轮式移动机器人预定时间轨迹跟踪控制

在现有的轨迹跟踪控制中,跟踪误差的收敛时间通常与误差初始值有关,且关于非完整系统预定时间轨迹跟踪的控制方法很少.针对上述问题提出了一种使非完整轮式移动机器人系统可在预定时间跟踪上参考轨迹的控制方法.首先,通过坐标变换,将跟踪误差系统转变为一个由角度误差构成的一阶子系统和一个由位置误差构成的二阶子系统;然后,分别针对角度误差系统和位置误差系统设计机器人的角速度输入和速度输入,使得角度误差和位置误差在预定时间内收敛到零;最后,利用Lyapunov方法证明了所设计控制律的有效性.试验结果表明,提出的控制方法可使机器人在预定时间跟踪上参考信号,且实际收敛时间与理论计算时间相同,比现有的控制方法更加精确.

基于注意力机制与迁移学习的乳腺钼靶肿块分类

针对乳腺钼靶图像中良恶性肿块难以诊断的问题,提出一种基于注意力机制与迁移学习的乳腺钼靶肿块分类方法,并用于医学影像中乳腺钼靶肿块的良恶性分类。首先,构建一种新的网络模型,该模型将注意力机制CBAM(Convolutional Block Attention Module)与残差网络ResNet50相结合,用于提高网络对肿块病变特征的提取能力,增强特定语义的特征表示。其次,提出一种新的迁移学习方法,用切片数据集代替传统方法中作为迁移学习源域的ImageNet,完成局部肿块切片到全局乳腺图片的领域自适应学习,可用于提升网络对细节病理特征的感知能力。实验结果表明,所提方法在局部乳腺肿块切片数据集和全局乳腺钼靶数据集上的AUC(Area Under Receiver Operating Characteristics Curve)分别达到0.8607和0.8081。结果证实本文分类方法的有效性。