基于FPGA直流电机控制的改进增量式PID算法

为实现对无刷直流电机转速的精确控制,文章在传统增量式PID算法的基础上引入积分分离算法和带死区算法,并对其比例系数的选取进行优化,提出一种基于传统增量式PID的改进算法.课题组结合FPGA良好的并行处理的性能,通过自顶向下的设计方法完成了PID控制器的VHDL分层设计,并在Modelsim平台上完成VHDL硬件编程设计与仿真.仿真对比结果表明:设计的控制系统能在0.2 s内达到预期的转速值,并且超调量的值不超过设定值的5.1%,控制效果明显优于传统增量式PID控制,表明该控制系统具有较高的控制精度和较好的稳定性.

基于改进的YOLOv3火灾检测算法研究

卷积神经网络的快速发展,在图像分类、目标检测、跟踪任务等领域得到广泛的应用。因此,将卷积神经网络算法应用到火灾检测上有助于提升其在复杂环境下目标识别和抗干扰能力。针对火灾发生时烟雾及火焰目标在复杂背景下检测困难的问题,通过引入MobileNetv3特征提取网络、聚焦(Focus)和空间金字塔池化(Spatial Pyramid Poling,SPP)等方法对YOLOv3算法进行改进,以提高对火灾发生时烟雾及火焰的精确识别。实验结果表明:改进后的MobilenNetv3+YOLOv3+SPP算法的实时检测帧率达到61FPS,目标识别准确率88.73%,满足实时检测的要求。

基于数字孪生的码垛机器人工作站在线监测研究

采用数字孪生技术对码垛机器人工作站进行研究,针对码垛机器人工作站的基本工艺流程,提出一种数字孪生模型构建方法,设计并完成了码垛机器人工作站在线监测系统,通过通信协议(Transmission Control Protocol,TCP)技术和机器人操作系统(Robot Operating System,ROS)共同完成物理码垛机器人工作站与虚拟码垛机器人工作站两者之间数据交互与实时通信,实现对码垛机器人工作站的工作状态进行可视化在线监测。研究表明,所构建的码垛机器人工作站孪生体可与物理实体实时随动,通过对物理实体工作状态的数据采集,完成实时可视化在线监测,保证了六轴协作臂对物块的抓取和定位准确率高达99.17%,可以进行准确的位置码放。