-
题名基于多传感器的车辆多工况航姿参考系统研究
被引量:1
- 1
-
-
作者
范佳城
王增才
范柏旺
-
机构
山东大学机械工程学院
山东大学高效洁净机械制造实验室教育部重点实验室
山东大学机械基础实验教学中心国家级实验教学示范中心
-
出处
《电子设计工程》
2020年第14期90-94,共5页
-
基金
山东省自然科学基金项目(ZR2018MEE015)。
-
文摘
针对基于MARG传感器的航姿参考系统精度不高的问题,对传感器误差补偿以及姿态数据融合算法进行了研究。利用改进之后的十二参数椭球拟合法和反向传播神经网络对磁强计进行误差补偿;通过里程计与陀螺仪的信息辅助,完成对加速度计的误差补偿;设定车辆运行的多种工况噪声,获得理想车辆姿态状态估计的最佳增益。构件基于自适应卡尔曼滤波算法多传感器信息融合的姿态测量系统。实验数据表明,该改进自适应卡尔曼滤波算法可与姿态滤波算法相配合,能有效地降低运动加速度和磁场干扰对姿态估计精度的影响,从而有助于提升AHRS在动态环境下的性能。
-
关键词
航向与姿态参考系统
方向估计
多传感器融合
神经网络
卡尔曼滤波
-
Keywords
attitude and heading reference system
direction estimation
multi⁃sensor fusion
neural network
Kalman filter
-
分类号
TN966
[电子电信—信号与信息处理]
-
-
题名基于深度融合残差网络的驾驶员眼睛状态检测
- 2
-
-
作者
王国栋
王增才
范佳城
-
机构
山东大学机械工程学院
山东大学高效洁净机械制造实验室教育部重点实验室
山东大学机械基础实验教学中心国家级实验教学示范中心
-
出处
《机械设计与制造工程》
2021年第9期97-101,共5页
-
基金
山东省自然科学基金资助项目(ZR2018MEE015)。
-
文摘
驾驶员眼睛状态检测是驾驶员疲劳检测的重要组成部分。为有效解决实际驾驶环境中驾驶员眼睛状态检测问题,提出了一种基于深度融合残差网络的方法。该方法将深度神经网络与深度卷积神经网络相融合,利用深度神经网络对驾驶员眼睛特征进行识别,利用深度卷积神经网络对驾驶员眼睛图像进行分析,最终根据二者检测结果的加权平均值对实际驾驶环境下驾驶员眼睛状态做出判定。模型中深度卷积神经网络部分在多通道卷积的基础上,结合了残差网络和深度模型压缩策略,提升眼睛状态检测精度的同时提高了检测速度。相关实验结果表明,该方法在实验环境和实际环境下与其他已有的方法相比检测精度更高、计算速度更快。
-
关键词
眼睛状态检测
深度神经网络
卷积神经网络
残差网络
深度模型压缩策略
-
Keywords
eye state detection
deep neural networks
convolutional neural network
residual network
deep model compression strategies
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-