面向密集场景的多目标车辆检测算法

目标检测可为自动驾驶车辆提供附近目标的位置、大小和类别,但是密集场景中多目标检测仍然存在漏检、误检问题,为此该文提出了一种AD-YOLOv5车辆检测模型。首先,利用轻量型结构CBAM注意力机制对特征提取网络中的C3模块进行了优化得到C-C3模块,提高了对特征信息的获取能力,降低了对其他特征的关注度;其次,在检测头部分对分类和回归任务进行解耦,以实现更强的特征表达;然后,利用广义幂变换对IoU进行转换操作,提出鲁棒性更好的Alpha-IoU损失函数,提升了模型的检测精度并加快模型的收敛速度;最后,采用GridMask数据增强技术,增加了样本的复杂性,并在处理后的数据集上进行了实验。实验结果表明,改进后的目标检测模型的平均精度均值达到72.72%,与原YOLOv5模型相比提高了2.25%,且模型具有较高的收敛速度,通过可视化对比实验,直观展示了本文模型在密集场景能有效避免误检、漏检现象。

密集交通场景中改进YOLOv3目标检测优化算法

针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进YOLOv3、CIoU损失函数优化以及SD-NMS优化算法(简记L-YOLOv3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进YOLOv3的残差单元结构,以提高对密集目标的特征提取能力,减少网络模型参数量;采用完整交并比CIoU损失函数加快网络模型收敛速度,同时将多目标集合预测思想与DIoU-NMS有机结合,提出了SD-NMS优化算法,以降低漏检误检率。在BDD100K数据集上进行实验,结果表明,改进的目标检测算法召回率达到91.58%,精准率达到93.04%,与YOLOv3算法相比,召回率和精准率分别提升了12.09%和9.52%,具有更好的检测效果。

井下指令信号的小波-奇异值分解双层滤波降噪

针对旋转导向钻井井下接收的指令信号进行降噪时存在奇异点和突变点等问题,提出一种基于小波-奇异值分解的双层滤波降噪方法。该方法将小波改进分层阈值降噪与奇异值分解降噪相结合,采用小波变换与奇异值分解WT-SVD双层滤波降噪方法,对小波改进分层阈值降噪后的信号进行矩阵构造,经过奇异值分解和重构使信号得以还原。通过实验确定了所选取的奇异值个数及重构矩阵结构,并对比研究了奇异值分解、小波改进分层阈值和WT-SVD双层滤波3种不同降噪方法降噪后的信号波形及信噪比、均方根误差和相关系数。实验结果表明,WT-SVD双层滤波方法降噪效果明显。

车道线检测的PSPNet改进算法

车道线检测已成为智能驾驶领域研究的一项重要课题,而实际应用时,常出现车道线分割不准确、实时检测能力不佳的问题。为此本文提出一种金字塔场景分析网络的改进算法。在编码结构的基础上搭建主体网络PSPNet,选用MobileNet v2轻量级网络作为编码器的主干网络,减少了整体网络的计算复杂度及参数量;网络中添加了空洞卷积,并在不同层间实现特征融合,扩充了模型感受野,同时丰富了局部特征;最后用自适应直线拟合算法对各类型车道线拟合。本文使用Caltech车道线数据集进行测试,实验结果显示,改进后的PSPNet算法对不同类型的车道线均有较好的分割结果,与PSPNet算法相比精度和交并比分别提升了3.91%、4.14%,且FPS达28帧/s,本文算法的分割精度和推理速度均优于其他对比算法。

改进YOLOX的弱光线道路交通标志检测

针对弱光线环境下道路交通标志检测精度不高、漏检、错检等情况,提出了一种改进YOLOX的融合检测算法。该算法引入轻量级Mobile Vi T Block模块,将CNN和Transformer结合,提高了网络对物体局部和全局特征的学习能力;通过添加自适应特征融合金字塔ASFF,对有效特征层进行加权融合,加快了网络训练收敛速度;并采用Focal Loss替换二元交叉熵损失函数,用以解决因样本少导致分类不准确的问题。实验结果表明,相较于YOLOX算法,改进YOLOX算法mAP值提升了2.89%,参数量减少了6.23 M,可视化实验进一步验证了所提算法可以提高检测精度,有效避免因弱光线导致的漏检、错检现象。

基于DCP-Imp CycleGAN CenterNet去雾算法的交通标志检测

针对雾天环境下对小型交通标志检测效果不佳的问题,提出了一种基于DCP-Imp CycleGAN与CenterNet融合去雾的交通标志检测方法。该方法在预处理模块将DCP算法嵌入到优化后的CycleGAN网络框架中,对图像高质量的纹理信息细化处理,再通过感知融合模块,获得更易被识别且自然的无雾图像;为了进一步提高对小型交通标志的识别能力,对CenterNet中的残差块进行了轻量化设计,同时引入了CBAM注意力机制和FPN特征融合模块,进而减少了有效特征信息的丢失。实验结果表明,改进算法能有效解决图像去雾中色差明显和不清晰的问题,在CCTSDB数据集上实验评估得到的mAP较CenterNet提升了5.48%,FPS提升了4帧,有效解决了雾天环境下对小型交通标志的漏检、误检问题。

轻量化YOLOv4的车辆目标检测研究

针对YOLOv4模型在目标检测过程中参数量和计算量较大而导致实时性不佳的问题,提出了一种轻量化模型L-YOLOv4(Light YOLOv4)。该模型以YOLOv4特征金字塔结构和多尺度检测为基础,对模型结构进行了整体的优化和改进,采用MobileNetV2网络代替主干特征提取网络,同时用深度可分离卷积替换加强特征提取网络的普通卷积,从而达到减少网络参数量的目的。实验时对UA-DETRAC车辆数据集进行了基于旋转不变性下的数据增强,以缩小图像预测框与真实框之间的误差。多模型对比实验结果表明,L-YOLOv4模型相较于其他常用的轻量级检测模型有着更小的参数量和更快的FPS,与YOLOv4模型相比,参数量减少了83.21%,FPS增加了11帧,并减少了车辆漏检情况。

增广非最小状态空间法的稳定平台预测控制研究

针对传统的模型预测控制器鲁棒性较差及模糊PID控制系统比较复杂的问题,提出了利用增广非最小状态空间模型与模型预测控制相结合的稳定平台预测控制。建立了稳定平台广义被控对象的数学模型,以增广形式的非最小状态空间模型为基础,结合滚动时域控制原则和线性二次型最优控制,通过对稳定平台离散模型的非最小状态空间形式进行增广变换,给出了基于Laguerre函数的状态反馈增益矩阵算法,设计了增广非最小状态模型下的预测控制器,实现了对导向钻井稳定平台控制系统的仿真研究。仿真结果表明稳定平台预测控制系统可以很好地满足钻井工程对控制精度和动态特性的要求,而且对有时变性的盘阀摩擦干扰力矩及模型参数摄动具有较强的鲁棒性。

局部式反传网络的改进BP算法及应用

针对标准BP算法收敛速度慢的缺点,分析了其产生的主要原因,提出了一种改进BP算法。在传统BP算法基础上通过对其激励函数增加陡度因子并在误差反传权值修正时增加协调器,通过对网络灵敏度的分析将全反传式网络变成局部式反传网络,从而达到提高网络学习速率及精度的目的。改进的BP算法应用于导向钻井稳定平台系统的辨识,仿真结果表明该算法收敛速度快,精度高。

旋转导向钻井工具随钻测量系统存储功能研究

井下随钻测量系统的存储单元是调制式旋转导向钻井系统的关键技术之一.设计实现了基于串行EEPROM存储近钻头随钻测量井下工况数据的单片机系统,该系统采用大容量存储方式将采样的数据定时存储起来,起钻后读出数据,实现即时数据的回放.给出了硬件设计电路及软件设计思想,并采用C51语言实现井下大容量、长时间的数据采集存储.地面试验及井下试验证明该存储功能的有效性和可靠性,能够解决目前随钻测量参数的存储问题.

旋转导向钻井工具稳定平台模糊滑模控制研究

关于稳定平台是旋转导向钻井工具的重要环节。针对稳定平台存在的摩擦问题带来的不确定性,为提高平台系统的控制精度和稳定性,提出利用模糊控制理论与滑模变结构控制相结合的稳定平台控制系统。通过建立带摩擦的稳定平台模型,设计出变结构控制器和自适应模糊系统逐步逼近等效控制,并对切换项进行模糊逼近,以平滑不连续控制。仿真结果表明方法既保证了控制系统对外界扰动和参数不确定性具有较好的鲁棒性,也实现了较高的稳定平台姿态控制精度,使闭环系统具有良好的动态性能。

基于改进YOLOv3算法的车辆目标检测

为有效解决车辆目标检测算法参数量大、计算成本高等问题,提出一种改进YOLOv3算法。利用深度可分离卷积和注意力机制重新设计主干特征提取网络结构,通过增大神经网络深度、拓宽特征提取层数实现更高层语义信息的提取,可获得更精细特征,减少模型参数量和计算量;引入CIOU回归优化损失函数,量化预测框与真实框中心点距离、重叠面积、尺度以及长宽比等评测指标,解决均方误差(MSE)损失优化方向不一致的问题,使目标框回归更加稳定。实验结果表明,该算法参数量为19.56 M,比YOLOv3算法降低了近67%,同时平均精度均值(mAP)提高了3.68%,每秒帧数(FPS)提高了8帧,为车辆目标检测提供了容易部署在移动端的轻量级网络。

旋转导向钻井稳定平台的RBF网络滑模变结构控制

针对旋转导向钻井稳定平台存在的摩擦问题带来的不确定性,提出一种基于RBF神经网络的自适应滑模变结构控制方法,以提高稳定平台控制的精确性和抗干扰能力。使用RBF神经网络对稳定平台模型中的不确定性进行逼近,通过设计RBF网络节点的唤醒与激活阈值来减少网络规模,同时设计权值调整的自适应律,并结合滑模控制增强系统的鲁棒性。分别采用一般滑模变结构控制方法和RBF神经网络滑模变结构控制方法进行仿真实验,结果表明,RBF神经网络滑模变结构控制方法能够有效地逼近控制对象模型,有较强的鲁棒性。

旋转导向钻井偏心重力稳定平台角位置控制研究

研究了旋转导向钻井偏心重力稳定平台的系统结构和平台位置控制的基本方法。利用偏心重力稳定平台的初始角位置始终稳定的特点,依靠电机驱动改变稳定平台的转角,以跟踪给定的工具面角。设计了工具面角位置控制的硬件电路,由DSPIC30F4011芯片、正交编码器以及电机组成控制回路,通过芯片的QEI模块对电机的角位置进行检测,通过程序控制电机的正转、反转及停转实现对角度位置的跟踪控制。设计了相应软件程序并实现了对稳定平台角位置的控制。模拟实验证明所设计硬件电路和软件程序的正确性,实现了对偏心重力稳定平台的角位置跟踪控制。

导向钻井下行通讯地面监控系统设计

针对变钻井液排量进行导向钻井下行通信设计了地面监控系统:给出了下行通讯指令传输系统的组成及原理,并利用MATLAB的图形用户界面(GUI)设计了地面监控系统的主界面、信息回放和指令下传等界面,实现了井下采集的数据回放、曲线绘制.根据变钻井液排量指令特点及编码方式,实现了对下传指令的选择,并直观显示出选中的指令编码形式,完成对串行口通信参数的设置,实现下传指令的发送.

优化课堂教学 提高教学质量

"自动控制理论"是一门非常重要的技术基础课.由于其知识覆盖面广、课程内容多、更新发展快、理论性和应用性强,且与后续课程紧密相关,学生要想真正学好这门课程还是不太容易的.在教学实践中我们体会到,优化课堂教学是提高教学质量的必由之路.在这方面,我们主要开展了以下几项工作,取得了较好的教学效果."自动控制理论"在历次课堂教学学生评教活动中均为优秀,被学院授予"一类课程"称号.

导向钻井下行指令传输的井下接收装置研究

在变钻井液排量三降三升脉冲传输方式下,利用井下涡轮电机实现对下行传输指令的接收。简述了变钻井液排量三降三升编码传输的方案,构建了五位脉宽指令编码方式。针对井下特殊环境,提出了井下检测接收装置设计要求,给出了井下涡轮电机的内部结构及工作原理,设计完成了与井下涡轮电机配套的检测电路。通过水力驱动实验,研究了钻井液排量与电机输出电压之间的动态关系,实现了对三降三升下传指令的地面模拟实验及井下接收测试试验。实验结果表明井下涡轮电机的检测电压与钻井液排量呈线性关系,采用井下涡轮电机作为井下接收装置可以准确再现地面发送的下传编码指令,测试证明该井下接收装置是可靠且可行的。

基于MATLAB的CAI课件的开发与设计

设计了一套控制系统计算机辅助教学软件 ,给出了其设计思想和设计方法。该软件是利用MATLAB语言开发制作的 ,它概括了自动控制理论、过程控制、系统仿真和智能控制等课程内容 ,是一种较为实用的计算机辅助教学软件。

基于深度残差网络和GRU的SqueezeNet模型的交通路标识别

现有的交通路标识别方法都是基于卷积神经网络的,随着网络层数的增加,准确率会提高,但也出现了效率降低、参数量增加等问题。为此,提出结合深度残差网络和GRU网络的改进SqueezeNet模型(SqueezeNet-IR-GRU)。该模型采用ELU函数作为激活函数,以提高学习效率;引入深度残差网络,以避免网络太深时梯度消失的情况;利用GRU神经网络能够记忆过去的重要特征来保证模型的稳定性。在CIFIR-10和GTSRB数据集上进行了实验,其识别准确率分别达到99.13%和88.25%以上。实验结果表明,SqueezeNet-IR-GRU模型不仅大幅度降低了参数量,其收敛性、稳定性和召回率也都优于其他网络模型的。

基于89C51单片机的远程数据采集系统设计

介绍了一种以 89C51单片机作为主控制器的远程数据采集系统。阐述了该系统的工作原理、硬件构成及软件设计方案 ,并利用 VC+ + 6.0编写了相应的通讯程序。