基于阻抗特性的电动汽车无线充电系统异物检测方法

针对无线充电系统中金属及生物体异物的检测问题,本文围绕线圈阻抗的变化特性进行分析,利用在高频下金属物体对线圈磁场分布的影响以及生物体对线圈杂散参数的影响,提出了一种基于阻抗特性的异物检测方法。本文详细分析了不同类型异物引起的检测线圈阻抗变化特性,并通过大量实验数据进行了验证,在此基础上总结了不同类型和尺寸的异物对应的线圈阻抗变化规律。本文所提的异物检测方法能够区分异物的类型和尺寸,使无线充电系统能够采取更优化的处理异物的措施,具有成本低、效果好、稳定可靠等优点。     

融合SimAM注意力机制的实时多目标跟踪算法

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习，极大提升了跟踪速度，但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题，本文提出了SAM JDE，该模型融合了SimAM注意力机制、多尺度融合等思想，通过增强特征提取能力提高目标跟踪的准确性。使用CIoU_Loss作为回归损失函数，通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息，匈牙利匹配算法完成时序维度上的目标关联。在MOT16 test数据集上进行测试，MOTA达到664%，跟踪速度为206 FPS，在保证实时性的基础上跟踪准确度较JDE算法提升23%，较好地优化了准确度与速度的平衡问题。     

一种用于电力监控的行人运动检测与跟踪算法

在传统的行人检测跟踪算法中,主要采用HOG+SVM对视频中的行人直接进行检测,针对传统算法在复杂背景及多行人条件下,行人检测效果较差,且实时性低等缺点,提出一种融合目标运动检测与目标跟踪的行人检测算法。首先采用Vibe算法提取视频中的运动目标,并通过对Vibe算法的改进消除初始帧存在的阴影问题。针对视频中的运动目标采用Adaboost算法对运动目标区域进行行人检测,减小视频中背景的干扰,加快检测速度。最后采用卡尔曼滤波算法和匈牙利最优匹配算法对视频监控中的行人进行跟踪。仿真实验结果显示,该算法能够对电力监控视频中存在的行人进行检测跟踪。     

检测线圈不完全补偿电动汽车无线充电系统无盲区金属异物检测技术

针对目前电动汽车无线充电系统金属异物检测技术存在检测盲区、检测灵敏度较低等不足,提出一种检测线圈不完全补偿电动汽车无线充电系统无盲区金属异物检测方法。在电动汽车无线充电系统的发射线圈上方设计A₁—A₁₆、B₁—B₁₆和C₁—C₄两种检测线圈组,A_n、B_n按照中心对称原则组成16个全区异物检测线圈组,C₁—C₄组成2个盲区异物检测线圈组,通过判别检测线圈组的差分异物检测电路输出电压大小来确定金属异物是否存在。论文首先分析电动汽车无线充电系统无盲区金属异物检测线圈的结构和原理;接着,通过优化检测线圈的不完全补偿电路参数来提高检测灵敏度;然后,采用同相放大、带通滤波和差分放大等有源电路来提升检测系统的准确性;最后,搭建电动汽车无线充电平台,对所提检测线圈不完全补偿电动汽车无线充电系统无盲区金属异物检测方法进行实验验证,结果表明,通过选取合理的电压阈值,位于发射线圈上部区域的硬...     

目标跟踪在坦克防撞中的研究与应用

考虑到毫米波雷达在噪声源较多的战场上存在较大的测量误差,为了提高毫米波雷达在坦克防撞系统中采集数据的可靠性,提出了用交互式多模型卡尔曼滤波算法对坦克前方机动车辆进行准确的目标跟踪。该算法运用不同机动模型的卡尔曼滤波器进行并行处理,以模型匹配似然函数为基础更新模型概率,并组合所有滤波器的修正后的状态估计值以得到状态估计。仿真结果表明,该算法能够有效的跟踪坦克前方行驶的车辆,获悉其距离、速度等信息,具有跟踪精度高的特点,降低了虚警率。     

含金属异物的无线充电系统场域等效建模分析

无线充电系统中,电能传输遵循发射线圈和接收线圈之间的磁耦合关系。当发射线圈和接收线圈之间存在金属异物时,异物的涡流或聚磁效应将会影响无线充电系统的传输性能与运行稳定性,严重时还会危害充电安全。为了厘清不同材质金属异物对无线充电系统性能的影响机理,有效分析异物的影响规律,迫切需要一种精确的金属异物建模方法,提高金属异物的检测精度。为此,文中计及金属的材质、位置、等效面积等关键因素,提出一种金属异物场域等效建模方法,通过构造金属异物影响下的无线充电系统耦合方程,对比得到异物引入前后发射线圈电流和接收线圈电流间的相位差表达式。在此基础上,进一步提出了铁磁性金属与非铁磁性金属的等效线圈模型及其参数配置方法,可精确得到金属异物介入条件下的电流相位差值。最终通过仿真与实验验证了建模方法的准确性与有效性,为无线充电系统中引入金属异物的特性分析与在线检测提供了一种新思路。     

结合高光谱和机器学习的无线充电金属异物检测

金属异物侵入会造成无线充电系统效率和稳定性降低,并且可能引发安全事故,因此必须进行金属异物检测。 针对现 有技术存在检测盲区以及无法检测微小异物的问题,提出一种深度学习目标分割与机器学习目标分类相结合的金属异物检测 方法。 首先采用 YOLO v3 网络对充电区域 RGB 图像进行异物目标分割,然后通过支持向量机对各个目标区域对应的高光谱图 像进行分类,最后搭建实验平台验证方法的有效性。 结果表明,该方法不仅能够检测螺母和回形针等微小金属异物,而且具有 检测包裹金属异物的潜能;与仅采用支持向量机进行逐像素检测相比,该方法的检测速度提升了约 38. 9%。     

一种基于IMMPDA-UKF的机动目标跟踪算法

为了实现对在航捷点附近做机动运动目标的精确跟踪,提出采用不敏卡尔曼滤波（UKF）作为底层的滤波算法,解算出方位和俯仰的角度变化率,通过角度变化率解算出目标的切向速度,在过航捷时建立新的跟踪模型,将切向速度扩充到观测方程中,并结合交互多模型概率数据关联算法（IMMPDA）实现对过航捷机动目标的跟踪。仿真结果表明,该算法跟踪精度高,在航捷点附近无论是转弯机动还是加速运动,都可以保持对目标的持续跟踪,稳定性较高,可以直接应用于工程实践。     

基于阻抗检测的多路自动调谐式无线充电金属检测系统

针对大功率磁感应式无线充电系统所产生的高频高强度电磁场能快速加热置于其中的金属异物以致发生危险的情况,提出一种金属检测系统,能快速准确地检测金属异物有无且不受功率磁场的干扰。首先,通过分析金属异物对线圈阻抗特性的影响,提出一种基于检测线圈阻抗变化的金属检测方法。提出并联谐振电路,将检测线圈阻抗变化放大映射到谐振电路输出电压变化,并通过理论计算获得检测电路的最优激励频率。接着,提出与无线充电线圈磁解耦的双极性检测线圈,能消除功率磁场的磁耦合干扰,同时其阻抗能较好反映金属介入情况。然后,提出多路自动调谐的控制方法,提高检测准确性和反应速度。最后,通过实验验证系统功能,结果表明该系统可检测到金属硬币的介入。     

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。     

提升无线充电异物检测系统灵敏度的高阶复合谐振拓扑

针对无线充电系统中金属异物的检测需要,提出一种提升异物检测系统检测灵敏度的高阶复合谐振拓扑,解决了传统检测线圈边缘区域检测灵敏度低及存在检测盲区等问题。首先建立金属异物与检测线圈的互感耦合模型,阐释谐振拓扑对检测线圈阻抗变化的放大作用;其次在合理设计参数下分析复合谐振拓扑对检测灵敏度提升的可行性;然后根据谐振拓扑对线圈阻抗变化的放大特性设计一种高阶复合谐振拓扑,并对该拓扑结构中各器件参数进行优化;最后对所提出的高阶复合谐振拓扑的检测灵敏度及其具体实现电路进行实验验证。实验结果表明,针对检测线圈边角位置处的金属异物和曲别针等小尺寸异物,系统检测灵敏度可达62.31%和119.23%。在金属异物对检测线圈阻抗影响的微小变化下,所提出的高阶复合谐振拓扑具有足够高的检测灵敏度并可以完全消除检测盲区。     

基于空间碎片背景下的数据关联算法研究

空间碎片是人类遗留在空间的废弃物.雷达发现空间碎片目标后,能够对目标进行正确的关联和跟踪,获取空间碎片的监测信息,是进行空间碎片目标编目管理的基础.结合空间碎片的分布特性及运动特性,在联合概率数据关联(JPDA)算法的基础上提出了一种适合低轨空间背景的多目标数据关联改进算法.该算法从减小可行联合事件的角度出发,有效地提高了跟踪准确度,减少了算法的计算量.理论分析以及蒙特卡洛仿真实验表明,尤其是在目标数量较多的情况下,该算法具有一定的工程应用价值.     

基于ELMAN神经网络的同步电机动态参数在线辨识

为提高同步电机参数在线辨识的速度和可靠性，减少辨识计算量，提出了一种基于神经网络的电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性，在多层前向BP网络中引入特殊关联层，形成有“记忆”能力的Elman神经网络，因而可以映射系统的非线性和动态特性。在网络训练算法中，提出一种自适应修正步长和矩量因子的算法，显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明，这种Elman神经网络模型能够实现同步电机动态参数的在线跟踪辨识。     

卡尔曼滤波在目标跟踪中的应用

在近代控制中，需要对某一特定的运动目标进行跟踪监测，并需要对其下一时间的运动位置、运动方向、速度等信息进行预先估算，才能达到对目标的即时控制。本文简要讨论了用卡尔曼滤波算法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。     

基于SR-CKF的移动机器人动态目标跟踪算法

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。     

一种视频序列图像运动目标区域检测方法

运动目标区域检测是实现目标跟踪、交通监控、行为分析等任务的基础.但由于运动目标的提取易受到背景、光线变化、阴影、运动速度等因素的影响而造成失败,所以如何更好的实现运动目标区域榆测具有相当重要的意义.通过综合运用图像预处理、边缘检测、数学形态学、区域标号算法、目标区域几何形状因子、Douglas-peucker直线简化算法及Hough变换直线检测实现了一种视频序列目标区域的检测,给出了实际图像测量系统中的应用实例,实际应用结果表明了本文方法的正确性和有效性.     

基于二阶段的完全分布式迭代目标跟踪算法

为了实现对无线传感器网络中移动目标的分布式跟踪,提出了一种基于二阶段的完全分布式迭代目标跟踪算法。算法的每次迭代都由2个阶段构成,即估计阶段和达成一致性阶段。在估计阶段、网络节点或者通过它的测量值来估计出目标的位置,并通过卡尔曼滤波来改进这个测量值,或者根据嵌入的卡尔曼滤波线性运动模型对目标运动进行预测;在达成一致性阶段,通过执行一种最大一致性策略,使得由单个节点单独完成的估计值收敛到一个共同的关于目标位置的最佳值。仿真结果表明,分布式迭代跟踪算法尽管只有一小部分代理可以在每个时刻感知到目标,但能够很好地预测目标的运动轨迹,并有效地提高跟踪精度。     

基于多传感器零速修正的行人导航系统研究

针对行人导航定位系统中惯性导航解算误差累积问题,提出基于多传感器零速修正的行人三维导航定位方法。根据行人足部运动特征,采用支持向量机决策方法对行人运动和静止阶段进行检测分类。在静止阶段,根据多传感器测量数据对导航解算速度、角速度、方向和高度进行误差修正,采用卡尔曼滤波递推方法进行数据融合和滤波估计,实现对方向、位置和速度的跟踪。行人行走实验表明,设计的行人导航定位系统能够有效地跟踪行人行走轨迹,水平方向各楼层平均误差为1. 82%,高度方向平均误差为2. 53%。     

基于遗传算法的机器人动态视觉检测系统

建立了一种基于二自由度机器人视觉伺服系统,该系统通过实时监控和跟踪运动目标,实现对运动目标的相对距离和瞬时速度的动态检测。本系统为双目视觉系统,采用遗传算法进行特征点匹配,利用其随机搜索的特点,更快更好地找到全局最优值,从而得到较高匹配精度的点。最后通过三维重建和建立速度模型,实现了对机器人动平台运动参数的动态检测,并给出测量精度及改进方法。此方法还适用于多自由度并联机器人和空间复杂运动的检测。     

基于自适应强跟踪滤波器的汽车行驶状态软测量

针对汽车底盘控制系统中一些关键汽车行驶状态难以准确直接测量以及测量成本较高的问题,在自适应卡尔曼滤波算法和强跟踪滤波算法的基础上,提出基于自适应强跟踪滤波器的汽车行驶状态估计方法.结合纵向、侧向和横摆3自由度非线性汽车模型,将其应用于汽车行驶状态的软测量之中,并与扩展卡尔曼滤波算法进行比较分析.通过Carsim和Matlab/SIMULINK联合仿真的双移线试验的结果表明,在非线性区域内,自适应强跟踪滤波器能快速、准确跟踪汽车状态.该算法在估计精确度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.