和狭窄通道左右摆动的问题,提出了一种改进人工势场算法。该改进算法将目标距离引入斥力函数解决目标不可达问题:将斥力分解为由障碍指向机器人的分量和垂直于机器人与障碍连线的分量,分别用于阻止机器人接近障碍和引导机器人离开障碍。针对蛙跳算法迭代速度慢的问题,提出了改进混合蛙跳算法来提高蛙跳算法的进化速度和精度,并用于优化人工势场的参数以提高路径规划性能。仿真试验验证了所提出算法的有效性。     

机器人仿生双眼的运动控制系统建模与仿真

首先分析人眼眼球的运动的特点和形式,然后,根据控制眼球运动的神经回路,建立了可实现人眼功能的机器人仿生双眼的数学模型.在生理学实验相同的条件下对该模型进行了仿真实验.仿真结果与生理学实验结果对比表明,该模型可实现平滑追踪、前庭动眼反射、视动反射、异向运动及复合运动.     

走径相同的送电线路档中风偏放电故障分析

通过一起山区不同电压等级平行线路风偏放电的分析,提出今后选线、测量及定位施工中应考虑的因素,供山区送电线路设计、施工及运行人员参考。     

一种混合驱动柔索并联仿生眼的轨迹规划

在与眼球运动相关的解剖学和运动学的基础上,设计了一种符合Listing定理的基于混合驱动柔索并联机构的3自由度机器人仿生眼.通过矢量封闭方法建立了逆运动学模型,求解出柔索并联机器人的雅可比矩阵和结构矩阵.利用达朗贝尔定理建立柔索并联机器人的力矩平衡方程组,采用广义逆矩阵的相关理论,以柔索张力矢量的2范数最小为目标进行张力优化.用蒙特卡洛方法计算出仿生眼球可达工作空间.最后,在Simulink环境下进行仿真,规划运动轨迹并得到柔索并联机器人运动特性的仿真结果,证明了本文设计的机构符合Listing定理.结果表明:基于混合驱动柔索并联机构的机器人仿生眼结构合理,数学模型正确.     

双眼运动控制生理神经回路功能图谱的创建

机器人视觉系统在较恶劣的实际环境中应用时,往往不能平滑稳定地跟踪目标,会出现跟踪视频图像的跳动、跟踪目标的丢失以及图像模糊等。面对存在的问题,视觉专家从图像处理和运动控制的角度对这些视觉技术进行了研究,一定程度上解决了视觉中的基本问题,但专家们尚无本质上的解决方法。文中试图从人眼的生理学解剖学研究角度,通过对运动神经回路的分析,建立双眼球运动控制的生理神经回路及其各个神经环节的功能图谱,为演化出仿生机器人双目运动控制模型提供生理学基础,从而从本质上解决上述问题。     

单相线路电能质量治理装置间的协同控制技术

低压配电系统中,同一台区供电范围内往往有多台不同的电能质量治理装置,但是不同的装置都是各自独立运行,不能进行协调控制,各自按照设备内置的自动控制策略进行动作,从全局来看,不能很好地起到改善台区电能质量的目标。针对这种情况,该文对电能质量治理装置间的协同控制策略进行研究,设计电能质量治理装置间的协同控制模块,使台区内各电能质量治理装置间能相互通信,优化动作秩序,在治理低压台区电能质量问题上相互协同控制,解决同一台区下各单相终端装置的协调动作难题,避免动作振荡,从而在总体上改善台区的电能质量。     

基于语义分割的分拣系统目标检测与定位

自动化技术随着社会的进步和消费能力的提升迅猛发展,满足了电子商务日益增长的需求并提供了更快、更便宜的服务,然而目前仍有一些任务难以实现自动化,特别是涉及到物理交互的任务。目标检测与定位是机器人技术中的重要内容,同时是计算机视觉的重要研究方向,本文针对分拣系统的实时目标检测与定位问题,结合神经网络理论和注意力机制,以RGBD信息传感器为数据采集源,提出基于语义分割的目标检测与定位方法,探索在半结构化环境下实现简单物品分拣任务的目标检测与定位。实验结果表明,本文提出的方法可以实现非结构化场景下的实时目标检测与定位,易于理解和使用并解决了实时性问题和特征设计问题,更多的实现自主化。