基于CFD方法的固定翼无人机着陆控制建模

为了实现固定翼无人机低速平稳着陆的目的,以某型无人机为例,阐述以计算流体动力学(CFD)方法求解固定翼无人机气动力系数的过程,即构建飞机几何模型、设定计算域并划分网格、基于非耦合隐式求解器求解在K-E湍流模型下各飞行状态的气动系数.提出以较大迎角低速滑翔降落的着陆控制方法,基于求解的气动特性,计算飞机降落前的理想状态,并基于状态反馈的纵向控制律实现着陆控制.在Simulink环境中,基于AeroSim工具箱构建仿真程序,验证了方法的有效性.

增量非线性动态逆小型无人机速度控制

针对小型无人机速度控制精度差的问题,提出一种基于增量非线性动态逆的速度控制方法。首先,根据无人机运动方程和推力模型建立速度控制模型;其次,应用非线性动态逆方法获得油门控制指令与速度的直接关系式;最后,再重写无人机运动方程为增量形式,得到油门控制指令增量与加速度的控制关系式,并依此设计了速度控制律。为某飞机构建推力模型和增量动态逆速度控制器,飞行试验验证了所提方法的有效性。

预测增量动态逆无人机姿态控制

针对小型无人机模型参数精度不高的问题,提出一种预测增量动态逆姿态控制方法。该方法以角加速度作为姿态控制的反馈,从而降低了控制系统对模型参数的敏感性。根据无人机力矩方程,先将角加速度计算式写成增量形式;再根据非线性动态逆方法构建出角加速度为隐式输入、舵面偏转量增量为输出的直接关系式;在控制器中引入预测滤波器,对角加速度进行滤波和预测,提高反馈信号的精度和实时性。飞行实验表明方法是有效性的。

一种基于模糊神经网络的城市道路交叉口可变相序控制

在结合模糊控制和神经网络各自优点的基础上,提出一种城市道路交叉口可变相序自适应控制算法.算法根据通行权转移度设计出相位转移模块和绿灯延时模块,并分别为之建立模糊控制器,每个控制器都通过多层BP神经网络来实现.仿真结果表明,该方法能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.

基于ARM11+CPLD的小型无人机飞行控制器设计

本文针对小型无人机控制精度低、实时性不足的问题,设计了基于ARM11+CPLD的飞行控制器。阐述该飞行控制器的硬件总体架构,各传感器与ARM11接口设计,CPLD并行多路PWM输入、输出设计;阐述硬件的驱动,导航控制、姿态控制的算法设计与实现。该飞行控制器的飞行测试结果理想。

智能交通系统与系统间通信协议研究

针对智能交通通信系统存在的“互操作”和“互换性”差的问题,在介绍NTCIP协议框架的基础上,分析了其C2C通信协议的优劣,提出了用XML/SOAP来实现C2C通信的方案。

速度分段的增量动态逆小型无人机控制律设计

针对小型无人机模型参数精度不高的问题,提出一种速度分段的增量非线性动态逆姿态控制方法。该方法根据无人机力矩方程,用非线性动态逆构建出角加速度为隐式输入,舵面偏转量为输出的关系式;运用小扰动原理计算角加速度,并通过在不同的速度区间内计算机体力矩对角速度的偏导,并将该结果作为角加速度修正因子的方法,得到舵面偏转增量与角加速度的直接关系式;基于新发现的关系式构建了内、外环控制律,角加速度作为反馈降低了对模型参数的敏感性,修正因子的引入提高了控制精度。仿真实验表明了该方法的有效性。

Web Service在ITS中实现center间通信的研究

目前,对智能交通系统的研究越来越深入,应用越来越广泛.对Web Service进行了简要介绍,在分析ITS中心到中心间通信需求及协议的基础上,提出了利用Web Service来实现中心到中心间通信的方案并给出实例代码.

基于深度学习与深度信息的原木材积检测方法

针对工业现场整车木材摆放深浅不一且上下分层而导致的整车木材材积自动检测困难的问题,采用ZED2双目相机获取木材端面图像以及深度图像,在改进的基于掩模区域卷积神经网络(Mask region-based convolutional neural network, Mask R-CNN)实例分割模型完成对木材端面分割的基础上,对木材轮廓进行椭圆拟合,根据木材端面中心坐标以及深度图像获取每根木材的深度信息,利用整车木材上下层深度信息相差较大的特点,解决木材上下分层的问题,同时根据双目视觉视差原理,利用相机参数以及轮廓拟合后椭圆短径端点坐标,测量出木材端面检尺径,将检尺径和检尺长代入原木材积计算公式完成原木材积的检测。实验结果表明,使用本方法计算出的整车原木材积同人工检尺数据对比,材积误差率(偶数)为-1.61%,单根木材检尺径平均绝对误差(偶数)为0.33 cm,符合国家原木检尺要求。最终将模型以及材积计算算法部署于Nvidia Jetson Xavier NX平台,并在PyQt5核心库上设计了操作界面,用户仅需拍摄完整木材端面,即可实现原木材积的计算。利用本研究所提出方法可实现木材整车检尺,解决整车木材材积自动检测困难的问题,可提高木材检尺效率,减轻检尺工作人员的工作负担。

一种基于自适应阈值的车辆边缘提取算法研究

实际道路视频图像背景复杂多变,给车辆边缘检测带来困难。本文提出用最大类间方差法求边缘检测算子的阈值,并给出具体迭代求解过程,得到的阈值能随图像背景的变化而变化,具有自适应性,实验结果表明了算法的可行性和有效性。

基于自适应阈值的车辆边缘提取算法研究

实际道路视频图像背景复杂多变,给车辆边缘检测带来困难。提出用最大类间方差法求边缘检测算子的阈值,并给出具体迭代求解过程,得到的阈值能随图像背景的变化而变化,具有自适应性。实验结果表明了算法的可行性和有效性。

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点,提出了一种可变相序自适应单交叉口控制算法,该算法根据通行权转移度来决定放行相位及通行时间,并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明,该控制器具有学习和泛化能力,可以有效的提高绿灯时间利用率并减少车辆平均延误。

一种多通道动态均衡先进先出缓存机制

为了在多通道数据传输中实现各通道数据的均衡与高效传输,提出一种基于现场可编程门阵列(FPGA)的多通道动态先进先出缓存设计方法。该方法通过建立小型存储单元,动态维护各通道的数据传输状态,并采用数据库索引技术,为各通道数据高速、动态地分配缓存空间。本文以FPGA为平台,实现了该方法。仿真实验结果表明,该方法能通过较少的缓存设置,实现各个通道的均衡传输,节约存储资源,并提高各通道的数据传输效率。

基于Mean Shift的改进型图像滤波算法

利用传统均值漂移(MS)算法进行图像滤波时,会将噪点拟定为图像边缘,使得图像内的噪点被保留。针对该问题,设计一种新型简化双边滤波方法(ANBF),并结合MS算法,提出一种改进型MS图像滤波算法。ANBF算法采用核函数先对噪点进行查找,形成确定的噪点标识图,通过标识图定位噪点,进行噪点滤波。MS算法采用核函数实现图像模点查找,依据模点进行图像平滑滤波。将ANBF算法嵌入传统MS算法中,以改进MS算法噪点消除能力。实验结果表明,与传统MS图像滤波算法相比,改进算法能有效克服MS算法噪点消除能力弱的问题,具有较高的噪点消除率。

视频媒体网络中基于轨迹优化的监控图像聚类算法

为了解决视频媒体网络环境中监控图像随机性较强、特征较为复杂,导致聚类效果不佳、空间畸变率高等问题,引入轨迹优化技术对视频媒体网络中监控图像进行聚类。通过采集视频媒体网络中监控图像的关键帧,挖掘监控图像的时空轨迹,并根据监控视频图像背景的隶属度计算结果,提取监控图像色彩、边缘等基本特征;计算监控内容、时间及空间的相似度,采用层次聚类算法对相似度较高的监控图像进行单元合并,并以视频轨迹为标准实现聚类融合,输出最终的聚类结果。实验结果表明,使用本文算法得出的聚类结果,平均畸变率仅为0.85%,比传统算法降低了4.65%。

一种空间曲线轨迹跟踪的无人机自适应导航控制算法

固定翼无人机飞行任务复杂,为了实现高精度的空间曲线导航控制,基于L1-Navigation非线性导航控制算法,设计自适应模糊控制器优化固定翼无人机跟踪空间曲线导航控制方法;以球面上的空间八字曲线为例,对八字曲线建模,通过坐标转换求得目标航点位置来计算无人机飞行加速度;为了优化加速度控制无人机跟踪空间曲线性能,在L1-Navigation导航控制器中,针对增益系数设计一个双输入单输出模糊控制系统,以轨迹误差和轨迹误差变化率为输入量,以计算横向加速度的增益系数常数为输出量;最后,在Ardupilot飞控中进行飞行模拟实验,飞行实验表明,所提出方法能够精确跟踪空间曲线路径,并且有很好的自适应性。

基于Mask R-CNN的密集木材检测分割方法

针对木材检尺中采用人工检尺的方法存在效率低下且检尺主观性较强的问题,提出一种基于掩模区域卷积神经网络(Mask R-CNN)实例分割模型的木材分割方法,探究实例分割在木材密集堆放场景下对各尺寸木材分割的可行性,以期实现智能检尺,提高检尺效率。应对密集木材检测分割任务,难点在于密集小木材和大木材的检测。本研究在原始Mask R-CNN模型的基础上通过改进优化模型参数,包括多尺度训练、提升样本采样数、提高图片输入尺寸和有效数据增广等技术,进行多组分割对照实验,同时利用OpenCV库对模型输出的木材分割掩码图完成木材轮廓拟合和木材计数,并就实验结果对模型性能进行分割精度、掩码质量和木材真检率等多维度分析。实验结果表明:测试集木材真检率达到97.989%,误检率为0.30%,并且相较基础网络,对小木材和大木材的检测分割能力提升明显,分割精度最佳提升12.9%和5.2%,掩码分割质量最佳提升2.2%。改进后的Mask R-CNN模型对密集场景下的木材分割效果良好,此外算法具有较强的鲁棒性及迁移能力,微调下能适应各种场景下的各尺寸大小密集木材检测分割任务。

基于改进YOLOv5的整车原木数量检测方法

针对整车原木检测中存在密集小目标难检测、原木被遮挡易被漏检、目标检测模型复杂度太大难以部署等问题,提出一种基于YOLOv5的整车原木数量检测方法TWD-YOLOv5,来探究目标检测在整车原木场景下进行快速精准检测的可行性,从而实现智能检尺,提高检尺效率。本研究在原始YOLOv5模型的基础上通过修改模块数量、加入注意力机制和Transformer模块的操作来优化主干网络,结合新的检测尺度与基于Ghost卷积设计特征融合网络,提升网络检测小目标的能力,降低模型复杂度,选用CIoU作为边界框回归的损失函数和DIoU-nms作为边界框筛选算法,提高边框的回归精度和解决物体被遮挡的问题。本研究算法TWD-YOLOv5进行4组试验,从平均精度均值(mAP)、每秒传输帧数、原木真检率多种尺度指标进行评估,同时通过预测框完成对原木根数的计数。试验结果表明,本研究方法的mAP达到0.731,每秒传输帧数为7.33,模型参数降低了40.5%,且测试集原木真检率达到了99.551%,误检率为0.22%。该方法不仅大幅减少了模型复杂度,还保持了较高的检测精度。本研究的模型能对整车原木场景下的原木有良好的检测效果,解决了原木被遮挡的问题,且检测速度快,能做到实时检测,另外该算法有较强的鲁棒性且模型较小,可以满足部署至移动端进行目标检测的轻量化需求。

四旋翼无人机高度控制——基于CNF与自适应非光滑控制

针对受限环境下四旋翼无人飞行器在参数不确定及外部扰动影响下的高性能高度控制问题,设计一种基于复合非线性反馈(CNF)和自适应非光滑轨迹跟踪控制的高度控制方法。通过四旋翼无人飞行器的垂直通道动力学模型分析和变换,将高度轨迹规划问题转换为输入受限的线性系统控制问题,设计CNF控制器实现轨迹生成;建立参数不确定及外部扰动影响下的垂直通道动力学模型,设计一种自适应非光滑轨迹跟踪控制器,并理论证明了闭环系统稳定性。最后,通过仿真实验验证所提出方法的有效性。结果表明,所设计方法能够有效提高参数不确定及外部扰动下的高度控制品质,且简单实用。

基于机器视觉的木材径级测量系统设计

针对人工测量木材径级效率低、存在主观误差等问题,基于机器视觉技术开发了一个木材径级自动测量系统。利用Opencv设计算法流程,采用背景减法、均值滤波、固定阈值分割得到木材径向截面轮廓的二值图像,再利用边缘检测和椭圆拟合算法拟合轮廓的椭圆,将椭圆短轴像素点数转换为木材直径。利用C#编写人机交互界面显示木材直径的测量结果并将分类结果传输给下位机。经过实验验证,该系统的软件算法流程能够准确测量木材直径,得到的测量绝对误差在0.8 cm以内,单根测量平均时间为0.895 s,有效提高了木材径级测量的效率,为实现木材径级的自动化分拣提供支撑。