改进Faster R-CNN的汽车仪表指针实时检测

针对产业化的汽车仪表指针人工视觉检测效果差、检测速度慢和实时性低等问题,本文提出了一种改进的Faster R-CNN汽车仪表指针实时检测算法。通过改进原始的RoI网络层结构,实现小目标高低层特征之间的完整传递;采用双线性内插算法替代两次量化操作,使得特征聚集变成连续的过程,能够有效减少计算时间;最后将工业机采集的视频数据,预处理成VOC格式数据集进行训练,调整超参数得到改进汽车仪表指针检测模型。实验结果表明:所提出的方法能够快速、准确地实现汽车仪表指针检测,单张图片的平均检测时间为0.197 s,平均检测精度可达92.7%。在不同类别仪表指针的迁移实验中,展示了良好的泛化性能。     

电流-位置神经网络模型的构建与SRM转矩控制

常用的基于转矩分配函数(TSF)的控制方法从转矩-电流非线性关系得到参考相电流,数学关系复杂,参数难以获得,不易于工程实现。根据相电流平方之和与转子位置角所表现出的特殊关系,提出了基于电流-位置神经网络模型的相电流平方之和计算方法,直接由转子位置角计算相电流平方之和,再通过分配函数得到参考相电流。仿真结果表明,该方案能有效降低开关磁阻电动机转矩脉动。     

改进ORB特征的机器人RGB-D SLAM算法

基于特征的视觉同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）存在实时性和鲁棒性差等问题，提出一种改进的基于四叉树的ORB特征提取方法，设计包含前后端及地图构建的机器人RGB-D SLAM算法。在前端使用四叉树方法完成ORB特征的均匀提取，计算描述子间汉明距离实现特征匹配。根据随机采样一致性算法思想，结合EPNP（Efficient Perspective-N-Point）和迭代最近点法求解位姿，获取多次迭代后的准确位姿。采用关键帧进行回环检测，并且基于光速法平差优化位姿图，从而构建全局一致的3D地图，达到减少累积误差的目的。通过TUM数据集和多履带式全向移动机器人进行对比验证，实验结果满足实时性和稳定性要求，证明了算法的可行性和有效性。     

改进可逆缩放网络的图像超分辨率重建

可逆缩放网络(IRN)的潜变量采用高斯分布嵌入图像高频信息,因其独立随机性无法充分保存图像高频信息,嵌入效果一般,影响重建性能。通过改进可逆缩放网络来提高嵌入高频信息的能力并进一步降低模型的复杂度。首先,特征提取模块采用密集连接结构和通道注意力机制来获取足够的特征信息,同时减少模块参数量;其次,网络的潜变量采用小波域高频子带插值设计,改善高频信息嵌入能力。实验结果显示该算法相比IRN,在Set5、Set14、BSD100和Urban100这4个基准测试集上的PSNR和SSIM分别平均提升了0.380 dB和0.014,参数量减少约1.64×10⁶,计算量减少约0.43×10⁹,运行时间减少3 ms。表明该算法的重建性能优良,模型复杂度低,具有实用价值。     

基于人工磁场的防疫机器人路径规划

针对传统人工势场法在防疫机器人路径规划过程中容易陷入局部极小值和目标不可达的问题,提出一种基于人工磁场的路径规划算法。首先,对障碍物周围建立人工磁场,引入洛伦兹力,洛伦兹力与引力保持垂直,避免机器人陷入局部极小值点;其次,在洛伦兹力函数中引入机器人与目标点的距离影响因子,解决目标不可达问题;再次,通过建立目标点与障碍物之间的虚拟直线优化洛伦兹力的方向,避免迂回路径,减少路径规划的步数。最后,在MATLAB环境下对传统人工势场法和人工磁场法进行了仿真实验,实验结果表明,人工磁场法可以克服局部极小值和目标不可达问题,规划的路径对障碍物进行了避障,避免了徘徊振荡的情况出现,提高了路径规划的质量。     

基于改进的Faster RCNN面部表情检测算法

针对真实环境下多目标表情分类识别算法准确率低的问题,提出一种基于改进的快速区域卷积神经网络(Faster RCNN)面部表情检测算法.该算法利用二阶检测网络实现表情识别中的多目标识别与定位,使用密集连接模块替代原始的特征提取模块,该模块能够融合多层次特征信息,增加网络深度并避免网络梯度消失.采用柔性非极大抑制(soft...     

分数阶多机器人的领航–跟随型环形编队控制

针对多机器人系统的环形编队控制复杂问题,提出一种基于分数阶多机器人的环形编队控制方法,应用领航–跟随编队方法来控制多机器人系统的环形编队和目标包围,通过设计状态估测器,实现对多机器人的状态估计.由领航者获取系统中目标状态的信息,跟随者监测到领航者的状态信息并完成包围环绕编队控制,使多机器人系统形成对动态目标的目标跟踪....     

SDH模型与神经网络串联的谐波减速器混合迟滞建模研究

针对柔性环节含有的谐波减速器所表现出的特殊非线性迟滞特性,构建了由SDH模型与神经网络串联的谐波减速器的混合迟滞模型。以输入与输出信号之间具有与谐波减速器迟滞曲线相似迟滞特性的SDH模型为前置模型,以补偿前置模型在描述迟滞特性时存在的误差的非线性动态RBF神经网络作为后置模型,构成了混合迟滞模型,描述谐波减速器迟滞非线性特性。根据所搭建的实验平台,对不同频率输入信号、不同负载状态下获得的数据进行建模,与经典RBF神经网络模型和SDH模型相对比,实验表明,所构造的混合迟滞模型精度高、适应性强。     

遥操作机器人运动的实时三维监控方法研究

针对一般遥操作机器人实时运动监控的不足之处,提出一种新型遥操作机器人运动实时三维监控方法。首先根据遥机器人外形建立一个虚拟机器人三维外观网格模型,再根据机器人本体内部的关节及其他运动机构的位置,建立一个内嵌于网格模型下的骨骼模型;经过坐标、数学模型转换,把遥机器人运动学模型应用到虚拟机器人骨骼模型上,实现遥机器人与机器人骨骼模型的运动学模型一致。通过无线发送把遥机器人运动数据传输到监控端,利用Direct3D编程计算把运动数据转换成虚拟机器人运动指令,运动指令控制骨骼模型运动,骨骼模型的运动同时驱动虚拟机器人三维网格模型运动,虚拟机器人三维模型将产生一个与遥机器人同步运动的动画,从而实现了对遥操作机器人运动的三维监控。