针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌...针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。展开更多
针对垂直起降(vertical take-off and landing,VTOL)飞行器在悬停模型下的控制问题,提出了一种非线性信息融合控制方法。首先通过可逆非线性变换引入新的控制量,实现对VTOL飞行器横向运动和垂向运动的解耦,然后利用非线性信息融合估计...针对垂直起降(vertical take-off and landing,VTOL)飞行器在悬停模型下的控制问题,提出了一种非线性信息融合控制方法。首先通过可逆非线性变换引入新的控制量,实现对VTOL飞行器横向运动和垂向运动的解耦,然后利用非线性信息融合估计定理融合飞行器的期望跟踪轨迹和控制能量的软约束信息,以及状态方程和输出方程的硬约束信息,获得关于飞行器控制量的最优估计。信息融合控制方法基于被控对象的离散模型设计,具有易于实现的特点。仿真结果表明,非线性信息融合算法具有良好的控制效果。展开更多
文摘针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。
文摘针对垂直起降(vertical take-off and landing,VTOL)飞行器在悬停模型下的控制问题,提出了一种非线性信息融合控制方法。首先通过可逆非线性变换引入新的控制量,实现对VTOL飞行器横向运动和垂向运动的解耦,然后利用非线性信息融合估计定理融合飞行器的期望跟踪轨迹和控制能量的软约束信息,以及状态方程和输出方程的硬约束信息,获得关于飞行器控制量的最优估计。信息融合控制方法基于被控对象的离散模型设计,具有易于实现的特点。仿真结果表明,非线性信息融合算法具有良好的控制效果。