改进Faster R-CNN对铝型材表面瑕疵的检测

针对铝型材表面瑕疵检测问题,为避免传统检测方法准确率低和检测速度慢等缺点,采用基于深度学习的检测方法,通过对Faster R-CNN模型的改进,提高了检测的准确率和速度。在特征提取网络中,将VGG16和Resnet50进行模型融合,从而提取到更多的特征信息。针对样本中瑕疵大小分布极不均匀的问题,通过对RPN网络中的锚框进行改进,利用K-Means聚类生成的5个聚类中心代替原始网络中的9个锚点框,使网络更适用于铝型材表面的瑕疵检测。实验表明:改进后的Faster R-CNN算法的检测平均准确度可达83.44%,比改进前算法高6.5%。说明改进后的算法在铝型材表面瑕疵的检测上更具优势,并为之后金属表面瑕疵检测提供了参考。     

基于改进 YOLOv4 算法的 PCB 缺陷检测研究

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。     

基于改进Faster R-CNN的绝缘轴承表面缺陷检测方法

喷涂陶瓷涂层的绝缘轴承外圈在经过磨削后,涂层表面会出现凹坑、夹杂和擦伤等缺陷,很可能成为涂层被轴电流击穿的安全隐患,目前此类缺陷大多采用人工目测,缺乏缺陷自动检测手段,现提出一种改进Faster R-CNN的绝缘轴承表面缺陷图像检测算法。首先,对绝缘轴承表面缺陷进行图像采集,并使用K-means++算法对缺陷数据集进行聚类,得到适用于此类缺陷的锚框;然后,用ROI Align替换ROI Pooling,避免ROI Pooling量化造成的定位误差;最后,在算法中加入在线难例挖掘策略以提高难检测样本的检测准确率。试验结果表明,改进Faster R-CNN网络对绝缘轴承表面缺陷的检测准确率达到91.2%,比Faster R-CNN网络提高了4.8%。     

基于改进Cascade Faster R-CNN的铝型材表面缺陷识别研究

在铝型材实际生产过程中,由于碰撞、加工温度、压力等原因,可能导致铝型材产生擦花、脏点、喷流等数种表面缺陷,缺陷目标较小,长宽大,传统目标检测算法的准确率较低,严重影响铝型材的美观和质量.在Faster R-CNN网络的基础上,引入了多阶段模型训练方法使部分无缺陷样本生成对抗样本,用ResNeXt105网络代替原始VGG16网络提取图像特征,设计了Cascade Faster R-CNN的网络结构,采用FPN提取多尺度特征图并进行特征图融合.实验结果表明,在2722张图像测试集上,Faster R-CNN模型准确率为62.7％,网络模型测试准确率达到81.4％,提高了18.7％.故相比于其他网络模型,改进后的Cascade Faster R-CNN的模型具有更强的特征提取能力和泛化能力,为类似小目标检测提高了技术参考.     

基于改进Mask R-CNN+LaneNet的车载图像车辆压线检测

针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题,以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题,提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法.在网络优化方面,在Mask R-CNN网络的基础上将RoI Align层的图像缩放算法(双线性插值)改进为双三次插值,将全连接层卷积...     

面向激光跟踪仪跟踪恢复的合作目标视觉检测

为了实现复杂场景下激光跟踪仪跟踪恢复过程中合作目标靶球的检测,本文研究了基于深度学习的靶球检测方法。首先,分析靶球自身特点、应用环境及它在跟踪恢复过程中的作用,然后根据Faster R-CNN模型原理与跟踪恢复应用需求提出基于超特征与浅层高分辨率特征信息复用的改进方法生成新的融合特征图,并优化区域建议提取参数,协同解决图像中目标多尺度变化与小尺寸导致目标漏检率高的问题;同时提出一种基于强背景干扰的困难样本挖掘方法提高模型对外形颜色等与目标近似的干扰物识别能力,解决模型误检测率高的问题。最后,本文构建了目标靶球数据集并进行了对比训练与测试。测试实验结果表明:本文提出的基于强背景干扰困难样本挖掘方法的改进Faster R-CNN模型在目标多尺度、小尺寸检测,以及对复杂背景中相似干扰物的辨别能力都有提升,最终对测试集的检测精度达到了90.11%,能够满足激光跟踪仪跟踪恢复过程对合作目标靶球的视觉检测精度要求。     

改进YOLOv5的镜头固定槽表面缺陷检测

针对手机镜头固定槽表面缺陷过小导致自动化质检平台难以检测的问题，提出改进YOLOv5的镜头固定槽表面缺陷检测算法实现。在图片预处理阶段使用有效的数据增强策略来平衡不同类别样本的分布；在FPN中添加融合因子控制特征图融合时深层传递到浅层的信息，得到含有更多小目标信息的多尺度特征图；使用K-means算法得到更适合本数据集的先验框数量和大小。通过采集的镜头固定槽表面缺陷数据集评估本算法的性能，并和基线算法YOLOv5进行对比分析。实验结果表明，改进的算法对小目标缺陷拥有更好的检测效果，并且对各类缺陷均能实现准确分类定位，平均精度均值（mAP）达到92.70%，满足智能制造自动化生产的需求。     

Tiny YOLOV3目标检测改进

针对Tiny YOLOV3目标检测算法在实时检测中对行人等小目标漏检率高的问题,对该算法的特征提取网络、预测网络、损失函数等进行研究改进。首先,在特征提取网络中增加2步长的卷积层,代替原网络中的最大池化层进行下采样;接着,使用深度可分离卷积构造反残差块替换传统卷积,降低模型尺寸和参数量,增加高维特征提取;然后,在原网络两尺度预测的基础上增加一尺度,形成三尺度预测;最后,对损失函数中的边界框位置误差项进行优化。实验结果表明,改进后的Tiny YOLOV3算法的目标检测准确率比原算法提高了9.8%,满足实时性要求,具有一定鲁棒性。本文方法能够更好地提取目标特征,多尺度预测和边界框位置误差的改进能更准确地对目标进行检测。     

基于深度学习的电器目标检测

针对传统目标检测算法无法自适应提取目标相应特征并完成识别的现象,提出一种基于快速区域卷积神经网络(Faster R-CNN)模型的电器识别方法,其优势在于可以自适应获取不同场景下目标的特征,避免由于人为设计目标的特征而带来的主观因素影响,具有良好的鲁棒性与准确性。FasterR-CNN中首先通过建立区域建议网络RPN(Region Proposal Network)代替Fast R-CNN中的Selective Search方法,得到建议位置后再进行检测。为了解决训练过程当中正负样本失衡问题,在Faster R-CNN中引入了难负样本挖掘策略,增强了模型的判别能力,提高检测的精度。     

一种基于改进R-CNN的细粒度船舶目标识别方法研究

利用人工智能技术对遥感卫星图像中海域船舶目标识别具有非常重要的现实意义.针对卫星图像中复杂情况对船舶识别带来的干扰,以及小目标船舶高漏检率问题,基于改进R-CNN提出一种细粒度深度学习模型,引入负样本增强学习策略,构建了一种海上船舶识别与分类的深度学习网络.结合试验,与现有成熟的目标识别算法相比,此算法的精确度和召回率都有提高,并且模型具有良好的鲁棒性和适应性.     

BRAIN INJURY BIOMECHANICS IN REAL WORLD VEHICLE ACCIDENT USING MATHEMATICAL MODELS

This paper aims at investigating brain injury mechanisms and predicting head injuries in real world accidents. For this purpose, a 3D human head finite element model （HBM-head） was developed based on head-brain anatomy. The HBM head model was validated with two experimental tests. Then the head finite element（FE） model and a multi-body system （MBS） model were used to carry out reconstructions of real world vehicle-pedestrian accidents and brain injuries. The MBS models were used for calculating the head impact conditions in vehicle impacts. The HBM-head model was used for calculating the injury related physical parameters, such as intracranial pressure, stress, and strain. The calculated intracranial pressure and strain distribution were correlated with the injury outcomes observed from accidents. It is shown that this model can predict the intracranial biomechanical response and calculate the injury related physical parameters. The head FE model has good biofidelity and will be a valuable tool for the study of injury mechanisms and the tolerance level of the brain.     

自行车座椅高度对事故中骑车人动力学响应的影响

通过PC-Crash软件建立自行车、骑车人和汽车模型,并进行事故仿真试验。引入自行车的座高参数对骑车人损伤进行研究,可以进一步深入的分析骑车人损伤情况。通过分析典型碰撞事故中自行车座椅高度参数对骑车人头部和下肢损伤的影响,同时建立了相应的数学模型,并通过真实事故案例验证了模型的可靠性。仿真试验的结果表明,当汽车车头中部与自行车发生碰撞,且座高较低时,骑车人头部碰撞位置主要集中在引擎盖中上部;随着座椅高度的增加,头部碰撞位置逐渐上移到靠近挡风玻璃上边框的位置;受车型影响,自行车座椅高度参数对骑车人造成的影响具有不同特点;在各个碰撞角度下,不同自行车座高所对应的骑车人动力学响应有所差异;骑车人头部损伤风险和下肢骨折风险与自行车座高具有相关性。     

湿式离合器流场与作用力模型试验研究

轴向和周向作用力影响湿式离合器宽速域范围工作性能。针对湿式离合器对偶片间带排转矩与轴向力演变问题,根据湿式离合器简化结构,开发湿式离合器模型流场可视化与受力测试试验装置。通过试验测试分析流场演变过程,得到对偶片间带排转矩与轴向力参数影响规律。结果表明,流场包括全液相流和气液分层流两种基本流型,在纯液相和纯气相区之间可形成一个稳定的边界。随着转速的增大、流量的减小和间隙的增加,对偶片间流场中的油液体积分数减小,两相边界向内侧移动。流量和间隙对带排转矩的拐点有显著影响,减小流量和增大间隙都可降低拐点对应的转速。随着转速增大、流量减小和间隙增加,对偶片间轴向力呈现下降趋势。在带排转矩拐点附近,轴向力的作用方向发生改变,且最终轴向力几乎减小到零。     

均分区域法标记试验区域的行人保护试验研究

现阶段我国仍属于人、车混合的交通状况,车辆碰撞事故频繁发生.在车辆与行人碰撞事故中,行人属于弱势群体,加上现阶段车辆缺乏对行人保护的措施,行人伤亡严重.在汽车行人碰撞事故中,行人头部受重伤是造成行人死亡的主要因素;行人腿部受伤是造成行人受重伤的主要因素.基于两款车辆以均分区域法标记试验区域的行人保护头型碰撞测试数据,对...     

基于Simulink/Stateflow的汽车防抱死制动系统建模与仿真

本文以四分之一车辆为研究对象,首先建立车辆数学模型、制动器模型、液压系统模型。然后利用Simulink/State-flow建立以滑移率和角加减速度为逻辑控制参量,在高附着系数和低附着系数路面的ABS控制器模型。给定初始条件,在一定的门限值下对ABS模型进行仿真。通过仿真来预选门限值,并为研究基于逻辑门限值的整车控制算法提供理论基础。     

动车组头车车体疲劳强度分析

以某350km/h动车组头车车体为研究对象,在ANSYS中建立车体有限元模型,依据EN12663标准对其进行刚度和静强度分析,得到车体垂向最大变形为539mm,最大当量应力为2802MPa,最大当量应力出现在空气弹簧约束处,小于材料的屈服极限,满足车体刚度和静强度要求;根据动车组实际线路运行情况,增加明线会车、隧道会车、隧道通过和侧风工况4种气动载荷工况进行静强度分析,4种工况车体的静强度均小于车体材料的屈服极限;采用Goodman疲劳曲线图对车体疲劳强度进行评估,各部位安全系数均大于1,满足疲劳强度的要求。     

Multi-objective stability control algorithm of heavy tractor semi-trailer based on differential braking

Rollover and jack-knifing of tractor semi-trailer are serious threats for vehicle safety,and accordingly active safety technologies have been widely used to reduce or prevent the occurrence of such accidents.However,currently tractor semi-trailer stability control is generally only a single hazardous condition (rollover or jack-knifing) control,it is difficult to ensure the vehicle comprehensive stability of various dangerous conditions.The main objective of this study is to introduce a multi-objective stability control algorithm which can improve the vehicle stability of a tractor semi-trailer by using differential braking.A vehicle controller is designed to minimize the likelihood of rollover and jack-knifing.First a linear vehicle model of tractor semi-trailer is constructed.Then an optimal yaw control for tractor using differential braking is applied to minimize the yaw rate and lateral acceleration deviation of tractor,as well as the hitch articulation angle of tractor semi-trailer,so as to improve the vehicle stability.Second a braking scheme and variable structure control with sliding mode control are introduced in order to achieve the best braking effect.Last Fishhook maneuver is introduced to the active safety simulation and the active control system effect verification.The simulation results show that multi-objective stability control algorithm of semi-trailer could improve the vehicle stability significantly during the transient maneuvers.The proposed multi-objective stability control algorithm is effective to prevent the vehicle rollover and jackknifing.     

基于ABS的车辆弯道稳定性控制仿真研究

车辆在低附着弯道路面上制动是一种非常危险的工况.本文从车辆在低附着弯道路面上制动整车受力的角度出发,分析了车辆弯道制动时ABS控制的不足,提出了车辆ABS与横摆力矩控制协调控制的制动力控制策略.利用模糊控制原理设计了横摆力矩控制器,在制动车辆ABS的基础上,通过对车辆的横摆力矩控制和车轮滑移率的调节,实现了制动过程中对附加横摆力矩的动态调整,从而可以在不增加硬件成本的条件下实现车辆在低附着弯道路面上制动的稳定控制.最后进行仿真试验验证了该控制方法的有效性.     

汽车自适应巡航系统的多模式切换控制

在复杂交通环境下,由于前车运动状态和驾驶意图的不可预知性,使得传统的自适应巡航控制(Adaptive cruise system,ACC)的应用受到限制,因此提出一种多模式自适应巡航控制策略。在现有上、下位控制器的基础上增加模式切换层,通过将车辆纵向运动状态划分为八种工况,使得系统根据实际工况条件选择最优的控制模式,并采用加速度加权平均算法提高模式切换的准确性和输出连续性。分别设计定速巡航、稳态跟随、接近前车、强加速、强减速和避撞六种控制模式。基于每种模式侧重的控制目标,设计相应的上位控制器并对其控制参数进行整定,从而改善了系统整体的控制品质。最后通过实车试验验证了多模式切换算法的有效性和实用性。     

Design and Analysis of Electro-mechanical Hybrid Anti-lock Braking System for Hybrid Electric Vehicle Utilizing Motor Regenerative Braking

Braking on low adhesion-coefficient roads, hybrid electric vehicle's motor regenerative torque is switched off to safeguard the normal anti-lock braking system (ABS) function. When the ABS control is terminated, the motor regenerative braking is readmitted.Aiming at avoiding permanent cycles from hydraulic anti-lock braking to motor regenerative braking, a novel electro-mechanical hybrid anti-lock braking system using fuzzy logic is designed. Different from the traditional single control structure, this system has a two-layered hierarchical structure. The first layer is responsible for harmonious adjustment or interaction between regenerative system and anti-lock braking system. The second layer is responsible for braking torque distribution and adjustment. The closed-loop simulation model is built. Control strategy and method for coordination between regenerative and anti-lock braking are developed. Simulation braking on low adhesion-coefficient roads with fuzzy logic control and real vehicle braking field test are presented. The results from simulating analysis and experiment show braking performance of the vehicle is perfect, harmonious coordination between regenerative and anti-lock braking function, significant amount of braking energy can be recovered and the proposed control strategy and method are effective.