VR仿真平台在自动化仓储系统中的设计与实现

针对自动化仓储系统的构建及运行特点,设计一种基于虚拟现实(VR)技术的仿真平台。阐述该平台的设计思想和实现手段,根据仓库运行方式的离散化,研究立体仓库堆垛机的路径优化方法,完成对算法的仿真分析。以一个仿真实例展现系统仿真平台的沉浸感、交互性和构想力,验证了其可行性。     

基于TRIZ理论的遥控器设计符号分析

本文重点对遥控器的外观形态进行深入分析。利用TRIZ创新设计理论及矛盾冲突原理,总结遥控器使用中的不便及误操作等问题,根据TRIZ理论中的部分创新原理进行全新的创新及人性化设计。     

域名炒家日记：一个“米农”的一天

凌晨两点,小鹏挣扎着地从床上爬了下来,眯着眼摸到了电脑跟前。他一边将待机中的电脑激活,一边用左手做了一个加油的手势,期盼着今晚有个好收成。     

基于DSP+FPGA的GPS接收机平台设计

研究了基于DSP和FPGA技术的GPS接收机设计,以TI公司的TMS320VC5510和XINLINX公司的XC2V3000为例,给出了具体的设计方法和设计电路:采用CCS自带的DSP/BIOS软件实现了系统的嵌入式设计,给出并划分了各个任务的功能;利用本设计完成的样机给出了实际GPS卫星信号捕获和跟踪的结果.这种设计方法也同样适用于其他卫星系统的接收机设计.     

多Agent系统的研究

自agent术语引起国内学者重视以来,人们一直试图寻找一个贴切的汉语名词,“代理人”“智能体洲结点”等概念应运而生。但这些概念都不能令人满意,因为无论是“智能体”、“代理人”,还是“结点”,都仅部分地反映了agent的特征,而未完全地反映其本质属性,故本文仍使用agent的英文形式。     

基于深度学习与SVM的吸毒成瘾者识别

提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络Res Net50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类。随机梯度下降的优化目标采用了交叉熵损失。实验表明,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。     

基于小波包分解和宽度学习的轴承故障检测

针对真实环境中复杂变工况情况下轴承故障检测问题,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）和优化宽度学习系统（Broad Learning System,BLS）的轴承故障检测方法（简称WBLS）。首先,小波包分解非平稳时变轴承信号,提取尺度系数和小波系数作为二维的时频特征;其次,将二维时频特征输入BLS网络和具有增量学习的BLS网络映射成特征节点和增量节点,借助伪逆计算BLS网络的权重;最后,将特征节点、增量节点拼接与权重同时输出,完成BLS网络训练,进行测试分类。通过在CWRU公开数据集上的实验结果表明,基于WBLS的方法分类准确率为97.67%,网络训练耗时9.62 s,说明该方法能在保持较优分类准确率的同时,快速完成训练,节省大量时间。     

多相电驱重构型车载充电系统绕组开路故障诊断与容错控制

电动汽车(EV)用电驱重构型车载充电系统(EDROC)因其突出的商业价值成为国内外学者的研究焦点。文中针对六相EDROC充电模式中单相绕组开路故障条件下的故障诊断与容错控制进行研究。首先,介绍了六相EDROC的电路拓扑与基本工作原理;其次,针对绕组开路故障问题,提出一种简单易行的故障诊断方法,包括故障检测与故障定位两个环节,分别通过判断电流矢量的角度变化率与绕组电流平均极性实现;然后,研究了系统单相开路故障下的容错控制,通过重新分配绕组电流幅值与相位,实现网侧电流平衡与无旋转磁场;最后,搭建了实验平台,实验结果验证了所提故障诊断方法与容错控制的正确性。     

计及开关频率分区优化的PMSM三电平模型预测控制

为降低传统三电平供电的永磁同步电机模型预测控制系统的开关频率,提出一种计及开关频率分区优化的PMSM三电平模型预测控制方法。首先,将空间电压矢量平面划分为12个扇区,并且根据上一时刻电压矢量所在位置,选择相邻扇区的电压矢量作为备选矢量。其次,加入对开关状态切换的限制,每个开关周期仅允许一相开关状态发生连续性跳变,减少备选矢量数量的同时能够有效降低开关频率。进一步,利用具有相同空间位置但对中点电位影响相反的正负冗余小矢量来平衡中点电位。最后,通过仿真和实验,验证该控制策略的有效性。     

轻量级(2+1)D卷积结构的动态手势识别研究

目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了96.62%、91.83%和60.1%的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧.